En resumen
- OpenAI afirma que su IA ha demostrado que ETH es falso, pero no es el “ETH” en el que piensan los traders de criptomonedas.
- La compañía dice que sus modelos de IA han encontrado una manera de refutar la Hipótesis del Tiempo Exponencial, una conjetura de informática de 1999.
- Esto es lo que significa todo eso, y lo que están haciendo los matemáticos al respecto.
OpenAI afirma que ETH es falso, y Crypto Twitter reaccionó exactamente como cabría esperar. “Malditos traders algorítmicos acaban de masacrar $ETH”, publicó en X un usuario llamado Takumi, mientras que Andrew Jiang bromeó: “Vitalik ha estado muy callado desde que salió esto”.
Pero tranquilos, degens, el ETH en cuestión es la Hipótesis del Tiempo Exponencial, una conjetura de informática de 1999 que no tiene nada que ver con Ethereum, su precio ni su cofundador Vitalik Buterin. Así que, cripto bros, podéis respirar.
OpenAI publicó un artículo de 67 páginas en el que afirma que su IA encontró una manera de eludir la hipótesis, y las personas que la propusieron ahora están revisando el trabajo.
Los informáticos Russell Impagliazzo y Ramamohan Paturi propusieron la ETH junto con Francis Zane, y esta afirma que un clásico rompecabezas lógico llamado 3-SAT (encontrar configuraciones de verdadero o falso que satisfagan un montón de reglas, de tres opciones a la vez) no puede resolverse mucho más rápido que probando todas las combinaciones. Cientos de artículos la asumen para demostrar que los problemas de teoría de grafos, biología computacional, bases de datos y geometría no pueden resolverse rápidamente, según OpenAI.
En otras palabras, la ETH es un mapa de lo que las computadoras probablemente nunca harán rápido, y OpenAI dice que su modelo acaba de redibujarlo. «La refutación de la ETH reabre preguntas sobre cuánto más rápido podrían volverse estas tareas», escribió la compañía en su blog, «y puede ayudar a guiar la búsqueda de mejores algoritmos».
El artículo, fechado el 17 de octubre y revisado el 25 de octubre, describe un algoritmo determinista (uno sin aleatoriedad) que cuenta cada asignación satisfactoria de tales rompecabezas en tiempo subexponencial, lo que significa que el trabajo crece más lentamente que cualquier exponencial en el número de variables. Contar soluciones es más difícil que decidir si existe una, por lo que el trabajo más difícil trae consigo el más fácil de forma gratuita.
OpenAI dice que su IA encontró la refutación el 16 de octubre y que fue formalizada en Lean, un software que verifica cada paso lógico de forma mecánica, el 17 de octubre. Ambos están en GitHub, la misma vía que sus 722 manuscritos matemáticos a principios de este mes, de los cuales solo 162 incluían un resultado principal verificado por computadora.
Impagliazzo, Paturi y Ryan Williams, del MIT, lideran el examen independiente, y son cuidadosos respecto a su papel. "Nuestra participación no debe interpretarse como una certificación de la afirmación", escribieron los tres en una carta abierta, y añadieron que "un resultado de esta importancia requiere un escrutinio cuidadoso e independiente y la comprensión de que otros puedan reconstruirlo, cuestionarlo y construir sobre él".
BitcoinBTC · USD
$80,662−2.56%
Oct 20Oct 22Oct 24Oct 25Oct 27
$84.8k$83.1k$81.3k$79.6k
24h HighHigh$80,573
24h LowLow$79,416
VolVol$1.0B
→Comprar Bitcoin con USDT
Desarrollado por Jupiter
OpenAI afirma que los participantes no firmaron acuerdos de confidencialidad y trabajan sin remuneración, y la empresa acordó publicar todos los datos brutos y financiar una conferencia sobre el resultado.
Los beneficios prácticos están muy lejos: «Encontrar tales algoritmos y convertir los avances teóricos en mejoras prácticas requerirá una investigación adicional significativa», escribió OpenAI. El propio artículo señala que el resultado no demuestra que todo problema NP pueda resolverse en tiempo subexponencial, por lo que P versus NP, la cuestión de si todo problema con una respuesta fácil de verificar también es fácil de resolver, sigue abierta.
En términos simples, P es la clase de problemas que las computadoras pueden resolver eficientemente, mientras que NP es la clase de problemas cuyas soluciones propuestas pueden verificarse eficientemente. Así, P versus NP — la cuestión de si todo problema cuya respuesta es fácil de verificar también es fácil de resolver — sigue abierta.
Anthropic, sin querer perder las guerras matemáticas, publicó entonces un artículo atribuido a Claude titulado “A 2^o(n) Time Algorithm for 3-SAT” y fechado el 26 de octubre. El repositorio, que también aborda el problema de la ETH, dice que un modelo interno de investigación de Claude descubrió el algoritmo, y “el resultado es puramente asintótico y no dice nada sobre resolver fórmulas en la práctica.”
Claude formalizó el Último Teorema de Fermat en Lean en septiembre, y Terence Tao vio venir este tipo de superposición. “Ahora hemos visto que incluso el rumor de que alguien trabaja en un problema puede desencadenar una enorme cantidad de esfuerzo impulsado por IA para aplanarlo antes de que el proyecto de investigación original tenga tiempo de alcanzar su máximo potencial”, escribió el matemático en septiembre.
La reciente contribución de 5 millones de dólares de OpenAI a la Simons Foundation financiará talleres, conferencias y programas especiales para ayudar a los investigadores a examinar y construir sobre los resultados producidos por IA.
Únete a más de 72.000 lectores
Crea una cuentapara guardar tus artículos.
Añade Decrypt como tu fuente preferida para ver más de nuestras historias en Google.
