<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
     xmlns:content="http://purl.org/rss/1.0/modules/content/"
     xmlns:media="http://search.yahoo.com/mrss/"
     xmlns:atom="http://www.w3.org/2005/Atom">

<channel>

    <atom:link
        href="https://shesht.am/tag/%d5%a1%d5%ac%d5%a3%d5%b8%d6%80%d5%ab%d5%a9%d5%b4%d5%b6%d5%a5%d6%80/feed"
        rel="self"
        type="application/rss+xml"
    />

    <lastBuildDate>Tue, 17 Nov 2026 16:02:43 +0000</lastBuildDate>

    <title>Շեշտ.am (shesht.am) - Feed</title>

    <description>Շեշտ.am – նորություններ եւ ոչ միայն</description>

    <link></link>

    
        
        <item>

            <guid isPermaLink="false">https://shesht.am/?p=20642</guid>

            <pubDate>Tue, 27 Oct 2026 14:15:37 +0000</pubDate>

            <title>OpenAI-ը ներկայացրել է էքսպոնենցիալ ժամանակի վարկածի ենթադրյալ հերքումը</title>

            <description><![CDATA[<p>OpenAI-ը հրապարակել է արհեստական բանականությամբ ստացված արդյունք, որը, ընկերության պնդմամբ, հերքում է էքսպոնենցիալ ժամանակի վարկածը։ Տեսական համակարգչագիտության այս կարևոր ենթադրությունը վերաբերում է որոշ տրամաբանական խնդիրների լուծման համար անհրաժեշտ ժամանակին, իսկ նոր արդյունքը դեռ պետք է ուսումնասիրվի անկախ մասնագետների կողմից։</p>
]]></description>

            
                <media:content
                    url="https://shesht.am/wp-content/uploads/2026/10/shesht-eth-cover.jpg"
                                            type="image/jpeg"
                                        expression="full"
                >

                    <media:description type="plain"><![CDATA[OpenAI-ը ներկայացրել է էքսպոնենցիալ ժամանակի վարկածի ենթադրյալ հերքումը]]></media:description>

                </media:content>

            
            <content:encoded><![CDATA[
Ընկերությունը հոկտեմբերի 26-ին հայտնել է, որ իր ներքին մոդելն առաջարկել է էքսպոնենցիալ ժամանակի վարկածի՝ ETH-ի հերքումը։ Հրապարակված նախնական աշխատությունը թվագրված է հոկտեմբերի 17-ով և վերանայվել է հոկտեմբերի 25-ին։ OpenAI-ն այս նյութերը բնորոշում է որպես հետազոտական սկզբնական տվյալներ, որոնք գիտական հանրությունը պետք է ուսումնասիրի և բացատրի։



Խնդրի հիմքում 3-SAT կոչվող տրամաբանական առաջադրանքն է։ Պետք է գտնել փոփոխականների «ճշմարիտ» կամ «կեղծ» արժեքների այնպիսի ընտրություն, որը միաժամանակ բավարարում է բոլոր պայմաններին. յուրաքանչյուր պայման պարունակում է առավելագույնը երեք փոփոխական կամ դրանց ժխտումները։ ETH-ն ենթադրում է, որ վատագույն դեպքերում լուծման ժամանակն անխուսափելիորեն էքսպոնենցիալ աճում է փոփոխականների թվի հետ։



Նախնական աշխատությունում OpenAI-ն առաջարկում է ալգորիթմ, որը ոչ միայն պարզում է լուծման գոյությունը, այլև հաշվում է բոլոր բավարարող տարբերակները։ Այն վերաբերում է k-SAT-ի խնդիրներին՝ պայմանների չափի ֆիքսված սահմանով, և, ներկայացված գնահատականի համաձայն, աշխատում է ենթաէքսպոնենցիալ ժամանակում՝ օգտագործելով բազմանդամային ծավալի հիշողություն։ Սա ETH-ի կանխատեսածից ավելի դանդաղ աճող ժամանակային բարդություն է։



OpenAI-ն նաև հրապարակել է Lean համակարգով ձևակերպված ապացույցը։ Դրա շրջանակի նկարագրությունը սահմանում է, թե կոնկրետ ինչ պնդում է ընդգրկում ձևական ստուգումը՝ լուծումների ճշգրիտ հաշվարկ ենթաէքսպոնենցիալ ժամանակում և բազմանդամային հիշողությամբ։ Ընկերության հաղորդած ձևական ստուգումն ու անկախ մասնագետների կողմից արդյունքի ամբողջական ըմբռնումը տարբեր փուլեր են։



Ընկերության փոխանցմամբ՝ արդյունքի բաց և անկախ ուսումնասիրությունը կկազմակերպեն Ռասել Իմպալիացոն և Ռամամոհան Պատուրին՝ Սան Դիեգոյի Կալիֆոռնիական համալսարանից, ինչպես նաև Ռայան Ուիլյամսը՝ Մասաչուսեթսի տեխնոլոգիական ինստիտուտից։ Իմպալիացոն ու Պատուրին ETH-ի սկզբնական հեղինակներից են։ Նրանց ներգրավումը ներկայացվում է որպես ստուգման գործընթացի կազմակերպում։



Տեսական համակարգչագետ Սքոթ Աարոնսոնն իր բլոգում շեշտում է, որ այս արդյունքը դեռ հեռու է P-ի և NP-ի հավասարության ապացույցից։ Ներկայացված արագացումը վերաբերում է k-SAT-ին. դրանից ինքնաբերաբար չի հետևում, որ նույն կերպ կարելի է արագ լուծել բոլոր NP-ամբողջական խնդիրները։



Եթե հերքումը հաստատվի, անհրաժեշտ կլինի վերանայել այն բարդության սահմանները, որոնք գիտական աշխատություններում հիմնավորվել են ETH-ի ճշմարիտ լինելու պայմանով։ Միաժամանակ սա պատրաստի գործնական արագացում չի նշանակում. OpenAI-ն նշում է, որ տեսական արդյունքը կիրառելի ալգորիթմների վերածելը լրացուցիչ հետազոտություն է պահանջում։
]]></content:encoded>

            <link>https://shesht.am/science/openai-eth-claim</link>

            <author>info@shesht.am (Շեշտ.am (shesht.am))</author>

        </item>

    
</channel>

</rss>