Eine jahrzehntealte Annahme über die Grenzen der Informatik könnte auf einen unerwarteten Herausforderer gestoßen sein: künstliche Intelligenz.
Am 26. Okt. gab das Unternehmen bekannt, dass seine Modelle einen Beweis erstellt hätten, der die Exponential Time Hypothesis (ETH) infrage stellt – eine seit Langem bestehende Annahme darüber, wie schwierig bestimmte Rechenprobleme zu lösen sind. Forschende haben sich in Hunderten Studien auf die ETH gestützt, und die neuen Ergebnisse könnten sie dazu veranlassen, einige ihrer Schlussfolgerungen zu überdenken.
Ein mathematischer Durchbruch führt jedoch nicht automatisch zu schnelleren Computern. Unabhängige Forschende müssen den Beweis noch prüfen, und die Entwicklung praktischer Algorithmen auf Grundlage des Ergebnisses könnte deutlich mehr Arbeit erfordern.
Wie OpenAIs KI eine grundlegende Annahme der Informatik infrage stellte
Laut der Ankündigung von OpenAI erstellten die KI-Modelle des Unternehmens am 16. Okt. einen Beweis, der die ETH infrage stellt. Am folgenden Tag nutzte das Unternehmen Lean, ein Werkzeug zur Überprüfung mathematischer Beweise, um das Ergebnis zu formalisieren.
Die ETH befasst sich mit der Zeit, die benötigt wird, um bestimmte Rechenprobleme zu lösen, insbesondere das Erfüllbarkeitsproblem der Aussagenlogik (SAT). Vereinfacht gesagt besagt sie, dass kein Algorithmus jede Instanz des Standardproblems 3-SAT in subexponentieller Zeit lösen kann, wenn die Zahl der Variablen steigt.
Die Hypothese hat Forschenden dabei geholfen, bedingte Grenzen dafür festzulegen, wie effizient sich andere Rechenprobleme lösen lassen. Sollte die ETH falsch sein, müssten einige dieser Schlussfolgerungen neu bewertet werden.
OpenAI bezeichnete die ETH als „allgemein für richtig gehalten“. Seit Jahrzehnten stützen sich Forschende auf sie, um die Grenzen der Berechenbarkeit in Bereichen wie Graphentheorie, computergestützter Biologie und Datenbanken zu untersuchen.
OpenAI hat beide Versionen des Beweises öffentlich zugänglich gemacht. Russell Impagliazzo und Ramamohan Paturi von der UC San Diego sowie Ryan Williams vom MIT werden gemeinsam eine unabhängige Gruppe leiten, die die Ergebnisse prüft.
Eine Widerlegung könnte die Algorithmusforschung verändern
Sollte sich der Beweis von OpenAI bestätigen, müssen Forschende möglicherweise frühere Studien neu bewerten, die sich auf die ETH stützten, um festzustellen, welche Rechenprobleme schwierig zu lösen sind.
Die Infragestellung einer Hypothese zur Rechenkomplexität bedeutet jedoch nicht, dass bestehende Software plötzlich schneller läuft oder komplexe Probleme leichter zu lösen sind.
OpenAI räumte ein, dass weitere Arbeit nötig ist: „Die Entwicklung solcher Algorithmen und die Überführung theoretischer Fortschritte in praktische Verbesserungen werden umfangreiche weitere Forschung erfordern.“
Interesting Engineering berichtete ebenfalls über zwei weitere von KI erstellte Beweise zur Vermutung der lokalen Glättung und zu Quantenfeldtheorien. Forschende untersuchen diese Ergebnisse in getrennten Prüfverfahren.
Was eWeek herausgefunden hat: Drei Prüfungen, bevor der Beweis die Informatik verändert
OpenAI hat seinen Beweis veröffentlicht und Pläne für eine unabhängige Prüfung vorgestellt. Bevor die Ergebnisse zu Verbesserungen in der Praxis führen können, müssen Forschende jedoch noch mehrere Fragen beantworten.
Meilenstein der Forschung | Was bisher geschehen ist | Was noch geschehen muss |
| Formaler Beweis | Versionen in natürlicher Sprache und für Lean sind öffentlich zugänglich | Unabhängige Forschende müssen den Beweis prüfen und interpretieren |
| Wissenschaftliche Auswirkungen | Der Beweis stellt auf der ETH beruhende Annahmen infrage | Forschende müssen ermitteln, welche früheren Ergebnisse neu bewertet werden müssen |
| Praktische Algorithmen | Es wurden keine schnelleren Algorithmen für den Produktionseinsatz nachgewiesen | Forschende müssen Algorithmen entwickeln und testen, die die Rechenleistung verbessern könnten |
Die Bedeutung des von OpenAI gemeldeten Beweises geht über die Lösung eines schwierigen mathematischen Problems hinaus. Die ETH hat jahrzehntelang die Forschung zur Rechenkomplexität geprägt und Wissenschaftlerinnen und Wissenschaftlern dabei geholfen, Grenzen dafür festzulegen, wie effizient sich bestimmte Probleme lösen lassen.
Wenn die Widerlegung bestätigt wird, müssen Forschende möglicherweise Ergebnisse neu bewerten, die von der Hypothese abhängen; Resultate, die durch andere mathematische Argumente gestützt werden, blieben jedoch unverändert.
Die größere Frage ist, ob die Entdeckung letztlich zu besseren Algorithmen führen könnte. Eine Widerlegung der ETH würde theoretisch zeigen, dass sich bestimmte Rechenprobleme schneller lösen lassen, aber nicht automatisch Algorithmen hervorbringen, die für Anwendungen in der Praxis geeignet sind.
Die Überführung dieser mathematischen Erkenntnis in messbare Leistungsverbesserungen könnte weitere Jahre Forschung erfordern.
Das Ergebnis macht außerdem eine Herausforderung der KI-gestützten wissenschaftlichen Entdeckung deutlich. OpenAI zufolge wurde sein Beweis mit Lean formalisiert, das prüft, ob mathematische Argumente festgelegten logischen Regeln folgen.
Eine formale Verifizierung ersetzt jedoch nicht die unabhängige Prüfung der Annahmen, der Interpretation und der weiterreichenden Auswirkungen eines Beweises. Forschende müssen weiterhin klären, was das Ergebnis für die Rechenkomplexität bedeutet und ob es neue, sinnvolle Wege für die Entwicklung von Algorithmen eröffnet
Eine frühere Untersuchung von Scientific American zu KI-gestützter Mathematik zeigte, wie schwierig es für Mathematikerinnen und Mathematiker sein kann, von KI erstellte Beweise zu interpretieren – selbst wenn formale Prüfungen deren Korrektheit bestätigen.
Die Herausforderung besteht nicht nur darin festzustellen, ob ein Beweis gültig ist, sondern auch zu verstehen, warum er funktioniert und wie seine Erkenntnisse künftige Forschung beeinflussen könnten.
Was der Beweis von OpenAI für Entwickler und Unternehmen bedeutet
Unternehmen sollten aufgrund der Ankündigung von OpenAI nicht erwarten, dass ihre Software schneller läuft. Das Unternehmen hat keine Verbesserungen bei der Datenbankleistung, bei Optimierungswerkzeugen oder bei anderer in der Produktion eingesetzter Software nachgewiesen.
Für Entwickler und Forschungsteams gibt es mehr zu untersuchen. Sie können den veröffentlichten Beweis prüfen, feststellen, ob ihre bisherige Forschung auf der ETH beruht, und die Ergebnisse der unabhängigen Forschungsgruppe verfolgen.
IT-Verantwortliche haben unterdessen kaum Anlass, aufgrund der Ankündigung allein ihre Infrastrukturpläne oder Softwarebudgets zu ändern. Künftige Verbesserungen der Rechenleistung müssten weiterhin entwickelt, getestet und mit bestehenden Lösungen verglichen werden.
Sollten Forschende den Beweis schließlich nutzen, um schnellere Algorithmen zu entwickeln, könnten die Vorteile Branchen zugutekommen, die auf komplexe Berechnungen und große Datensätze angewiesen sind.
Bis dahin sind Unternehmen besser beraten, die Rechenleistung danach zu beurteilen, was ihre Systeme tatsächlich leisten können, statt danach, was KI-generierte mathematische Entdeckungen möglicherweise ermöglichen.
Möchten Sie bessere Ergebnisse mit KI erzielen? Probieren Sie unseren kostenlosen sechminütigen Kurs „Mit KI sprechen“, in dem Sie einige einfache Methoden kennenlernen, um bessere Prompts zu schreiben und effektiver mit KI-Tools zu arbeiten. eWeek-Leser erhalten außerdem sieben Tage kostenlosen Zugang zu den anderen KI-Kursen der Neuron Academy. Hier finden Sie alle Lektionen →