Pogłoska o nieopublikowanym wyniku OpenAI zmieniła harmonogram trzech badaczy MIT, zanim dowód AI można było przeczytać. Dor Minzer oraz doktoranci Yumou Fei i Shuo Wang usłyszeli 11 września o bliskim wyniku Unique Games. 14 września zamieścili surowy 95-stronicowy tekst o pokrewnym, lecz innym twierdzeniu. OpenAI ogłosił zbiór 6 października, w tym deklarowany dowód hipotezy.
Ludzki przełom nastąpił w kwietniu, a zespół wciąż przygotowywał wyjaśnienie. Oczekiwany wynik firmy uczynił pierwszeństwo pilniejszym niż ekspozycja. Twierdzenia się nie zastępują, a preprint nie zastępuje niezależnej oceny.
Dwa odrębne wyniki
Subhash Khot wprowadził Unique Games w 2002 r. Wierzchołki połączone krawędziami otrzymują etykiety. Każda krawędź narzuca permutację: etykieta jednego końca wyznacza dokładnie jedną dopuszczalną drugiego. To relacja jeden do jednego.
Hipoteza dotyczy trudności przybliżania. W uproszczeniu trudno odróżnić instancje spełniające niemal wszystkie warunki od tych spełniających mały ułamek. Nie twierdzi, że rozwiązania nie istnieją; mówi o ograniczeniach wydajnych algorytmów dla precyzyjnych rodzin wejść.
Optymalizacja używa przybliżeń, gdy optimum jest zbyt kosztowne. Unique Games wiąże wiele gwarancji z barierami trudności. Ramy Raghavendry z 2008 r. warunkowo dowodzą optymalności programowania półokreślonego dla szerokich klas: rozwiązania geometrycznego rozluźnienia i zaokrąglenia do dyskretnych wyborów.
Twierdzenie MIT dotyczy doskonałej zupełności, gdy wszystkie początkowe warunki są spełnialne. Gra 2-do-1 dopuszcza dla etykiety dwa zgodne wybory po drugiej stronie; 4-do-1 cztery. Jest słabsza od pierwotnego 2-do-1, ale osiąga dokładny przypadek nieobjęty bezpośrednio zwykłym Unique Games.
Wszystkie to nie prawie wszystkie
Minzer i współautorzy osiągnęli prawie doskonałą zupełność w 2018 r. Drobna luka nadal blokuje redukcje wymagające całkowicie spełnialnego początku. Dokładny kres nie jest kosmetyczny.
Fei i Wang zaczęli w 2025 r. Nowszy kod korekcyjny był obiecujący, lecz wielokrotnie nie pasował do reszty redukcji. Przełom kwietniowy połączył równania kwadratowe, środkową warstwę weryfikacji i wewnętrzny weryfikator z kodowaniem typu Grassmanna.
To techniki dowodów sprawdzalnych probabilistycznie: badają kilka losowych miejsc długiego dowodu. Redukcja musi zachować lukę między akceptacją a odrzuceniem. Liczy się współdziałanie warstw, nie sam kod.
Wynik oznacza m.in., że nawet przy obietnicy 3-kolorowalności znalezienie poprawnego kolorowania dowolną stałą liczbą kolorów pozostaje NP-trudne. Więcej kolorów nie gwarantuje wydajnej metody ogólnej. Dotyczy też zbiorów niezależnych niektórych hipergrafów, z krawędziami obejmującymi więcej niż dwa wierzchołki.
To inny wkład niż zwykła hipoteza OpenAI. Badacze chronili własną drogę i konsekwencje, nie duplikat.
Cena publikacji w trzy dni
Zespół mówił, że matematyka jest gotowa, lecz forma niepożądana. Preprint ECCC z 14 września miał 95 stron. Minzer opisał części po szóstej jako niemal bez słów łączących: definicje i pośrednie dowody bez zwykłej nawigacji.
Objaśnianie to infrastruktura nauki. Motywacje, przejścia i porównania umożliwiają audyt oraz ponowne użycie. Szybki znacznik czasu zostawiał ten obowiązek.
Nie znali argumentu, modelu, dokładnej deklaracji ani terminu firmy. Nie była to zwykła konkurencja podobnych ludzkich rytmów. Oczekiwany wynik maszyny zmieniał pracę przed oceną specjalistów.
Ilość stwarza drugi problem
OpenAI podał około 4000 prób problemów i 722 teksty obejmujące 377 pytań. Jeden zbiór miał 40 dowodów informatyki teoretycznej. Próby, teksty, pytania i dowody to różne jednostki, nie zamienne liczby rozwiązanych problemów.
Średni nakład odpowiadał około trzem godzinom rozumowania ChatGPT Pro na wynik. Nie jest kosztem Unique Games ani identycznym budżetem każdego dowodu. Według firmy około połowa była formalnie sprawdzona, reszta pozostawała planem formalizacji.
Tekst deklaruje jawną deterministyczną redukcję wielomianową z 3SAT do nieważonych instancji i artefakty Lean. Konsekwencje dla cięć, pokryć, porządku, usuwania, klastrowania i ograniczeń zależą też od wcześniejszych redukcji.
Nie była to zwykła recenzowana publikacja. OpenAI przyznał potrzebę lepszych cytowań i objaśnień oraz wsparcia rozumienia. Publiczny wynik może być dowodem bez zakończonej oceny wspólnoty.
Lean sprawdza formalne zdanie
Lean kontroluje wynikanie zapisanych kroków z zapisanych założeń. To silniejsze niż zapewnienie modelu, ale eksperci muszą porównać twierdzenie z hipotezą, importowane założenia i kod z tekstem.
Kolejność kwantyfikatorów i zależność alfabetu od parametrów błędu mają znaczenie. Zmieniona zależność może osłabić podobne zdanie. Zupełność, poprawność, jawność i czas wielomianowy muszą odpowiadać standardowej tezie.
Sprawdzony wywód nie wyjaśnia automatycznie idei, nowości, zasług ani konsensusu. Weryfikacja i rozumienie są różnymi etapami. Ludzki tekst również wymaga fachowej lektury i poprawy.
Odtwarzalność ma warstwy. Lean i zależności pozwalają ponowić sprawdzanie. Niepubliczny model, wybrane podsumowania i statystyki nie ujawniają wszystkich promptów, losowań i interwencji. Odtworzenie odkrycia to coś innego.
Teraz liczą się niezależne porównanie deklaracji OpenAI, lepszy tekst MIT i publikacje maszynowe możliwe do oceny. Zdarzenie zmieniło już terminy i pierwszeństwo. Trwały postęp wymaga zamiany sprawdzonych wyników w wyjaśnienia, które inni mogą badać, zmieniać i rozumieć.