Başlığın arkasındaki problem
Matt Wolfe, haftalık videosunun sonunda OpenAI’ın şirket içi bir modelle Üstel Zaman Hipotezi’ni, yani ETH’yi çürüttüğünü söylediğini aktarıyor. Bu varsayım, bazı mantık problemlerinin ne kadar zor olduğunu ele alır: doğru-yanlış seçimlerinin bütün kuralları aynı anda sağlayan bir düzeni var mı?
Wolfe bunu ışık anahtarlarıyla anlatıyor. On anahtarın 1.024, yani yaklaşık bin; otuz anahtarın bir milyardan fazla düzeni vardır. Eklenen her anahtar olasılıkları ikiye katlar. Benzetme hızlı büyümeyi gösterir; ETH’nin tam matematiksel tanımı yerine geçmez.
Araştırmacılar bu varsayımı neden önemsiyor?
Videoda ETH, yaklaşık 25 yıllık ve yüzlerce çalışmada kullanılan bir varsayım olarak anlatılıyor. Araştırmacılar bununla koşullu sonuçlar çıkarır: varsayım doğruysa, belirli bir problem belirtilen süre sınırı içinde çözülemez.
Bir çürütme, bu koşullu çıkarımların gerçek hesaplama sınırları hakkında ne söylediğini değiştirir. Önceki bütün teoremleri veya makaleleri otomatik olarak anlamsız yapmaz. Özellikle “ETH doğruysa X” ifadesi ile X’in koşulsuz doğru olduğunu söylemek farklıdır.
Lean neyi kontrol eder?
Wolfe, kanıtın Lean ile doğrulandığını söylüyor. Lean, kesin tanımlar ve kurallar kullanarak matematiksel adımları denetleyen bir kanıt sistemidir. Matematiğin yazım denetleyicisine benzetmesi, düşünceyi kolaylaştırmak içindir.
Biçimsel doğrulama ile bilimsel olarak anlama birbiriyle bağlantılı ama farklı işlerdir. Tam olarak hangi önerme, tanım ve varsayımların kullanıldığını; bunların hedef problemle ilişkisini bilmek gerekir. Kontrol edilmiş bir dosya, uzmanların sonucun kapsamını açıklamasının yerini tutmaz.
Resmî duyuru ne söylüyor?
OpenAI, doğal dille yazılmış çürütme için 16 Ekim 2026’yı, Lean biçimine aktarımı için 17 Ekim’i bildiriyor. Açıklamada kamuya açılan belgeler ve Russell Impagliazzo, Ramamohan Paturi ile Ryan Williams’ın yönettiği bağımsız çalışma grubu anlatılıyor.
Grubun işi sonucu incelemek ve açıklamak. Bu yazı, 1 Kasım 2026’da duyuruyu kontrol etti; kanıtı yeniden çalıştırmadı ve matematiğini bağımsız doğrulamadı. Şirket belgeleri, hemen kurulacak hız güncellemesi değil, bilim topluluğunun anlamlandıracağı araştırma çıktısı olarak sunuyor.
Teori ile kullanılabilir algoritma farklı aşamalardır
Wolfe, gelişmeyi yapay zekânın bilinen sınavları geçmenin ötesinde yeni bilgiye katkısı olabileceği şeklinde yorumluyor. Matematikçi olmadığını ve konuyu basitleştirerek anlattığını açıkça söylüyor.
Hesaplama karmaşıklığı, girdi büyüdükçe iş yükünün nasıl arttığını inceler. Bunu daha hızlı planlama, çip tasarımı, veritabanı veya yazılım aracına dönüştürmek ek araştırma ve uygulama gerektirir. Sonuç, P ile NP problemini de tek başına çözmez. Yayımlanan kanıt, bağımsız inceleme ve ardından gelecek algoritma çalışmaları takip edilmeli; şirketin iddiası ile uygulamadaki sonuçlar ayrı tutulmalıdır.
