مسیر غیرمنتظره‌ای که نباید در آن گام می‌گذاشتیم؛ هوش مصنوعی و کشف راز ۲۷ ساله دنیای فناوری اطلاعات
روش مبتکرانه‌ی اوپن‌ای‌آی بر پایه‌ی ایده‌های انسانی بنا شده است. طی بیست سال گذشته، محققان حوزه علوم کامپیوتر ابزارهای متنوعی برای تسهیل حل مشکلات پیچیده ارائه داده‌اند.
از جمله این ابزارها می‌توان به الگوریتم «تقسیم و فهرست» رایان ویلیامز که در سال 2005 معرفی شد، روش‌های جبری آندرئاس بیورکلوند و تحقیقات مرتبط با کدهای مبتنی بر گراف‌های انبساطی اشاره کرد. همچنین، لم پراکنده‌سازی ایمپالیاجو، پاتوری و زین نیز از ارکان نظری مهم این پژوهش به حساب می‌آیند.
پیامدهای فروپاشی فرضیه سرنوشت مقالات پیشین
در دو دهه‌ی اخیر، فرضیه‌ی ETH نقش ابزاری مشترک را ایفا کرده است. معمولاً محققان نمی‌توانند اثبات کنند که الگوریتمی سریع‌تر برای مسئله‌ای وجود ندارد؛ اما با فرض ETH می‌توانستند ادعا کنند که «اگر این مسئله به‌سرعت حل شود، 3-SAT نیز سریع‌تر حل می‌شود و ETH باید تأیید کند که این امر امکان‌پذیر نیست». به نقل از اوپن‌ای‌آی، صدها مقاله در زمینه‌ی نظریه‌ی گراف، زیست‌شناسی محاسباتی، پایگاه‌های داده و هندسه محاسباتی بر همین اساس نتیجه‌گیری کرده‌اند.
چنانچه ادعای فوق صحیح باشد، تأثیر آن از دایره‌ی ETH فراتر خواهد رفت. مقاله‌ی OpenAI به‌روشنی اعلام می‌کند که نتیجه‌ی این استدلال نسخه‌ای قوی‌تر، یعنی فرضیه‌ی زمان نمایی قوی یا SETH و برخی خویشاوندان آن را نیز رد می‌کند.
SETH از ارکان زیرشاخه‌ای به نام پیچیدگی ریزدانه سرچشمه گرفته و برای مسائل روزمره کران‌هایی را تعیین می‌کند؛ به عنوان مثال، فاصله‌ی ویرایشی که نشان‌دهنده‌ی شباهت دو رشته DNA یا دو متن است، به احتمال زیاد نمی‌تواند به‌سرعت از الگوریتم‌های کنونی محاسبه شود.
رد شدن ETH به خودی خود صدها مقاله‌ی علمی را منسوخ نمی‌کند، اما می‌تواند اعتبار برخی نتایج آن‌ها را با سؤال مواجه کند
خود الگوریتم نیز پیامدهای بسیاری دارد. به ادعای مقاله، شمارش رنگ‌آمیزی‌های مجاز یک نقشه، به این صورت که شهرها به گونه‌ای رنگ‌آمیزی شوند که هیچ دو شهر همسایه رنگ مشابه نداشته باشند، یا شمارش جورسازی‌های کامل در یک شبکه، اکنون در زمان زیرنمایی امکان‌پذیر خواهد بود.
تصور کنید پژوهشگرانی обнаруж کرده‌اند که: «اگر عبور از جاده‌ی اول حداقل ده ساعت طول بکشد، به هیچ وجه نمی‌توان به شهر دوم در کمتر از ده ساعت رسید». اکنون مشخص می‌شود که جاده‌ی اول میان‌بری داشته است. کشف این میان‌بر، هرچند به این معنا نیست که مسیر شهر دوم نیز با همین سرعت کوتاه شود، اما اعتبار تضمین پیشین را زیر سؤال می‌برد.
از همین رو، رد فرضیه‌ی ETH نیز تأثیری مشابه خواهد داشت. گزاره‌های شرطی در مقالات پیشین همچنان از لحاظ منطقی قابل قبول باقی می‌مانند، اما در واقعیت شرایط آن‌ها دیگر برقرار نیست. مقاله‌ی OpenAI همچنین یادآور می‌شود که برخی از کران‌ها می‌توانند از فرضیه‌های ضعیف‌تری همچون حدس بردارهای متعامد بدست آیند که ممکن است هنوز معتبر باشند. بنابراین، به‌جای فروریختن کل سازه، باید منتظر ارزیابی دقیق تک‌تک اجزاء آن بود.
آیا در نزدیکی حل P در برابر NP هستیم؟
برهان نوآورانه‌ی اوپن‌ای‌آی ناگزیر این پرسش را به‌وجود می‌آورد که آیا به حل یکی از معماهای مشهور و حل‌نشده در دنیای علوم کامپیوتر، یعنی P در برابر NP، نزدیک شده‌ایم؟
اگر با مفهوم P در برابر NP آشنا نیستید، به مثال زیر توجه کنید: فرض کنید معمایی وجود دارد که پیدا کردن جواب آن بسیار دشوار است؛ اما اگر شخصی پاسخ صحیح را در اختیارتان قرار دهد، قادر هستید به طور سریع آن را بررسی کنید. مسئله‌ی SAT در زمره‌ی این دسته از مسائل قرار دارد. پرسش در مورد P در برابر NP این است که آیا هر مسئله‌ای که می‌توان پاسخش را به سادگی تأیید کرد، الزاما راه حلی سریع برای پیدا کردن آن نیز دارد؟
ریاضی‌دانان و دانشمندان علوم کامپیوتر چندین دهه به دنبال پاسخ این سؤال بوده‌اند؛ اما الگوریتم نوین اوپن‌ای‌آی هنوز به حل این معما نمی‌انجامد. برای روشن‌تر شدن موضوع، به این نکته‌ی ظریف توجه فرمایید که «سریع‌تر از آنچه تا کنون تصور می‌شد» با «واقعاً سریع» متفاوت است.
الگوریتم جدید به‌عنوان روشی زیرنمایی شناخته می‌شود؛ به این معنا که با افزایش اندازه‌ی مسئله، زمان اجرای آن از روش‌های نمایی متعارف کندتر افزایش می‌یابد. اما باید توجه داشت که هنوز با الگوریتم‌های چندجمله‌ای که به‌عنوان معیار حل سریع مسائل به‌شمار می‌روند، فاصله‌ی معناداری وجود دارد.
کشف یک روش سریع‌تر برای حل یک مسئله، به معنای یافتن روش سریع برای حل تمامی مسائل پیچیده‌ی محاسباتی نیست
از سوی دیگر، الگوریتم جدید تنها در زمینه‌ی خاصی از مسائل SAT کارایی دارد که در آن تعداد متغیرهای هر شرط از یک حد مشخص تجاوز نمی‌کند. شاید وسوسه‌انگیز باشد که به نتیجه‌گیری برسیم که حالا می‌توان هر مسئله‌ی دشواری را با همین سرعت حل کرد؛ اما ماجرا به این سادگی نیست. تبدیل یک مسئله به مسئله‌ای دیگر گاهی باعث افزایش اندازه آن به حدی می‌شود که تمام برتری‌های الگوریتم جدید را بی‌معنا می‌کند. خود نویسندگان مقاله نیز به این نکته اشاره کرده‌اند.
به این ترتیب، در حال حاضر انتظار نمی‌رود که رمزنگاری‌های متداول به ناگهان شکسته شوند، مسائل پیچیده‌ی صنعتی در کسری از ثانیه حل شوند یا نرم‌افزارهای روزمره دچار تحولی عمده در سرعت عملکرد شوند. حتی اعتبار این برهان نیز باید تحت ارزیابی دقیق جامعه علمی قرار گیرد.
