OpenAI ogłosiło 26 października 2026 r., że jego wewnętrzny system obalił hipotezę czasu wykładniczego (ETH), dotyczącą trudności obliczeniowej problemów spełnialności formuł boolowskich. To twierdzenie firmy o wyniku badawczym. OpenAI podało, że system uzyskał opis wyniku w języku naturalnym 16 października, a dzień później rezultat sformalizowano w Lean, asystencie dowodzenia matematycznego. Firma udostępniła opis i formalizację.
Co OpenAI ogłosiło w sprawie ETH
ETH to hipoteza dotycząca tego, jak trudno obliczeniowo jest rozstrzygać, czy formuła boolowska ma rozwiązanie. OpenAI określa ją jako wieloletnie przypuszczenie z teorii złożoności obliczeniowej. Firma podała, że jej system wygenerował naturalnojęzykowy dowód 16 października 2026 r., formalizacja w Lean nastąpiła 17 października, a oba materiały udostępniono publicznie 26 października.
OpenAI wskazało też zewnętrzną grupę kierowaną przez Russell Impagliazzo, Ramamohan Paturi i Ryan Williams. Grupa miała pomóc w analizie i objaśnieniu wyniku; OpenAI zaznaczyło, że jej wnioski będą niezależne od firmy.
Formalizacja a fizyczny czas działania
Zapisanie wyniku w Lean to formalizacja matematycznego twierdzenia. Komentarz techniczny E8 Holographic Framework zwraca uwagę na odrębne pytanie: czy analiza formalna uwzględnia także koszt wykonania obliczeń, w tym rozmiar liczb przetwarzanych przez algorytm. Autor filmu argumentuje, że te kwestie trzeba rozpatrywać osobno; jego krytyka nie jest stanowiskiem grupy zapowiedzianej przez OpenAI.
Formalny zapis wyniku i jego praktyczny koszt obliczeniowy odpowiadają na różne pytania.
ETH nie rozstrzyga problemu P vs. NP
Ogłoszenie dotyczy ETH, a nie rozwiązania problemu P vs. NP. To szersze, odrębne zagadnienie pozostaje nierozstrzygnięte, jak podał „The New York Times”. Zatem twierdzenie o obaleniu ETH nie oznacza, że OpenAI rozwiązało P vs. NP.
Co mogłoby się zmienić w informatyce
OpenAI podaje, że ETH wykorzystywano w setkach prac do wyprowadzania warunkowych wyników o trudności obliczeniowej. Gdyby twierdzenie firmy zostało potwierdzone, wyniki opierające się na ETH mogłyby wymagać ponownej oceny.
OpenAI zaznaczyło również, że przełożenie postępów teoretycznych na praktyczne ulepszenia wymaga znacznie dalszych badań. Ogłoszenie nie opisuje więc gotowego przyspieszenia obliczeń w praktycznych zastosowaniach.
