La Exponential Time Hypothesis (ETH) è al centro di un intenso dibattito nel mondo dell'informatica teorica, scatenato dalle recenti rivendicazioni di importanti laboratori di intelligenza artificiale. OpenAI ha annunciato di aver trovato soluzioni a tre significativi problemi matematici, tra cui una presunta confutazione dell'ETH, un'ipotesi fondamentale nella teoria della complessità computazionale. Poco dopo, anche Anthropic ha pubblicato una propria confutazione. La questione solleva interrogativi non solo tecnici, ma anche sul modo in cui la ricerca generata da modelli AI si integra nel processo scientifico.
L'Ipotesi del Tempo Esponenziale e il suo significato
La Exponential Time Hypothesis si inserisce nello studio di problemi complessi, come il k-SAT, che mirano a determinare se una formula logica possa essere soddisfatta da specifiche combinazioni di variabili. In termini semplici, l'ETH postula che per determinate classi di problemi non esista un algoritmo radicalmente più efficiente: il tempo richiesto per individuare una soluzione aumenta esponenzialmente in relazione al numero di variabili coinvolte.
Sebbene l'ETH non sia direttamente il problema P vs NP, ne condivide il contesto concettuale. Se venisse dimostrato un algoritmo subesponenziale per casi centrali del k-SAT, le intuizioni consolidate sulla difficoltà computazionale dei problemi dovrebbero essere riconsiderate.
Questo non implicherebbe automaticamente che P sia uguale a NP, ma renderebbe meno stabile una parte significativa del quadro teorico su cui si basano gli informatici.
Reazioni della comunità scientifica e ruolo della verifica
La comunità scientifica ha reagito con un misto di entusiasmo e cautela. Vi è interesse per la possibilità che i modelli di intelligenza artificiale possano scoprire percorsi matematici innovativi, ma anche preoccupazione per le modalità di pubblicazione di tali risultati. Il professor Ryan Williams del MIT, noto per le sue critiche a precedenti rilasci di prove da parte di OpenAI, ha assunto un ruolo chiave, collaborando per coordinare un processo di verifica pubblica e più strutturato.
La vicenda evidenzia una questione più ampia: quando un laboratorio privato produce scoperte potenzialmente rivoluzionarie utilizzando strumenti proprietari, chi definisce gli standard di validazione? La risposta, in questo scenario, sembra emergere attraverso la formazione di gruppi di lavoro, la diffusione di lettere aperte, la condivisione dei materiali e un confronto approfondito con gli esperti del settore.
Il lavoro di OpenAI: un paper formale senza peer review
Il lavoro attribuito a OpenAI consiste in un paper di 67 pagine, generato da un modello interno, che propone un algoritmo deterministico subesponenziale per una variante del problema k-CNF. È fondamentale sottolineare che questo risultato non è stato ancora sottoposto a peer review, il processo di revisione paritaria da parte di altri esperti del campo, essenziale per la validazione scientifica. La verifica indipendente sarà cruciale per confermare la validità di queste rivoluzionarie affermazioni.
