Giả thuyết ETH bị phản bác bởi AI: Bước ngoặt gây chấn động giới khoa học máy tính

OpenAI vừa công bố lời giải cho ba bài toán lớn từng khiến giới nghiên cứu đau đầu trong nhiều thập kỷ. Trong đó, gây sốc nhất là tuyên bố phản bác Giả thuyết Thời gian Hàm mũ (ETH) – một giả định bền vững của khoa học máy tính về cách chúng ta hiểu điều gì là khó tính toán. Chỉ vài giờ sau đó, Anthropic cũng công bố kết quả phản bác ETH của riêng mình.

ETH là gì và tại sao nó quan trọng?

ETH thuộc nhóm vấn đề rộng lớn hơn mang tên P vs NP, câu hỏi đã thôi thúc khoa học máy tính suốt nhiều thập kỷ. Hiểu một cách đơn giản, giới nghiên cứu đang cố gắng xác định liệu mọi bài toán có lời giải dễ kiểm chứng (NP) có đồng thời dễ giải (P) hay không.

Ví dụ dễ hiểu là trò Sudoku: khi đã có lời giải, bạn kiểm tra rất nhanh, nhưng để tìm ra lời giải thì rất tốn thời gian. Cơ chế này cũng là nền tảng của các hệ thống mật mã – khi bạn có khóa, bạn mở được thông điệp, nhưng việc bẻ khóa thực sự mất quá nhiều thời gian để có ích.

"P = NP nghĩa là không chỉ kiểm chứng được lời giải Sudoku khi nó tồn tại, mà còn có thể tạo ra chúng ngay lập tức. Điều này nghe có vẻ quá tốt để là sự thật", Giáo sư Ryan Williams của MIT giải thích.

Đó là lý do hầu hết nhà khoa học tin rằng P ≠ NP. ETH cung cấp bằng chứng cho điều đó: nó khẳng định rằng ngay cả thuật toán nhanh nhất cũng cần thời gian tăng theo cấp số nhân khi số biến tăng lên trong một lớp bài toán logic hóc búa.

Tuyên bố gây chấn động từ các phòng lab AI

OpenAI và Anthropic cho rằng mô hình của họ đã tìm ra thuật toán giải các bài toán này trong thời gian "dưới hàm mũ" (sub-exponential) – tức nhanh hơn mức tưởng là có thể. Nếu đúng, họ có thể đã chứng minh ETH sai và mở ra con đường cho các thuật toán hướng tới P = NP.

Cách OpenAI công bố kết quả lần này có phần khác biệt: giới toán học nhận được công trình trên GitHub, các nhà khoa học máy tính lập nhóm công tác và yêu cầu OpenAI tài trợ một hội nghị để thảo luận, còn giới vật lý lập nhóm riêng để quyết định cách công bố.

Giáo sư Williams – người từng chỉ trích cách OpenAI tung bằng chứng hồi tháng 10 là "tấn công DDOS vào giới toán học" – vẫn đồng ý hợp tác để dẫn dắt phản hồi của ngành.

"Một số phần trong chứng minh của OpenAI có thể gọi là thường quy, nhưng có hai hoặc ba phần trông rất 'ngoài hành tinh', và chính những phần đó khiến tôi nghĩ rằng đây là thứ cả cộng đồng cần cùng nhau nghiên cứu", ông chia sẻ với TechCrunch.

An ninh mật mã: Câu hỏi cấp bách đầu tiên

Trước khi bàn đến các lo ngại khoa học, câu hỏi về an ninh mạng được đặt lên hàng đầu. Một thuật toán tốt hơn có thể đồng nghĩa với việc các hệ thống mật mã dựa trên một số kích thước khóa nhất định bị coi là đã bị phá vỡ.

Williams cho biết ông đã hỏi trưởng khoa học của OpenAI, Dan Roberts, liệu họ đã kiểm tra tác động lên các hệ thống mật mã chưa. Theo ông, nhóm OpenAI đã kiểm tra và tin rằng kết quả này không ngụ ý bất kỳ lỗ hổng mật mã nào ở thời điểm hiện tại.

Bài toán dài hạn cho cộng đồng khoa học

Do ETH đã tồn tại lâu bền, nó xuất hiện trong nhiều bài báo khoa học suốt thập kỷ qua. Nếu tuyên bố của các lab AI đứng vững, những công trình này sẽ cần được xem xét lại.

"Đây là một phần lý do tôi thúc đẩy OpenAI hỗ trợ một hội nghị. Nó sẽ ảnh hưởng đến công việc của nhiều nhà nghiên cứu, và chúng ta cần hiểu nền tảng trước đây nên được điều chỉnh thế nào", Williams nói.

Bản thân ông cũng thận trọng: "Mọi nhà khoa học máy tính có lẽ nên đặt thêm một chút trọng lượng vào khả năng P = NP, nhưng mức độ tùy người. Tôi cũng nghĩ đây có lẽ chưa phải câu trả lời cuối cùng. Tôi không nghĩ thuật toán của OpenAI có thể là thuật toán tốt nhất có thể có."

Góc nhìn cho độc giả Việt Nam

Với cộng đồng công nghệ và an ninh mạng Việt Nam, diễn biến này là lời nhắc nhở rằng các hệ thống mật mã đang dùng trong ngân hàng, thanh toán số và hạ tầng dữ liệu cần được đánh giá lại định kỳ trước những tiến bộ thuật toán – dù lần này chưa có rủi ro tức thời.

Dù còn nhiều tranh cãi, Williams vẫn lạc quan: AI đang "buộc mọi người phải tham vọng hơn với công việc mình làm, và suy nghĩ sâu hơn: nếu mọi thứ tôi từng làm giờ đều là 'quả ngọt tầm thấp' với AI, thì tôi nâng chuẩn câu hỏi khoa học của mình lên thế nào?"