អត្ថបទនេះបកប្រែពីភាសាអង់គ្លេសដោយ AI។ អានអត្ថបទដើមជាភាសាអង់គ្លេស →
ពន្យល់ពី Exponential Time Hypothesis៖ តើ OpenAI និង Claude បំបែកការភ្នាល់គណិតវិទ្យាកាលពីឆ្នាំ 1999 បានមែនទេ?
ទាំង OpenAI និង Claude របស់ Anthropic សុទ្ធតែអះអាងថាទ្រឹស្តី Exponential Time Hypothesis មិនពិតនោះទេ។ ស្វែងយល់ថាអ្វីទៅជា 3-SAT របៀបដែលក្បួនដោះស្រាយនេះរាប់ និងមូលហេតុដែលវាមិនទាន់មានការបញ្ជាក់ទទួលស្គាល់នៅឡើយ។
អស់រយៈពេល 27 ឆ្នាំមកហើយ វិស័យវិទ្យាសាស្ត្រកុំព្យូទ័រមួយផ្នែកធំបានពឹងផ្អែកលើការសន្មតមួយដែលគេបានលើកឡើងកាលពីឆ្នាំ 1999។ ស្រាប់តែនៅខែតុលា ឆ្នាំ 2026 ម៉ូដែល AI ពីរបានអះអាងថាខ្លួនអាចបំបែកវាបាន ដោយការប្រកាសនោះកើតឡើងខុសគ្នាតែប៉ុន្មានម៉ោងប៉ុណ្ណោះ។
ឯកសារស្រាវជ្រាវទាំងពីរសុទ្ធតែមិនទាន់ឆ្លងកាត់ការត្រួតពិនិត្យពីអ្នកជំនាញ (peer review) នៅឡើយទេ។ អត្ថបទនេះនឹងពន្យល់ពីការអះអាងនេះ ព្រមទាំងអ្វីដែលអាចផ្លាស់ប្តូរ និងអ្វីដែលមិនផ្លាស់ប្តូរទាល់តែសោះ។ ក្នុងអត្ថបទនេះ ពាក្យកាត់ ETH សំដៅលើ Exponential Time Hypothesis មិនមែនរូបិយប័ណ្ណគ្រីបតូ Ethereum នោះឡើយ។
▶ WATCH ON YOUTUBEWatch the video
▶ WATCH ON YOUTUBEវីដេអូពេញ៖
អ្វីទៅជា 3-SAT
ស្រមៃថាអ្នកមានកុងតាក់បិទបើកមួយជួរ និងបញ្ជីវិធានមួយចំនួន។ វិធាននីមួយៗកំណត់លើកុងតាក់បី ហើយចែងថាយ៉ាងហោចណាស់កុងតាក់មួយក្នុងចំណោមនោះត្រូវតែបើក ឬបិទតាមលក្ខខណ្ឌជាក់លាក់។ គោលដៅគឺត្រូវស្វែងរកការកំណត់មួយដែលត្រូវតាមគ្រប់វិធានទាំងអស់។
- ការផ្ទៀងផ្ទាត់ចម្លើយគឺជារឿងងាយស្រួល។
- ការស្វែងរកចម្លើយទើបជារឿងពិបាក។
វិធីសាមញ្ញបំផុតគឺត្រូវសាកល្បងគ្រប់ជម្រើសទាំងអស់ ហើយរាល់ពេលថែមកុងតាក់ថ្មីមួយ ការងារនឹងកើនឡើងទ្វេដង។ បើមានកុងតាក់ n នោះចំនួនសាកល្បងគឺ 2^n។ បច្ចេកទេសវៃឆ្លាតជាច្រើនទសវត្សរ៍កន្លងមកនេះ បានជួយកាត់បន្ថយមកត្រឹមប្រហែល 1.3^n។ វាប្រសើរជាងមុនពិតមែន ប៉ុន្តែទំហំនៃការកើនឡើងនៅតែផ្ទុះឡើងលឿនដដែល។
ការភ្នាល់កាលពីឆ្នាំ 1999
លោក Russell Impagliazzo និង Ramamohan Paturi បានសរសេរការភ្នាល់មួយជាលាយលក្ខណ៍អក្សរថា៖ គ្មានបច្ចេកទេសណាអាចដោះស្រាយ 3-SAT បានលឿនជាងកម្រិត exponential time នោះឡើយ។ នេះហើយជាទ្រឹស្តី Exponential Time Hypothesis។
វាជាការអះអាងដ៏ធំជាង P vs NP ទៅទៀត ហើយគេនៅតែយកវាទៅប្រើ ព្រោះវាមានប្រយោជន៍ខ្លាំង។ ប្រសិនបើសន្មតថាវាពិត អ្នកអាចកំណត់កម្រិតល្បឿនដោះស្រាយបញ្ហាជាច្រើនទៀតបាន ដូចជា clique, vertex cover និង graph colouring។ ការស្រាវជ្រាវឯកសាររបស់ Anthropic បានរកឃើញឯកសារជាង 800 ច្បាប់ ដែលលទ្ធផលត្រូវបានបង្ហាញឡើងដោយផ្អែកលើការសន្មតនេះ ឬទ្រឹស្តីដែលទាក់ទងនឹងវា។
ការអះអាង
| OpenAI | Anthropic | |
|---|---|---|
| ឯកសារស្រាវជ្រាវ | 67 ទំព័រ ចំណងជើងថា "The Exponential Time Hypothesis is False" | 49 ទំព័រ ផ្តល់ក្រេឌីតឱ្យ Claude |
| វិធីសាស្ត្រ | ប៉ារ៉ាម៉ែត្របន្ថែម និង Hermite interpolation | Tensor networks |
| កាលបរិច្ឆេទដែលម៉ូដែលរកឃើញគំនិត | ថ្ងៃទី 16 ខែតុលា ឆ្នាំ 2026 | ថ្ងៃទី 16 ខែតុលា ឆ្នាំ 2026 |
Anthropic និយាយថា ម៉ូដែលរបស់ខ្លួនបានប្រើតូខឹនបញ្ចេញ 14 លាន ដោយគ្មានការជួយពីមនុស្សទាល់តែសោះ ដើម្បីរកឃើញក្បួនដោះស្រាយស្នូលនេះ។
ឯកសារទាំងពីររាប់ដំណោះស្រាយ 3-SAT ក្នុងថិរវេលាប្រហែល 2^(n / √log n)។ ខ្សែកោងនោះនៅតែកើនឡើង ប៉ុន្តែចុងក្រោយវានឹងធ្លាក់មកទាបជាងកម្រិត exponential ពិតប្រាកដជានិច្ច។ ប្រសិនបើការរកឃើញនេះត្រឹមត្រូវ ទ្រឹស្តីនេះនឹងក្លាយជាមិនពិត ហើយទ្រឹស្តីទម្រង់ខ្លាំងជាងនេះ (SETH) ក៏មិនពិតដូចគ្នាដែរ។
មិនមែនអ្វីៗទាំងអស់សុទ្ធតែរលំដួលនោះទេ។ Anthropic បញ្ជាក់ថា ទ្រឹស្តី Orthogonal Vectors នៅតែរឹងមាំដដែល ហើយលទ្ធផលជាច្រើនទៀតក៏ពឹងផ្អែកលើទ្រឹស្តីនោះដែរ។
របៀបដែលក្បួនដោះស្រាយដំណើរការ
កម្មវិធីដោះស្រាយធម្មតាប្រើវិធីស្វែងរក៖ ពួកវាបិទបើកកុងតាក់ម្តងមួយៗរហូតដល់ត្រូវ។ ប៉ុន្តែក្បួនដោះស្រាយទាំងនេះមិនស្វែងរកបែបនោះឡើយ។ ពួកវារាប់ចំនួននៃការកំណត់ណាដែលដំណើរការត្រូវ។
- ការរាប់នេះអាចសរសេរជាផលបូកដ៏ធំមួយ។
- ដោយសារវិធាននានាប្រើកុងតាក់រួមគ្នា ផលបូកនេះមិនអាចបំបែកជាផ្នែកតូចៗបានឡើយ។
- វិធីសាស្ត្ររបស់ OpenAI កែសម្រួលរូបមន្តដោយបន្ថែមប៉ារ៉ាម៉ែត្រមួយ រហូតដល់ផ្នែកទាំងឡាយអាចបំបែកចេញពីគ្នាបាន។
- វារាប់ផ្នែកនីមួយៗដាច់ដោយឡែកពីគ្នា រួចគុណលទ្ធផលបញ្ចូលគ្នា សម្រាប់តម្លៃខុសៗគ្នានៃប៉ារ៉ាម៉ែត្រនោះ។
- Hermite interpolation ដែលជាបច្ចេកទេសបុរាណមួយ ជួយទាញយកចំនួនរាប់នៃរូបមន្តដើមមកវិញ។
- ប្រសិនបើចំនួនរាប់មិនមែនសូន្យទេ មានន័យថាដំណោះស្រាយពិតជាមាន។
អ្វីដែលមិនមានការផ្លាស់ប្តូរ
គ្មានអ្វីនៅលើកុំព្យូទ័ររបស់អ្នកដើរលឿនជាងមុននោះឡើយ។
- បើមានប្រាំវិធានសម្រាប់កុងតាក់នីមួយៗ កម្រិតព្រំដែនរបស់ Anthropic អាចយកឈ្នះវិធី brute force លុះត្រាតែ
nកើនលើស 10^10,000។ តាមពិតទៅ វិធី brute force អស់សង្ឃឹមទៅហើយត្រឹមកុងតាក់ 100។ - បញ្ហា P vs NP នៅតែមិនទាន់ដោះស្រាយចេញដដែល។ ការបង្កើនល្បឿនបែបនេះ មិនអាចយកទៅប្រើចំពោះគ្រប់បញ្ហា NP ទាំងអស់បានឡើយ។
- វាក៏មិនមែនជាហេតុផលដែលអ្នកត្រូវលក់ Bitcoin របស់អ្នកចោលដែរ។ គ្មានរឿងណាទាំងអស់នេះធ្វើឱ្យអ្វីៗដើរលឿនជាងមុននៅថ្ងៃនេះនោះទេ។
លោក Scott Aaronson ដែលជាអ្នកទ្រឹស្តី complexity ដ៏ល្បីល្បាញមួយរូប បានដំឡើងការរំពឹងទុកផ្ទាល់ខ្លួនរបស់គាត់លើ P = NP ពី 3% ទៅ 5%។
មិនទាន់មាននរណាបញ្ជាក់ទទួលស្គាល់នៅឡើយ
- មន្ទីរពិសោធន៍ទាំងពីរបានផ្ទៀងផ្ទាត់ការស្រាយបំភ្លឺរបស់ខ្លួននៅក្នុង Lean ដែលជាកម្មវិធីជំនួយការផ្ទៀងផ្ទាត់ទ្រឹស្តី (proof assistant)។ ប៉ុន្តែកំណត់សម្គាល់របស់ Anthropic ផ្ទាល់បានព្រមានថា គ្មានម៉ាស៊ីនណាអាចផ្ទៀងផ្ទាត់បានទេថាតើឯកសារ Lean ចែងដូចគ្នានឹងអ្វីដែលឯកសារស្រាវជ្រាវបានសរសេរឬអត់។
- កំណែ Lean របស់ OpenAI បង្ហាញពីកម្រិតព្រំដែនខ្សោយជាងបន្តិច ប៉ុន្តែនៅតែគ្រប់គ្រាន់ដើម្បីបំបែកទ្រឹស្តីនេះបាន។
- OpenAI បានស្នើឱ្យអ្នកជំនាញបីរូបពិនិត្យមើលវា រួមមាន Impagliazzo, Paturi និង Ryan Williams។ លិខិតចំហរបស់ពួកគេបញ្ជាក់ថា ការចូលរួមរបស់ពួកគេមិនត្រូវចាត់ទុកថាជាការបញ្ជាក់ទទួលស្គាល់ជាផ្លូវការនោះឡើយ។
- លិខិតនោះក៏បានចោទសួរផងដែរថាតើអ្នកណាគួរទទួលបានក្រេឌីតសម្រាប់ការត្រួតពិនិត្យ កែតម្រូវ និងពន្យល់ពីអ្វីដែល AI បានរកឃើញ។
- លោក Shiva Kintali បានបង្ហោះការស្រាយបំភ្លឺទម្រង់សាមញ្ញជាងមុនមួយ នៃការស្រាយបំភ្លឺរបស់ OpenAI។
ដូច្នេះ បុគ្គលពីរនាក់ដែលបានភ្នាល់កាលពីឆ្នាំ 1999 ពេលនេះកំពុងជួយពិនិត្យមើលថាតើម៉ាស៊ីនពិតជាអាចបំបែកការភ្នាល់របស់ពួកគេបានមែនឬអត់។
ស្ថានភាពបច្ចុប្បន្ន
| ការអះអាង | ស្ថានភាព |
|---|---|
| មន្ទីរពិសោធន៍ពីរបានចេញផ្សាយការស្រាយបំភ្លឺថា ETH មិនពិត | ពិត |
| ការស្រាយបំភ្លឺត្រូវបានរៀបចំជាទម្រង់ផ្លូវការក្នុង Lean | អះអាងដោយមន្ទីរពិសោធន៍ទាំងពីរ |
| ការស្រាយបំភ្លឺបានឆ្លងកាត់ការត្រួតពិនិត្យពីអ្នកជំនាញ (peer review) | ទេ |
| អ្នកជំនាញបានបញ្ជាក់ទទួលស្គាល់លទ្ធផល | ទេ |
| ការបង្កើនល្បឿនក្នុងការអនុវត្តជាក់ស្តែង | គ្មាន |
| បញ្ហា P vs NP ត្រូវបានដោះស្រាយ | ទេ |
ហេតុអ្វីបានជាអ្នកសរសេរកម្មវិធីគួរចាប់អារម្មណ៍រឿងនេះ
ទោះបីជាលទ្ធផលនេះត្រឹមត្រូវ ឬមិនត្រឹមត្រូវក៏ដោយ ចំណុចពិបាកបានផ្លាស់ប្តូរហើយ។ ការបង្កើតការស្រាយបំភ្លឺកម្រាស់ 67 ទំព័រ លែងជាបញ្ហារាំងស្ទះទៀតហើយ។ ការពិនិត្យផ្ទៀងផ្ទាត់ទៅវិញទេដែលពិបាក។ នេះជាការផ្លាស់ប្តូរដូចគ្នាទៅនឹងអ្វីដែល coding agents បាននាំមកកាន់ការបង្កើតកម្មវិធីដែរ ដែលពេលនេះការពិនិត្យកូដបានក្លាយជាជំហានដ៏យឺតយ៉ាវបំផុត។ សូមអាន ប្រតិកម្មចំពោះ Claude Code។
ប្រភព
- វីដេអូពេញ៖ https://youtu.be/qq_qX_WwpCQ
- OpenAI, math repository៖ https://github.com/openai/math/blob/main/history.md
- Anthropic, formal-math repository៖ https://github.com/anthropics/formal-math/tree/main/eth
- Shiva Kintali, ការស្រាយបំភ្លឺទម្រង់សាមញ្ញ (ឯកសារ PDF ត្រូវបានអ្នកនិពន្ធដកចេញវិញ)
- Scott Aaronson: https://scottaaronson.blog/?p=10239
- Wikipedia: https://en.wikipedia.org/wiki/Exponential_time_hypothesis
តើអ្នកទុកចិត្តការស្រាយបំភ្លឺដែលគ្មានមនុស្សណាជាអ្នករកឃើញដែរឬទេ?


