OpenAI sostiene que uno de sus sistemas de inteligencia artificial encontró una demostración que contradice la hipótesis del tiempo exponencial, conocida por sus siglas en inglés como ETH. La compañía publicó el resultado el 26 de octubre y anunció que especialistas externos organizarán su revisión. La sigla puede confundirse con Ether, la criptomoneda de Ethereum, pero aquí se refiere a un problema de informática teórica.
La hipótesis ETH plantea, en términos generales, que ciertos problemas de satisfacibilidad lógica no pueden resolverse mucho más rápido que mediante un algoritmo cuyo tiempo de ejecución crece exponencialmente con el tamaño del problema. OpenAI dice que su sistema encontró un algoritmo determinista que cuenta las soluciones de fórmulas k-SAT en tiempo subexponencial cuando k se mantiene fijo. Como contar las soluciones permite saber si hay al menos una, el resultado contradice la hipótesis.
La empresa detalló que el modelo produjo la demostración en lenguaje natural el 16 de octubre y que la formalización en Lean se completó al día siguiente. Lean es un asistente de pruebas matemáticas: permite verificar formalmente los pasos expresados en un lenguaje lógico. OpenAI ha publicado el artículo y la prueba formal en GitHub, además de explicar el anuncio en su comunicado sobre la colaboración con investigadores.
Un resultado con posibles efectos en la informática teórica
La ETH se ha utilizado durante décadas como punto de partida para demostrar límites de eficiencia de otros algoritmos. OpenAI señala que cientos de trabajos recurren a ella para obtener resultados condicionales en campos como la teoría de grafos, las bases de datos, la biología computacional y la geometría computacional.
También te puede interesar:OpenAI Lanza el Modo Visión en Tiempo Real y Compartir Pantalla en EuropaSi la refutación se confirma, habrá que revisar qué conclusiones de esos trabajos dependen de la hipótesis y qué alternativas se abren para diseñar algoritmos. Eso no significa que todos esos problemas vayan a resolverse de inmediato con programas más rápidos. Una mejora teórica en el tiempo de ejecución puede seguir siendo demasiado lenta o compleja para una aplicación práctica.
Por eso, “subexponencial” no equivale a “rápido” en cualquier situación. El resultado describe cómo crece el coste del cálculo al aumentar el tamaño de la entrada; no garantiza que los tiempos de ejecución sean útiles en computadoras actuales. Tampoco resuelve por sí mismo el problema P frente a NP, que pregunta si todo problema cuya solución puede comprobarse rápidamente también puede resolverse rápidamente.
La revisión independiente aún debe determinar el alcance
OpenAI anunció que la revisión estará organizada por un grupo encabezado por Russell Impagliazzo y Ramamohan Paturi, de la Universidad de California en San Diego, y Ryan Williams, del Instituto de Tecnología de Massachusetts. Impagliazzo y Paturi participaron en la formulación original de la hipótesis.
La formalización en Lean es una herramienta importante para comprobar una prueba escrita en un sistema lógico. La revisión académica, además, debe examinar qué afirma exactamente el resultado y qué consecuencias se desprenden de él. OpenAI indicó que el grupo podrá compartir su análisis y que la compañía pondrá a disposición los materiales relacionados para facilitar una evaluación independiente.
También te puede interesar:OpenAI Lanza el Modo Visión en Tiempo Real y Compartir Pantalla en EuropaPor ahora, la noticia es una afirmación de OpenAI respaldada por una prueba formal publicada, cuyo alcance está en examen. Si los especialistas confirman que el argumento refuta la ETH tal como se entiende en informática teórica, el siguiente paso será precisar qué resultados previos deben revisarse y si la nueva idea puede inspirar algoritmos aplicables.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
