Auteur : OpenAI
Compilé par Jia Huan, ChainCatcher
Le 26 octobre, OpenAI a publié trois résultats de recherche générés par des modèles internes, portant respectivement sur l'informatique, la physique et les mathématiques.
Ces résultats abordent des questions fondamentales sur lesquelles les disciplines concernées ont longtemps travaillé. OpenAI désigne les documents générés par le modèle comme des « données de recherche originales » et invite la communauté académique à les valider, les interpréter et à mener des recherches ultérieures.
Informatique : ETH renversé ?
OpenAI a déclaré que son système a prouvé que l'hypothèse de temps exponentiel (Exponential Time Hypothesis, ETH) est invalide, un résultat ensuite vérifié dans Lean.
Ici, ETH fait référence à l'hypothèse de temps exponentiel en informatique, et non à Ethereum.
ETH (hypothèse de temps d'indice) est une « conjecture pessimiste » en informatique : pour une classe de problèmes logiques, quel que soit l'amélioration de l'algorithme, le temps dans le pire des cas augmentera de manière exponentielle avec la taille du problème, sans véritable raccourci.
Ainsi, le renversement de l'ETH a rouvert la question de la vitesse à laquelle ces tâches peuvent encore être accélérées et pourrait également orienter la recherche vers de meilleurs algorithmes. OpenAI a également souligné qu'un grand nombre d'études ultérieures sont nécessaires pour trouver de tels algorithmes et traduire les progrès théoriques en améliorations concrètes.
Pour les lecteurs de la crypto, la question plus directe est : cela affecte-t-il les systèmes cryptographiques existants ? La sécurité de nombreux schémas cryptographiques repose sur la difficulté de résoudre certains problèmes de calcul spécifiques. Le professeur Ryan Williams du MIT a demandé à OpenAI d'évaluer les implications potentielles. Selon son compte rendu, OpenAI a effectué cette vérification et est relativement confiante pour affirmer que ce résultat ne signifie pas que les systèmes cryptographiques actuels ont été compromis.
Physique : Renforcer les fondations de la théorie quantique des champs
Les physiciens décrivent le monde des particules à l'aide de la théorie quantique des champs, avec une prédiction extrêmement précise, mais ses fondements mathématiques ne sont pas rigoureux.
OpenAI affirme que le modèle fournit une preuve rigoureuse d'« existence » pour la théorie de Yang–Mills pure, la chromodynamique quantique (QCD, qui décrit la force forte entre quarks et gluons) ainsi qu'une théorie de grande unification incluant les champs de jauge du modèle standard. En termes simples, il s'agit de fournir une base mathématique à une théorie utilisée depuis plusieurs décennies.
Actuellement, seule la partie Yang–Mills a été vérifiée par Lean ; la partie QCD n'est pas mentionnée dans l'annonce. La preuve originale générée par l'IA n'est pas encore rendue publique ; un groupe dirigé par le prix Nobel David Gross l'étudie en premier et rédige lui-même l'article, de sorte que le public ne peut pas encore la vérifier.
Mathématiques : concentration d'ondes et problème de l'aiguille
OpenAI affirme que ses modèles ont prouvé la conjecture de régularité locale dans toutes les dimensions, résolvant ainsi la conjecture de Kakeya et la conjecture de Stein restriction dans toutes les dimensions.
La conjecture de régularité locale a été formulée par Sogge en 1991 et étudie le comportement des ondes lorsqu'elles se concentrent. On peut faire une analogie intuitive avec les vagues d'eau : plusieurs ondulations se propagent vers un même endroit et, à un moment donné, peuvent s'additionner pour former une crête très élevée. Mais l'intensité de cet instant ne reflète pas directement la performance moyenne sur toute la période.
La conjecture de la régularité locale exige des estimations mathématiques précises pour décrire la relation entre cette performance extrême instantanée et la moyenne temporelle. Étant donné que ce phénomène revêt une signification fondamentale, sa démonstration aura également un impact sur d'autres problèmes mathématiques, notamment la conjecture de Kakeya et la conjecture de restriction de Stein.
La conjecture de Kakeya peut être comprise à partir du problème de « lâcher des aiguilles » : imaginez placer de nombreuses aiguilles de même longueur et sans épaisseur dans l'espace, de sorte qu'il y ait au moins une aiguille dans chaque direction. Ces aiguilles peuvent être déplacées et se chevaucher. Quelle est la taille minimale que peut avoir l'ensemble ainsi formé ?
La clé pour mesurer la « taille » ici est la dimension mathématique. Dans un espace tridimensionnel, la conjecture de Kakeya affirme que de tels ensembles doivent posséder une dimension complète en trois dimensions ; dans des espaces de dimension supérieure, ils doivent également posséder la dimension complète correspondante. La dimension et le volume sont des concepts différents, il ne faut donc pas comprendre simplement que ces aiguilles occupent au moins un certain nombre de mètres cubes.
Précédemment, la régularité locale bidimensionnelle (2019) et la conjecture de Kakeya tridimensionnelle (2025, Wang et Zahl) avaient été respectivement démontrées. Le résultat annoncé par OpenAI étend la démonstration de la conjecture de régularité locale à toutes les dimensions, permettant ainsi d'établir les conclusions associées dans toutes les dimensions.
Concernant ces résultats, OpenAI a déclaré qu'elle ne revendique pas de mérite académique pour les découvertes générées par ses modèles internes ; les contributions des chercheurs à la compréhension des résultats, à la rédaction des articles et à la création des supports doivent être reconnues.
L'entreprise a également mentionné qu'elle avait précédemment annoncé un don de 5 millions de dollars à la Fondation Simons. Ces fonds sont gérés et distribués par la fondation pour des ateliers, des conférences académiques et des programmes spécifiques visant à aider les chercheurs à comprendre les résultats générés par l'IA et à mener des recherches sur cette base.
