Szkolenia AI dla firm Warsztaty na zadaniach Twojego zespołu: online 4–8 h albo stacjonarnie w całej Polsce Zobacz program →

AI obala hipotezę ETH: co to znaczy dla P vs NP i szyfrowania

Modele OpenAI i Anthropic obaliły hipotezę czasu wykładniczego, bliską sporowi P vs NP. Co to zmienia, a czego nie, także dla szyfrowania w firmie.

28 października 2026 · Adam Bakalarz
Ilustracja: częściowo rozplątany węzeł liny obok całej, zamkniętej kłódki

W skrócie

  • 26 października 2026 r. OpenAI ogłosiło, że jego model obalił hipotezę czasu wykładniczego (ETH) z 1999 r.; kilka godzin później Anthropic opublikował własny dowód przypisany modelowi Claude.
  • Oba dowody sformalizowano w języku Lean, a niezależną ocenę wyniku OpenAI prowadzi grupa Impagliazzo, Paturi i Williams; OpenAI obiecało sfinansować konferencję o skutkach odkrycia.
  • Wynik jest teoretyczny: Anthropic zastrzega, że nie mówi nic o rozwiązywaniu zadań w praktyce, a według TechCrunch OpenAI jest dość pewne, że nie łamie on żadnego systemu szyfrowania.

Stan na 28 października 2026

Co się stało: dwie firmy, ten sam przełom w ciągu kilku godzin

Modele AI dwóch firm niezależnie udowodniły, że fałszywa jest hipoteza czasu wykładniczego (ETH), jedno z podstawowych założeń informatyki teoretycznej. OpenAI ogłosiło wynik 26 października 2026 r. razem z dwoma innymi odkryciami: z analizy harmonicznej (hipoteza lokalnego wygładzania we wszystkich wymiarach) i z fizyki (dowód istnienia chromodynamiki kwantowej). Według firmy model napisał dowód obalający ETH 16 października, a dzień później sformalizowano go w Lean, języku, w którym komputer sprawdza każdy krok rozumowania.

Kilka godzin później Anthropic opublikował na GitHubie własną pracę, przypisaną wewnętrznemu badawczemu modelowi Claude. Opisuje deterministyczny algorytm, który rozwiązuje problem 3-SAT (spełnialność formuł logicznych, w których każdy warunek łączy najwyżej trzy zmienne) w czasie podwykładniczym, czyli 2o(n) dla n zmiennych. ETH mówiła, że to niemożliwe. Anthropic zastrzega, że „wynik jest czysto asymptotyczny i nic nie mówi o rozwiązywaniu formuł w praktyce”.

ETH sformułowali w 1999 r. Russell Impagliazzo i Ramamohan Paturi z UC San Diego. Teraz razem z Ryanem Williamsem z MIT kierują grupą, która ma niezależnie sprawdzić i objaśnić wynik OpenAI. To ważne zastrzeżenie: na dziś oba dowody ogłosili sami producenci, a recenzja środowiska dopiero trwa. Lean sprawdza każdy krok dowodu, ale nie to, czy sformalizowane twierdzenie mówi dokładnie to samo co tekst pracy; Anthropic sam o tym uprzedza. Ciekawostka z polskim akcentem: dowód fizyczny OpenAI opiera się, jak pisze firma, na podejściu Tadeusza Bałabana, fizyka matematycznego z Polski (doktorat na Uniwersytecie Warszawskim), od lat związanego z Rutgers University.

P vs NP, szyfrowanie i Twój serwer: co się zmienia

ETH to mocniejsza wersja intuicji stojącej za sporem P vs NP: że niektóre zadania logiczne da się szybko sprawdzić, ale nie da się ich szybko rozwiązać. Obalenie ETH nie rozstrzyga P vs NP; OpenAI pisze wprost, że wynik ponownie otwiera pytanie, o ile szybciej można rozwiązywać takie zadania, a do praktycznych algorytmów potrzeba dalszych badań. Ryan Williams powiedział TechCrunchowi, że wynik podważa wiele intuicji, a prawdopodobieństwu, że P = NP, warto przypisać nieco większą wagę.

Przykład, szacunek: zadanie z n = 100 zmiennymi tak/nie ma 2100, czyli około 1,3 × 1030 możliwych ustawień. Podwykładniczy algorytm rośnie wolniej niż każda wykładnicza funkcja, ale tylko „na nieskończoności”: dla 100, 1000 czy 10 000 zmiennych (typowy harmonogram zmian w zakładzie albo plan tras floty) nikt nie pokazał, że będzie szybszy od dzisiejszych solverów. Firma planująca produkcję w Excelu czy w programie do optymalizacji nie odczuje różnicy w tym roku.

Z szyfrowaniem jest podobnie, choć to pytanie padło od razu. Popularne szyfrowanie, na którym stoi bankowość i HTTPS (RSA, krzywe eliptyczne, AES), nie opiera się wprost na ETH. Według TechCrunch OpenAI na prośbę Williamsa sprawdziło skutki dla kryptografii i jest dość pewne, że wynik nie łamie żadnego systemu. Ciekawe porównanie dla czytelnika, który ma dostęp tylko do publicznych modeli: Anthropic podaje, że ogólnodostępny Claude Opus 5.5, gdy dostanie skrócony opis dowodu, odtwarza obalenie ETH w słabszej wersji (bez ostrych ograniczeń z pracy), a pełny dowód zrobił model wewnętrzny.

Co to znaczy dla Ciebie

Jeśli prowadzisz firmę, nie musisz dziś niczego zmieniać w zabezpieczeniach: aktualizuj systemy jak zwykle i nie wierz ofertom „pilnej migracji szyfrowania po przełomie AI”. Ważniejszy sygnał jest inny: modele AI zaczynają dostarczać dowody, nad którymi ludzie pracowali dekady, a weryfikacja ich wyników staje się osobną pracą. W firmie oznacza to tę samą zasadę na mniejszą skalę: wynik z AI wymaga sprawdzenia, najlepiej narzędziem albo osobą, która go nie pisała. Jak ułożyć taki proces w zespole, pokazujemy na szkoleniach AI dla firm. Do tematu warto wrócić po konferencji, którą obiecało sfinansować OpenAI, i po ocenie grupy Williamsa. Więcej o samym Anthropicu, który przygotowuje się do wejścia na giełdę, piszemy osobno.

Najczęstsze pytania

Czy AI rozwiązała problem P vs NP?

Nie. Modele OpenAI i Anthropic obaliły hipotezę czasu wykładniczego (ETH), mocniejsze założenie związane z P vs NP. OpenAI pisze, że wynik ponownie otwiera pytanie o szybsze algorytmy, ale sam spór P vs NP pozostaje nierozstrzygnięty.

Czy obalenie ETH zagraża szyfrowaniu w banku albo w mojej firmie?

Na dziś nie ma na to dowodów. Według TechCrunch OpenAI sprawdziło skutki dla kryptografii i jest dość pewne, że wynik nie łamie żadnego systemu, a Anthropic zastrzega, że wynik nie mówi nic o rozwiązywaniu zadań w praktyce.

Kto sprawdza dowody wygenerowane przez AI?

Oba dowody sformalizowano w języku Lean, w którym komputer sprawdza każdy krok. Niezależną ocenę wyniku OpenAI prowadzi grupa Russella Impagliazza, Ramamohana Paturiego (UC San Diego) i Ryana Williamsa (MIT).

Czytaj dalej

Zobacz też

Zobacz też

Przewodnik po temacie LLM, czyli duże modele językowe: jak działają i który model AI wybrać

Adam Bakalarz, założyciel instytut.ai
Autor

Adam Bakalarz

Szkoleniowiec AI · właściciel agencji NowoczesnyMarketing.pl · założyciel instytut.ai

Prowadzi agencję, w której ChatGPT, Claude i automatyzacje codziennie pracują dla klientów. Na szkoleniach i w kursach online uczy tego, co sam stosuje w pracy.

100+

firm na szkoleniach zamkniętych od 2025

21

kursów online

1 200+

zweryfikowanych opinii

50 000+

kursantów online