OpenAI อ้างโมเดลภายในหักล้าง Exponential Time Hypothesis — นับคำตอบ k-SAT ได้ในเวลา subexponential พร้อม Lean, และอ้างพิสูจน์ local smoothing/Kakeya ทุกมิติกับการมีอยู่ของ Yang–Mills/QCD ด้วย แต่ยังไม่มีใครภายนอกยืนยัน

OpenAI เผยแพร่บทความ “Working with academic communities to build scientific understanding” เมื่อ 26 ต.ค. 2026 พร้อม commit ใหม่ในรีโป openai/math อ้างว่าโมเดลภายในค้นพบผลใหม่ 3 ชิ้นในคณิตศาสตร์ วิทยาการคอมพิวเตอร์ และฟิสิกส์ ชิ้นที่นักพัฒนาควรสนใจที่สุดคือ preprint ชื่อตรง ๆ ว่า “The Exponential Time Hypothesis is False” ซึ่งเสนออัลกอริทึมแก้ SAT ในเวลา subexponential ถ้าถูกต้อง ผลงานวิจัยหลายร้อยชิ้นที่พิสูจน์ความยากของปัญหาโดยตั้งอยู่บนสมมติฐาน ETH จะใช้อ้างอิงไม่ได้อีกต่อไป

ต้องย้ำตั้งแต่ต้นว่า ทั้งหมดนี้ยังเป็น claim ที่ยังไม่มีผู้เชี่ยวชาญภายนอกคนใดรับรอง และเมื่อ 7 ต.ค. OpenAI เพิ่งถอน preprint ไป 3 ฉบับเพราะ sign error ข่าวนี้ขึ้น Hacker News ทั้งตัวประกาศ (658 คะแนน) และตัว PDF (443 คะแนน) ในวันเดียว

ETH คืออะไร และ preprint นี้อ้างอะไร

Exponential Time Hypothesis เสนอโดย Impagliazzo, Paturi และ Zane ช่วงปลายทศวรรษ 1990 (ตีพิมพ์ใน journal ปี 2001) สมมติว่า 3-SAT บนตัวแปร n ตัวต้องใช้เวลา 2^Ω(n) ในกรณีเลวร้ายที่สุด หรือพูดง่าย ๆ คือไม่มีทางเร็วกว่าการไล่ลองแบบ exponential ได้มากนัก งานวิจัยด้าน fine-grained complexity, graph algorithms, ฐานข้อมูล และ computational biology ใช้ ETH เป็นฐานของผลแบบ “ปัญหานี้ทำเร็วกว่า X ไม่ได้ ถ้า ETH จริง”

Abstract ของ preprint (ลงวันที่ 17 ต.ค. แก้ไข 25 ต.ค. ยาว 67 หน้า) อ้างว่า:

• มี อัลกอริทึม deterministic ที่ “นับ” จำนวน assignment ที่ทำให้ k-CNF เป็นจริงได้แบบตรงตัว สำหรับทุก k ≥ 2 ซึ่งยากกว่าแค่ตอบว่า SAT หรือไม่
• ใช้เวลา (n+m)^O_k(1) · 2^O_k(n log log n / √log n) และใช้ หน่วยความจำแค่ polynomial ถ้าจำนวน clause m ≤ Dn เวลาจะลดเหลือ 2^O(n/√log n)
• เทคนิคหลักคือแปลง #k-SAT เป็นการนับ common zeros ของระบบสมการพหุนามแบบ sparse ผ่าน “shared linear summaries” และ low-degree replacement forms
• ผลพลอยได้คือ approximation ของ Max-k-SAT ในเวลา subexponential ซึ่ง corollary นี้อ้างอิง “Unique Games Theorem” จาก preprint อีกฉบับของ OpenAI เองที่ยังไม่มีใครตรวจเหมือนกัน

ส่วน Lean formalization (docs/378.md) พิสูจน์ bound ที่อ่อนกว่าในเปเปอร์เล็กน้อย คือ 2^O_k(n (log log n)² / √log n) บน deterministic machine ที่ใช้ tape แบบ polynomial และมีไฟล์ comparator challenge SubexponentialSAT.json ให้ใครก็รันตรวจได้ OpenAI บอกว่าโมเดลพบ natural-language proof เมื่อ 16 ต.ค. และ formalize ใน Lean เสร็จ 17 ต.ค.

อีกสองผลงาน: Kakeya ทุกมิติ และ Yang–Mills

• Local smoothing (Sogge, 1991) — โมเดลอ้างว่าพิสูจน์ได้ในทุกมิติผ่าน “auxiliary PDE” แบบใหม่ ซึ่งจะได้ Kakeya conjecture และ Stein restriction ในทุกมิติตามมาด้วย (ก่อนหน้านี้ Guth–Wang–Zhang ทำได้ในสองมิติเมื่อ 2019 และ Wang–Zahl ปิด Kakeya สามมิติเมื่อ 2025) ชิ้นนี้ปล่อยทั้ง PDF และ Lean แบบเดียวกับรอบ 6 ต.ค.
• การมีอยู่ของ QCD และ Standard Model ที่ unified แล้ว — อ้างว่าพิสูจน์แบบ rigorous ได้ว่า interacting QFT ที่มี gauge field และ fermion ใน 4 มิติมีอยู่จริง ซึ่งรวมถึง pure Yang–Mills (ส่วนหนึ่งของโจทย์ Millennium Prize) โดยต่อยอดแนวทางของ Balaban คณะของ David Gross (Nobel 2004) ร่วมกับ Douglas, Jaffe, Klebanov และ Nekrasov ขอ ไม่ปล่อยเอกสาร และจะเขียนเรียบเรียงเอง จึงยังไม่มีอะไรให้ตรวจเลย

กระบวนการปล่อยแบบใหม่: มี “shepherd” แต่ไม่ใช่การรับรอง

หลังจากรอบ 6 ต.ค. ที่ปล่อย 722 ฉบับรวดเดียวจนโดนวิจารณ์ รอบนี้ OpenAI ให้ผู้เชี่ยวชาญภายนอกเลือกวิธีปล่อยเอง: ฝั่ง ETH มี Russell Impagliazzo, Ramamohan Paturi (UC San Diego) และ Ryan Williams (MIT) เป็นผู้นำการตรวจ และขอให้เปิดข้อมูลดิบทั้งหมดทันที พร้อมให้ OpenAI จ่ายค่าจัด conference เพื่อทำความเข้าใจผลกระทบ หลักการที่ OpenAI ประกาศคือไม่มี NDA, ผู้ร่วมไม่ได้รับค่าตอบแทน, OpenAI ไม่ขอ academic credit และ ข้อสรุปของคณะเป็นของคณะเอง ไม่ใช่ของ OpenAI แปลว่าการที่มีชื่อผู้ตั้ง ETH อยู่ในประกาศ ยังไม่ได้แปลว่าพวกเขายืนยันว่าบทพิสูจน์ถูก

มุมมอง AI Curator

ถ้าผล ETH ถูกจริง นี่คือผลทางทฤษฎีที่ใหญ่ที่สุดของ complexity theory ในรอบหลายสิบปี แต่ ไม่ได้แปลว่า P = NP และไม่ได้ทำให้ SAT solver ในงานจริงเร็วขึ้นพรุ่งนี้ bound 2^O(n/√log n) ยังเป็น exponential ที่ค่อย ๆ หดลง ตัวอย่างเช่นที่ n = 10,000 ค่า √ln n ประมาณ 3 เท่านั้น และค่าคงที่ใน O_k(·) ยังไม่มีใครวัด ในขณะที่ CDCL solver อย่าง Kissat/CaDiCaL ที่ใช้ในงาน verification, scheduling หรือ package resolver แก้ instance จริงที่มีตัวแปรเป็นล้านได้อยู่แล้วด้วย heuristic สิ่งที่จะเปลี่ยนจริงคือ “แผนที่” ของงานวิจัย: lower bound แบบมีเงื่อนไขที่อ้าง ETH ต้องถูกทบทวนใหม่ทั้งหมด และ cryptography แบบ fine-grained บางสายที่ผูกกับ ETH/SETH ต้องคำนวณพารามิเตอร์ใหม่ ส่วนการเข้ารหัสที่ใช้กันทั่วไปอย่าง RSA หรือ AES ไม่ได้พึ่ง ETH โดยตรง

ส่วนเรื่องความน่าเชื่อถือ Lean ช่วยได้มากแต่ไม่ได้ปิดทุกช่อง เราเคยเห็นแล้วในเคส Navier–Stokes ที่ Lean statement ไม่ตรงกับเปเปอร์ คำถามที่ต้องตอบคือ statement ใน SubexponentialSAT.lean นิยาม “เครื่อง”, “การเข้ารหัส k-CNF” และ “เวลา” ตรงกับความหมายมาตรฐานของ ETH หรือไม่ ข้อดีคือคราวนี้ statement สั้นและตรวจได้ง่ายกว่าเรื่อง PDE มาก และคนที่ตั้งสมมติฐานเองเป็นผู้ตรวจ ถ้าเปเปอร์มีข้อผิดพลาด น่าจะเห็นภายในไม่กี่สัปดาห์ สำหรับนักวิจัยและนักศึกษา CS ในไทย นี่เป็นโอกาสที่ดีที่จะได้อ่านผลงานระดับนี้ตั้งแต่ยังไม่มีข้อสรุป: clone รีโป, รัน comparator, อ่าน Section 3–6 แล้วเทียบกับ statement ใน Lean ด้วยตัวเอง เพราะประกาศเปิดรับให้ชุมชนช่วยตรวจอยู่แล้ว เราจะติดตามต่อเมื่อคณะ Impagliazzo–Paturi–Williams หรือผู้เชี่ยวชาญคนอื่นมีข้อสรุป

แหล่งข่าว

• OpenAI — Working with academic communities to build scientific understanding (26 ต.ค. 2026)
• GitHub openai/math — history.md (รายการอัปเดต 26 ต.ค. 2026)
• Preprint — The Exponential Time Hypothesis is False (PDF)
• ขอบเขต Lean formalization ของผล ETH (docs/378.md)