مسیر غیرمنتظره‌ای که انتظار نمی‌رفت؛ هوش مصنوعی و解 مشکل ۲۷ ساله دنیای فناوری اطلاعات
رویکرد نوین اوپن‌ای‌آی به پشتوانه‌ی ایده‌های انسانی استوار است. در طول دو دهه‌ی اخیر، محققان حوزه‌ی علوم کامپیوتر ابزارهای متعددی را برای تسهیل درک مسائل دشوار خلق کرده‌اند.
الگوریتم «تقسیم و فهرست» که توسط رایان ویلیامز توسعه داده شده است، روش‌های جبری آندرئاس بیورکلوند و تحقیقات مربوط به کدهای مبتنی بر گراف‌های انبساطی، از جمله ایده‌های محوری هستند که مقاله‌ی اوپن‌ای‌آی بر آن‌ها بنا شده است. همچنین، مفاهیم پراکنده‌سازی ایمپالیاجو، پاتوری و زین نیز به‌عنوان دیگر اصول نظری این تحقیق مطرح می‌شوند.
اگر فرضیه سرنوشت سقوط کند، پیامد آن چیست؟
فرضیه‌ی ETH در ۲۵ سال گذشته به‌عنوان ابزاری مشترک مورد استفاده قرار گرفته است. محققان به‌ندرت قادر به اثبات عدم وجود الگوریتم‌های سریع‌تر برای یک مسئله خاص هستند، اما با اتکاء به ETH می‌توانستند بگویند «اگر این مسئله با سرعت بیشتری قابل حل باشد، آنگاه مسئله 3-SAT هم به همین شکل پاسخ داده می‌شود و ETH بر این عقیده است که انجام چنین کاری غیرممکن است». گزارش اوپن‌ای‌آی اعلام می‌کند که صدها مقاله در زمینه‌های نظریه‌ی گراف، زیست‌شناسی محاسباتی، پایگاه‌های داده و هندسه‌ی محاسباتی با همین رویکرد به نتایج خود دست یافته‌اند.
اگر این فرضیه نادرست باشد، تأثیرات آن فراتر از دامنه‌ی ETH خواهد بود. مقاله‌ی OpenAI به‌وضوح توضیح می‌دهد که نتیجه‌ی این استدلال، فرضیه‌ی زمان نمایی قوی یا SETH و سایر نسخه‌های مرتبط با آن را نیز زیر سؤال می‌برد.
SETH به‌عنوان پایه‌ای برای مطالعهء پیچیدگی ریزدانه شناخته می‌شود و به‌تازگی برای مسائل روزمره، کران‌هایی تعیین کرده است؛ به‌طور مثال، فاصله‌ی ویرایشی، که به سنجش تشابه بین دو رشته‌ی DNA یا دو متن مرتبط است، به‌احتمال زیاد نمی‌تواند سریع‌تر از الگوریتم‌های فعلی محاسبه شود.
لغو ETH به‌خودی‌خود منجر به ابطال صدها مقاله علمی نمی‌شود، اما می‌تواند اعتبار برخی از یافته‌های آن‌ها را زیر سؤال ببرد.
خود الگوریتم نیز پیامدهای مستقیمی دارد. به‌گفته‌ی مقاله، شمارش رنگ‌آمیزی‌های معتبر یک نقشه، به معنای رنگ‌کردن شهرها به‌گونه‌ای که هیچ دو شهر همسایه‌ای از یک رنگ برخوردار نباشند، یا شمارش جورسازی‌های کامل در یک شبکه، اکنون ممکن است در زمان زیرنمایی انجام شود.
تصور کنید پژوهشگری به‌طور قطعی نشان داده باشد: «اگر عبور از جاده‌ی اول حداقل ده ساعت به طول بینجامد، رسیدن به شهر دوم تحت هیچ شرایطی کمتر از ده ساعت ممکن نخواهد بود». اکنون روشن می‌شود که جاده‌ی اول میان‌بری دارد. کشف این میان‌بری به هیچ‌وجه ثابت نمی‌کند که مسیر رسیدن به شهر دوم هم کوتاه‌تر شده است؛ بلکه صرفاً ضمانت قبلی را از اعتبار ساقط می‌کند.
رد فرضیه‌ی ETH نیز اثر مشابهی خواهد داشت. جملات شرطی مقالات قبلی همچنان از لحاظ منطقی صحیح باقی می‌مانند، اما شرط آن‌ها دیگر برقرار نخواهد بود. مقاله‌ی OpenAI همچنین یادآور می‌شود که برخی از کران‌ها ممکن است از فرضیه‌های باثبات‌تری مثل مشاهده‌ی بردارهای متعامد به‌دست بیایند که شاید هنوز پا بر جا باشند. لذا به‌جای فروریختن ناگهانی یک سازه، لازم است منتظر بررسی تک‌تک ارکان آن بود.
آیا به پاسخ P در برابر NP نزدیک‌تر شده‌ایم؟
برهان تازه‌ی اوپن‌ای‌آی به‌طور ناگزیر این پرسش را مطرح می‌کند که آیا ما به نزدیک شدن به یکی از بزرگ‌ترین معماهای حل‌نشده در علوم کامپیوتر، یعنی P در برابر NP، نزدیک‌تر شده‌ایم؟
اگر با مفهوم P در برابر NP آشنا نیستید، می‌توانید آن را به‌صورت زیر تصور کنید: مسئله‌ای وجود دارد که یافتن پاسخ آن فوق‌العاده دشوار است؛ اما اگر شخصی پاسخ صحیح را ارائه کند، می‌توانید به سرعت آن را ارزیابی کنید. مسئله‌ی SAT نیز در این دسته از مسائل قرار دارد. P در برابر NP می‌پرسد آیا هر مسئله‌ای که پاسخ آن به‌سرعت قابل ارزیابی است، به‌طرز خودکار و سریع هم راهی برای یافتن جواب دارد؟
ریاضی‌دانان و دانشمندان علوم کامپیوتر به‌مدت چندین دهه در تلاش برای یافتن پاسخ این سوال هستند؛ اما الگوریتم جدید اوپن‌ای‌آی هنوز معما را حل نکرده است. برای درک بهتر این موضوع، به این نکته دقت کنید که «سریع‌تر از آنچه تصور می‌کردیم» و «واقعاً سریع» مفاهیم متفاوتی هستند.
الگوریتم جدید به‌عنوان یک روش زیرنمایی شناخته می‌شود؛ به این معنا که با افزایش اندازه مسئله، زمان اجرای آن به‌طور نسبی از زمان اجرای الگوریتم‌های نمایی متداول کندتر رشد می‌کند. لیکن هنوز هم فاصله‌ی قابل توجهی با الگوریتم‌های چندجمله‌ای که به‌عنوان معیاری برای حل سریع مسائل در نظر گرفته می‌شوند، وجود دارد.
پیدا کردن راه‌حل سریع‌تر برای یک مسئله به معنای یافتن روشی سریع برای حل همه مسائل پیچیده‌ی محاسباتی نخواهد بود.
از سوی دیگر، روش جدید تنها برای دسته‌ای خاص از مسائل SAT طراحی شده است که در آن تعداد متغیرهای هر قید فراتر از یک حد ثابت نیست. شاید وسوسه‌انگیز باشد که به این نتیجه برسیم که اکنون می‌توان سایر مسائل دشوار را نیز با همین سرعت حل کرد؛ اما این موضوع به این سادگی نیست. تغییر یک مسئله به مسئله‌ای دیگر بعضاً اندازه آن را به حدی افزایش می‌دهد که تمام مزایای الگوریتم جدید را از بین می‌برد. خود نویسندگان مقاله نیز به این محدودیت‌ها اشاره کرده‌اند.
بنابراین، به‌نظر نمی‌رسد که به‌زودی رمزنگاری‌های گسترده در معرض شکستن قرار بگیرند، مسائل پیچیده‌ی صنعتی به‌سرعت حل شوند یا نرم‌افزارهای متداول ناگهان به طرز قابل توجهی سریع‌تر شوند. حتی اعتبار برهان نیز باید با دقت توسط جامعه‌ی علمی مورد بررسی قرار گیرد.
