Durante quase três décadas, uma hipótese chamada Hipótese do Tempo Exponencial esteve silenciosamente na base da ciência informática teórica. Não se trata de uma lei, nem de um teorema, mas de uma suposição tão amplamente aceite que campos inteiros de investigação foram construídos com base nela. A OpenAI afirma agora que os seus modelos de IA produziram um algoritmo que a desmente. Se a descoberta se mantiver, as consequências vão muito para além de qualquer artigo de investigação isolado.
O que a Hipótese do Tempo Exponencial dizia realmente
A Hipótese do Tempo Exponencial, proposta há cerca de 30 anos, aborda uma questão aparentemente simples: quão depressa um computador consegue resolver determinados puzzles lógicos? A abordagem mais direta é a força bruta, testando todas as combinações possíveis de verdadeiro ou falso para cada variável no puzzle. A ETH não afirmava que esta era a única forma. Reconhecia que existem atalhos. O que propunha era um limite mínimo: por mais inteligente que seja o atalho, o trabalho computacional necessário continua a ter de crescer exponencialmente à medida que o puzzle aumenta.
Isto parece técnico, mas a implicação prática é significativa. A ETH era essencialmente um limite de velocidade numa classe de problemas. Dizia aos investigadores o que era, em princípio, alcançável e o o que não era. Ramos inteiros de algoritmos e da teoria da complexidade foram desenvolvidos tendo esse limite como um dado adquirido.
A OpenAI diz que os seus modelos criaram um algoritmo que supera esse limite de velocidade presumido. A alegação é que a ETH é falsa.
O efeito cascata: o que se rompe quando uma fundação muda
É isto que a maioria das notícias sobre o anúncio deixa escapar. A história não se resume a uma hipótese estar errada. Trata-se do que foi construído sobre ela.
Fedor Fomin, na Universidade de Bergen, descreve a reação entre os investigadores como um choque total. Nota que um manual que escreveu sobre o assunto se tornará obsoleto se a descoberta for confirmada. Isso não é hipérbole. Muitas conclusões da ciência informática foram deduzidas assumindo que a ETH era verdadeira. Se a suposição cair, essas conclusões deixam de ser válidas. Como diz Fomin, o resultado exigiria uma revisão completa de várias áreas de algoritmos e complexidade.
Leslie Goldberg, na Universidade de Oxford, chama-lhe, condicionalmente, um avanço enorme. A condição importa: a descoberta ainda precisa de ser verificada e, crucialmente, compreendida. Stefan Szeider, na TU Wien, analisou o que a OpenAI divulgou e espera que resista ao escrutínio, mas observa que os investigadores ainda precisam de confirmar se a declaração formalmente provada significa aquilo que os seus autores dizem que significa. Essa distinção, entre uma prova ser tecnicamente válida e uma prova significar o que pensas que significa, não é menor.
A ETH está também ligada a um dos problemas em aberto mais famosos da matemática: P versus NP. Isto diz respeito a saber se os problemas cujas respostas são fáceis de verificar são também fáceis de resolver. A ETH ser verdadeira teria implicado que a resposta é não. Mas Goldberg é explícito: desmentir a ETH não significa que a resposta seja sim. A questão de P versus NP continua em aberto.
A OpenAI utilizou o Lean, uma ferramenta de software que verifica formalmente provas matemáticas, para verificar o resultado da ETH. Também encomendou um grupo de revisão independente que inclui Russell Impagliazzo e Ramamohan Paturi, ambos na Universidade da Califórnia em San Diego, que estiveram entre os investigadores que propuseram originalmente a ETH. A sua carta aberta descreve a descoberta como algo que pode mudar uma parte importante da ciência informática teórica.
Matemática feita pela imprensa, e porque é que essa expressão importa
O resultado da ETH não foi o único anúncio. A OpenAI afirma também que a sua IA provou uma conjectura de 1991 sobre o comportamento das ondas, com implicações para a forma como as ondas se propagam e quão fina uma forma pode ser enquanto continua a conter segmentos de linha apontados em todas as direções. Na física teórica, afirma ter provado que as teorias quânticas de campos, incluindo a cromodinâmica quântica, que descreve a força forte que mantém os quarks unidos, são matematicamente coerentes em vez de apenas úteis experimentalmente. O trabalho relacionado com a existência da teoria de Yang Mills pura, parte de um problema matemático de um milhão de dólares, não foi divulgado publicamente enquanto um grupo liderado pelo prémio Nobel David Gross o examina.
A amplitude destes anúncios gerou mal-estar nos círculos académicos. Magnus Wahlström, na Royal Holloway da Universidade de Londres, descreve o fenómeno como “matemática feita pela imprensa”, levantando a preocupação de que modelos de IA proprietários possam subverter repentinamente meses de trabalho de investigadores sem o processo habitual de revisão por pares e verificação gradual.
Clément Canonne, na Universidade de Sydney, estabelece uma distinção clara que vale a pena reter: provar algo e compreender porque é que é verdade não são a mesma coisa. A rede de descobertas que dependia da ETH ruiu. Porque ruiu continua a ser desconhecido.
Em suma
Uma hipótese que moldou a ciência informática teórica durante 30 anos pode ter sido desconfirmada por um modelo de IA. Se for confirmada, as implicações são estruturais: as conclusões construídas sobre a ETH em algoritmos e na teoria da complexidade teriam de ser revistas. A descoberta está sob revisão independente, inclusive por investigadores que propuseram originalmente a hipótese. O que torna este momento genuinamente invulgar não é apenas o resultado em si, mas a lacuna que revela: os sistemas de IA conseguem agora produzir provas que os humanos ainda não conseguem explicar totalmente. Essa lacuna entre a prova e a compreensão é onde o verdadeiro trabalho começa.
Com base em reportagem de New Scientist.