OpenAI की AI मॉडलों ने एक्सपोनेंशियल टाइम हाइपोथीसिस को गलत साबित किया

OpenAI ने अपने आंतरिक फ्रंटियर मॉडलों से उत्पन्न तीन महत्वपूर्ण वैज्ञानिक सफलताओं का अनावरण किया, जो सैद्धांतिक कंप्यूटर विज्ञान और गणित के लिए एक संभावित रूपांतरकारी क्षण है। सबसे चर्चित परिणाम एक्सपोनेंशियल टाइम हाइपोथीसिस (ETH) का खंडन है - यह एक लंबे समय से चली आ रही परिकल्पना है कि कुछ बूलियन संतुष्टता (satisfiability) समस्याओं को कितनी तेज़ी से हल किया जा सकता है - यह समस्या प्रसिद्ध P versus NP प्रश्न से गहराई से जुड़ी हुई है।

ETH दशकों से कम्प्यूटेशनल जटिलता सिद्धांत का आधार रहा है, और सैकड़ों सहकर्मी-समीक्षित शोधपत्रों में प्रकट होता है जहां शोधकर्ताओं ने इसका उपयोग ग्राफ थ्योरी, कम्प्यूटेशनल बायोलॉजी, डेटाबेस और कम्प्यूटेशनल ज्योमेट्री में सशर्त कठोरता (conditional hardness) परिणाम प्राप्त करने के लिए किया। OpenAI के सिस्टम ने 16 अक्टूबर, 2026 को एक प्राकृतिक-भाषा खंडन तैयार किया, जिसे फिर 17 अक्टूबर को Lean प्रमाण सहायक (proof assistant) में औपचारिक रूप से सत्यापित किया गया। कंपनी का दावा है कि उसने उन समस्याओं के लिए एक सबएक्सपोनेंशियल-टाइम एल्गोरिदम खोजा है जिन्हें पहले एक्सपोनेंशियल समय की आवश्यकता माना जाता था - यह परिणाम, यदि सत्यापित हो जाए, तो कम्प्यूटेशनल सीमाओं के बारे में मान्यताओं को मौलिक रूप से बदल देगा।

ETH परिणाम के साथ-साथ, OpenAI ने दो पूरक खोजों की घोषणा की: हर आयाम में तरंग समीकरण के लिए लोकल स्मूदिंग कंजेक्चर का प्रमाण (जो एक साथ ककेया और स्टीन रिस्ट्रिक्शन कंजेक्चरों को भी हल करता है), और यांग–मिल्स सिद्धांत को शामिल करते हुए क्वांटम क्रोमोडायनामिक्स के लिए एक गणितीय रूप से कठोर अस्तित्व-प्रमाण। कंपनी ने AI द्वारा लिखित प्रमाणों और Lean औपचारिकीकरणों को एक सार्वजनिक GitHub रिपॉजिटरी में प्रकाशित किया, और पांडुलिपियों को कच्चा शोध डेटा बताया।

महत्वपूर्ण बात यह है कि इनमें से कोई भी परिणाम अभी तक स्वतंत्र विशेषज्ञ सत्यापन से नहीं गुज़रा है। OpenAI ने पारदर्शिता के प्रति अपनी प्रतिबद्धता पर ज़ोर दिया और बाहरी विशेषज्ञों के समूहों को व्यवस्थित किया ताकि वे प्रत्येक परिणाम की जांच करें और उसे व्यापक शोध समुदाय के सामने समझाएं। कंपनी ने नोट किया कि ETH का खंडन "इस बारे में प्रश्नों को फिर से खोलता है कि ये कार्य कितने अधिक तेज़ हो सकते हैं," लेकिन ऐसी सैद्धांतिक उन्नतियों को व्यावहारिक एल्गोरिदमिक सुधारों में बदलने के लिए "काफी अतिरिक्त शोध की आवश्यकता होगी।" यह घोषणा वास्तविक वैज्ञानिक महत्वाकांक्षा के साथ उल्लेखनीय सतर्कता को जोड़ती है - OpenAI स्पष्ट रूप से निर्णायक प्रमाण का दावा करने के बजाय जांच-पड़ताल को आमंत्रित कर रहा है।