Los modelos de OpenAI y Anthropic cuestionan la hipótesis del tiempo exponencial

OpenAI y Anthropic afirman que los algoritmos desarrollados por sus modelos refutan la hipótesis del tiempo exponencial (ETH), una premisa de larga data sobre la rapidez con la que los ordenadores pueden resolver ciertos problemas. Estas afirmaciones han llevado a especialistas en ciencias de la computación a examinar las pruebas y sus posibles consecuencias para el campo.

Ryan Williams, científico informático del MIT, ayuda a organizar la respuesta de sus colegas. Junto con los investigadores de UC San Diego Russell Impagliazzo y Ramamohan Paturi, quienes publicaron ETH por primera vez en 1999, difundió una carta abierta que solicita comentarios de científicos y un debate sobre las normas para las contribuciones de la IA a la investigación. Williams dijo a TechCrunch que algunas partes de la prueba de OpenAI parecían rutinarias, mientras que dos o tres secciones eran tan inusuales que merecían el trabajo conjunto de toda la comunidad científica.

ETH sostiene que, para cierta clase de rompecabezas lógicos difíciles, incluso los algoritmos más rápidos necesitan exponencialmente más tiempo a medida que aumenta el número de variables. OpenAI y Anthropic aseguran que sus modelos encontraron algoritmos que resuelven esos rompecabezas en tiempo subexponencial. Si los resultados se confirman, podrían cuestionar ETH y afectar a investigaciones que se han basado en ella. Por sí solos, no demuestran que P = NP.

Williams dijo que OpenAI comprobó si el resultado afectaba a sistemas criptográficos y tenía una confianza razonable en que no implicaba ninguna vulneración. También señaló que los algoritmos quizá no sean los mejores posibles. Los científicos informáticos debaten ahora cómo revisar el trabajo y reevaluar los supuestos basados en ETH.