Em resumo
- A OpenAI diz que sua IA provou que a ETH é falsa — mas não é a "ETH" que os traders de criptomoedas estão pensando.
- A empresa afirma que seus modelos de IA encontraram uma maneira de refutar a Hipótese do Tempo Exponencial, uma conjectura da ciência da computação de 1999.
- Eis o que tudo isso significa, e o que os matemáticos estão fazendo a respeito.
A OpenAI diz que a ETH é falsa, e o Crypto Twitter reagiu exatamente da maneira que você esperaria. "Malditos traders de algoritmos acabaram de massacrar o $ETH", postou um usuário chamado Takumi no X, enquanto Andrew Jiang brincou: "Vitalik está bem quieto desde que isso saiu."
Mas calma, degens, a ETH em questão é a Hipótese do Tempo Exponencial, uma conjectura da ciência da computação de 1999 que não tem nada a ver com Ethereum, seu preço ou o cofundador Vitalik Buterin. Então, cripto bros, vocês podem respirar.
A OpenAI publicou um artigo de 67 páginas alegando que sua IA encontrou uma maneira de contornar a hipótese, e as pessoas que a propuseram agora estão verificando o trabalho.
Os cientistas da computação Russell Impagliazzo e Ramamohan Paturi propuseram a ETH com Francis Zane, e ela afirma que um quebra-cabeça lógico clássico chamado 3-SAT (encontrar configurações de verdadeiro-ou-falso que satisfaçam um monte de regras, três opções por vez) não pode ser resolvido muito mais rápido do que tentando todas as combinações. Centenas de artigos a assumem para mostrar que problemas em teoria dos grafos, biologia computacional, bancos de dados e geometria não podem ser resolvidos rapidamente, segundo a OpenAI.
Em outras palavras, a ETH é um mapa daquilo que os computadores provavelmente nunca farão rapidamente, e a OpenAI diz que seu modelo acabou de redesenhá-lo. “A refutação da ETH reabre questões sobre o quanto mais rápidas essas tarefas poderiam se tornar”, escreveu a empresa em seu blog, “e pode ajudar a orientar a busca por algoritmos melhores.”
O artigo, datado de 17 de outubro e revisado em 25 de outubro, descreve um algoritmo determinístico (um sem aleatoriedade) que conta cada atribuição satisfatória de tais quebra-cabeças em tempo subexponencial, o que significa que o trabalho cresce mais lentamente do que qualquer exponencial no número de variáveis. Contar soluções é mais difícil do que decidir se existe uma, então a tarefa mais difícil traz a mais fácil junto de graça.
A OpenAI afirma que sua IA encontrou a refutação em 16 de outubro e que ela foi formalizada em Lean, software que verifica cada etapa lógica mecanicamente, em 17 de outubro. Ambos estão no GitHub, o mesmo caminho dos seus 722 manuscritos matemáticos no início deste mês, dos quais apenas 162 vinham com um resultado principal verificado por computador.
Impagliazzo, Paturi e Ryan Williams, do MIT, lideram o exame independente, e são cuidadosos quanto ao seu papel. “Nosso envolvimento não deve ser tomado como certificação da alegação”, escreveram os três em uma carta aberta, acrescentando que “um resultado dessa magnitude exige um escrutínio cuidadoso e independente e a compreensão de que outros podem reconstruir, questionar e construir sobre ele.”
BitcoinBTC · USD
$80.662−2,56%
20 de out.22 de out.24 de out.25 de out.27 de out.
$84,8 mil$83,1 mil$81,3 mil$79,6 mil
Máxima 24hMáxima$80.573
Mínima 24hMínima$79.416
VolVol$1,0 bi
→Compre Bitcoin com USDT
Fornecido por Jupiter
A OpenAI afirma que os participantes não assinaram acordos de confidencialidade e trabalham sem remuneração, e que a empresa concordou em publicar todos os dados brutos e financiar uma conferência sobre o resultado.
Os ganhos práticos estão muito distantes: “Encontrar tais algoritmos e transformar avanços teóricos em melhorias práticas exigirá pesquisas adicionais significativas”, escreveu a OpenAI. O próprio artigo afirma que o resultado não demonstra que todo problema NP possa ser resolvido em tempo subexponencial, portanto P versus NP, a questão de saber se todo problema cuja resposta é fácil de verificar também é fácil de resolver, permanece em aberto.
Em termos simples, P é a classe de problemas que os computadores conseguem resolver de forma eficiente, enquanto NP é a classe de problemas cujas soluções propostas podem ser verificadas de forma eficiente. Assim, P versus NP — a questão de saber se todo problema cuja resposta é fácil de verificar também é fácil de resolver — permanece em aberto.
A Anthropic, não querendo perder as guerras matemáticas, publicou então um artigo creditado ao Claude intitulado “A 2^o(n) Time Algorithm for 3-SAT” e datado de 26 de outubro. O repositório, que também aborda o problema ETH, afirma que um modelo interno de pesquisa do Claude descobriu o algoritmo, e “o resultado é puramente assintótico e não diz nada sobre a resolução de fórmulas na prática.”
O Claude formalizou o Último Teorema de Fermat em Lean em setembro, e Terence Tao previu esse tipo de sobreposição. “Vimos agora que até o boato de que alguém está trabalhando num problema pode desencadear uma enorme quantidade de esforço impulsionado por IA para achatá-lo antes que o projeto de pesquisa original tenha tempo de atingir todo o seu potencial”, escreveu o matemático em setembro.
A recente contribuição de 5 milhões de dólares da OpenAI para a Simons Foundation financiará workshops, conferências e programas especiais para ajudar os pesquisadores a examinar e desenvolver os resultados produzidos por IA.
Junte-se a mais de 72.000 leitores
Crie uma contapara salvar seus artigos.
Adicione o Decrypt como sua fonte preferida para ver mais das nossas histórias no Google.
