OpenAI i Anthropic twierdzą, że ich modele AI wygenerowały wyniki podważające wieloletnie założenie dotyczące granic obliczeń. Jeśli te twierdzenia się potwierdzą, odkrycia mogą odmienić teorię złożoności — choć żadne z tych laboratoriów nie stworzyło szybszego praktycznego oprogramowania ani nie złamało istniejącego szyfrowania.

Hipoteza z 1999 roku pod presją

Hipotezę czasu wykładniczego (ETH) zaproponowali w 1999 roku Russell Impagliazzo i Ramamohan Paturi. Głosi ona, że niektóre problemy logiczne wymagają wykładniczo więcej czasu obliczeniowego w miarę wzrostu ich rozmiaru, i badacze opierali się na tym założeniu przez dziesięciolecia. W praktyce hipoteza wyklucza skróty: mówi, że każdy algorytm dla tych problemów musi zwalniać wykładniczo wraz ze wzrostem danych wejściowych, więc metoda subeksponencjalna — taka, której czas działania rośnie wolniej niż ta krzywa — stałaby z nią w sprzeczności. Według OpenAI setki prac badawczych wykorzystało ETH do ustalenia granic obliczeniowych w dziedzinach takich jak teoria grafów, bazy danych i biologia obliczeniowa. Jeśli okaże się, że ETH jest fałszywa, wiele z tych wniosków może wymagać ponownego przeanalizowania.

Dwa laboratoria, dwa podważenia

26 października OpenAI ogłosiło, że jeden z jego modeli AI wygenerował dowód podważający ETH, w ramach szerszej publikacji obejmującej również wyniki z zakresu analizy harmonicznej i kwantowej teorii pola. Formalizacja Lean tego wyniku, zweryfikowana maszynowo w asystencie dowodowym Lean, potwierdza poprawność algorytmu subeksponencjalnego, natomiast towarzyszący artykuł przedstawia silniejszy dowód teoretyczny.

Zaledwie kilka godzin później Anthropic przedstawił własne odkrycia. Firma poinformowała, że Claude odkrył deterministyczny algorytm zdolny rozwiązywać 3-SAT — kanoniczny problem wzorcowy w badaniach nad trudnością obliczeniową — w czasie krótszym niż wykładniczy, co opisano w publicznym repozytorium. Repozytorium zaznacza jednak, że odkrycie pozostaje wyłącznie teoretyczne: „Wynik jest czysto asymptotyczny i nie mówi nic o rozwiązywaniu formuł w praktyce.”

Pojawiły się także pytania dotyczące samej pracy badawczej. TechCrunch poinformował, że matematyk Anthropic Levent Alpöge zakwestionował, w jakim stopniu prace OpenAI opierały się na istniejących badaniach.

Co eksperci mogą — a czego nie mogą — zweryfikować

OpenAI powołało zespół recenzujący, w którego skład weszli pionierzy ETH — Impagliazzo i Paturi — oraz profesor MIT Ryan Williams, i zobowiązało się wesprzeć konferencję oraz opublikować swoje wyniki dla dalszej weryfikacji.

Williams wcześniej krytykował falę dowodów generowanych przez AI, arguing że matematycy są przytłoczeni ilością pracy wymagającej recenzji. Najnowsze odkrycia OpenAI jednak go zaintrygowały. W rozmowie z TechCrunch zauważył, że choć niektóre części dowodu wydawały się znajome, inne wyróżniały się na tle: „są dwie lub trzy obce wyglądające części”.

Tu właśnie kluczowa staje się ludzka ekspertyza. Lean może potwierdzić, że formalny dowód jest logicznie poprawny, ale badacze wciąż muszą zrozumieć niezwykłe rozumowanie i ocenić, czy może ono prowadzić do praktycznych algorytmów. Konferencja, którą OpenAI zobowiązało się wesprzeć, oraz publikowane po niej wyniki są kolejnym punktem kontroli — momentem, w którym „obce wyglądające części” albo przekonają środowisko, albo nie.

To nie jest P versus NP i nie złamany szyfr

Obalenie ETH nie rozstrzygnęłoby problemu P versus NP — oddzielnego, liczącego dziesięciolecia pytania, czy każdy problem, którego odpowiedzi można szybko zweryfikować, można też szybko rozwiązać — ani nie ujawniłoby słabości istniejącego szyfrowania. Mimo to posiadacze kryptowalut mają powody do uwagi. Cryptopolitan previously informował o ostrzeżeniu badacza Ethereum Justina Drake'a, że matematyka generowana przez AI — w tym oddzielna publikacja OpenAI licząca 722 manuskrypty — może ostatecznie zagrozić podpisom cyfrowym. Na razie pozostaje to ostrzeżeniem, a nie udokumentowanym złamaniem zabezpieczeń.

W lipcu Claude Mythos Preview firmy Anthropic udoskonalili atak na HAWK, kandydata na postkwantowy podpis cyfrowy, po 60 godzinach badań. Żaden wdrożony system nie ucierpiał.

Wyścig badań AI bez mety

Raport State of AI 2026 opisuje rosnący wyścig między Anthropic, OpenAI i Google. Wewnętrzne pomiary Anthropic pokazują, że w sierpniu Claude wykonywał 26% śledzonych prac badawczo-rozwojowych nad modelami, w porównaniu z mniej niż 1% w lutym. Tymczasem brytyjski AI Security Institute informuje, że czas trwania niektórych zadań cyberbezpieczeństwa, które AI może wykonać, podwaja się mniej więcej co osiem miesięcy. Konkurujące ze sobą ogłoszenia dotyczące ETH wpisują się w ten krajobraz, w którym wyniki badań wspomaganych przez AI są coraz częściej traktowane jako miara postępu na froncie technologii.

AI pomaga badaczom dokonywać odkryć szybciej, ale przełom matematyczny nie przekłada się automatycznie na lepsze oprogramowanie. Nawet jeśli ETH zostanie obalona, praktyczne algorytmy mogą powstać dopiero za lata — a badacze wciąż mają przed sobą dużo pracy.