Útok umělé inteligence na množiny bez posloupností: účetní kniha toho, co uvízlo

TL;DR. Asistent AI pracoval na dvou problémech týkajících se množin bez aritmetických posloupností: na argumentu pro problém součtu převrácených hodnot a na kvazipolynomiálním odhadu pro každou pevnou...

Klíčové body

Dva úkoly, z nichž pouze jeden byl kdy prohlášen za splněný. Materiál se dělí na dva úkoly a stojí za to důsledně rozlišovat jejich status.
Pokles hustoty není totéž co sčítatelnost. První překážka se objevuje na úrovni architektury samotného argumentu, ještě před jakoukoli Fourierovou analýzou.
Uchování struktury a důvod, proč se tři členy nezobecňují. Jedním z navrhovaných opatření je udržovat strukturu.
Zarovnání frekvencí jednou místo mnohokrát. Sekvenční zarovnání frekvenčních funkcí je místem, kde problém hromadění dopadá nejtvrději.

Nejužitečnější věc, kterou vám nedokončený důkaz může prozradit, je přesné místo, kde se láme, a tento se láme na zhruba tuctu konkrétních míst.

Manažerské shrnutí

Práce má dva úkoly. První rozvíjí argument pro problém součtu převrácených hodnot. Druhý hledá kvazipolynomiální odhad pro každou pevnou délku posloupnosti a tohoto cíle není dosaženo.

Výchozím bodem je tříčlenný výsledek Blooma a Sisaska pro součet převrácených hodnot. Samotný kvalitativní pokles hustoty neposkytuje sčítatelnost, kterou tento argument potřebuje.

Bylo vyzkoušeno mnoho přístupů: strukturované obklopující množiny, současné zarovnání frekvencí, lemmata o řídkém počítání, Crootovo-Sisaskovo vyhlazování, zdvihání a iterace, rohy a entropie na škále p = log M. Každý z nich narazil na výslovně uvedenou překážku.

Závěrečný výpočet zůstal nedokončený, bez restriktivního lemmatu či principu řídkého počítání.

Pro zakladatele a technické vedoucí plyne poučení o metodě: účetní kniha pojmenovaných selhání je spolehlivějším výstupem než sebevědomý náčrt.

Dva úkoly, z nichž pouze jeden byl kdy prohlášen za splněný #

Materiál se dělí na dva úkoly a stojí za to důsledně rozlišovat jejich status. První rozvíjí argument pro problém součtu převrácených hodnot. Druhý hledá kvazipolynomiální odhad pro každou pevnou délku posloupnosti. Na slovesech záleží. První úkol je popsán jako rozvíjení argumentu. Druhý pouze hledá odhad. Nic v záznamu neříká, že by druhého cíle bylo dosaženo, a v celém textu s ním budu zacházet jako s cílovou metou.

Asistent nezačíná z ničeho. Jako výchozí bod používá tříčlenný výsledek Blooma a Sisaska pro součet převrácených hodnot. Vše, co následuje, je pokusem posunout se za tento výchozí bod, ať už směrem k delším posloupnostem, nebo k silnějšímu kvantitativnímu tvrzení. Značení je stanoveno hned na začátku. Pro každé k označuje r_k(N) největší velikost podmnožiny množiny {1, ..., N} bez netriviální k-členné posloupnosti. Zkoumaným objektem je množina A o hustotě α = |A|/N a normalizovaná funkce je f = 1_A/α.

Tato normalizace pohání většinu toho, co následuje. Definujme μ = 1_A/α, takže E[μ] = 1, a položme M = α^-1. Logaritmická řídkost je pak p = log(1/α), což je totéž jako log M. Čím řidší je množina, tím větší jsou hodnoty M a p. Každá níže uvedená překážka je v té či oné podobě výrokem o tom, co se děje, když tato řídkost roste.

Pokles hustoty není totéž co sčítatelnost #

První překážka se objevuje na úrovni architektury samotného argumentu, ještě před jakoukoli Fourierovou analýzou. Záznam jasně říká, že samotný kvalitativní pokles hustoty tuto sčítatelnost neposkytuje. Vědět, že se hustoty při přechodu napříč škálami zmenšují, nestačí. Problém součtu převrácených hodnot vyžaduje, aby toto zmenšování bylo kvantifikováno dostatečně dobře na to, aby šlo sečíst.

Lákavým únikem je rekurence. Poznámky uvádějí, že dostatečně silná rekurence pro extrémní hustoty množin bez posloupností by mohla přinést sčítatelnost napříč exponenciálními škálami. Tato věta je formulována opatrně a opatrná by měla i zůstat. Popisuje, co by hypotetická silná rekurence mohla dokázat. Neříká však, že by nějaká byla nalezena.

Druhý náklad je od prvního oddělený. Asistent identifikuje hromadění mnoha slabých korelací jako další zátěž. Každá jednotlivá korelace může být neškodná, zatímco jejich součet nikoli. Toto téma se vrací: krok, který je levný jednou, se stává drahým, když se musí opakovat.

Uchování struktury a důvod, proč se tři členy nezobecňují #

Jedním z navrhovaných opatření je udržovat strukturu. Asistent navrhuje uchovávat strukturované obklopující množiny napříč po sobě jdoucími přírůstky. Myšlenka, ve zdroji formulovaná s výhradou, spočívá v tom, že byste neměli zahazovat strukturovanou množinu nalezenou v jedné fázi, když přecházíte do fáze další.

Tříčlenný případ má vlastnost, kterou delší posloupnosti postrádají. Mechanismus kladnosti užitečný pro tříčlenné posloupnosti se přímo nerozšiřuje na delší zakořeněné počty. Toto je první z několika míst, kde je překážka specifická pro k větší než tři. Pozdější poznámka vyjadřuje tutéž myšlenku obecně: delší posloupnosti vnášejí další překážky vyšších řádů.

Záznam obsahuje náčrt využívající tenzorový součin a zkoumající, zda pevné normy uniformity mohou kontrolovat řídké normalizované funkce. Asistent tento náčrt nedokončuje. Raději uvedu tento fakt, než abych naznačoval, že je otázka rozhodnuta jedním či druhým směrem.

Zarovnání frekvencí jednou místo mnohokrát #

Sekvenční zarovnání frekvenčních funkcí je místem, kde problém hromadění dopadá nejtvrději. Pokud každé zarovnání stojí jen málo, dlouhý řetězec takových zarovnání stojí hodně. Asistent navrhuje zarovnat několik frekvenčních funkcí současně namísto hromadění ztrát při sekvenčním zarovnávání. Poznámka na okraji to vyjadřuje bez obalu: "Žádné iterativní ztráty, pokud se zarovnají všechny frekvence najednou." Stejně jako návrh, který shrnuje, je i tato věta podmíněná, protože popisuje, co by současné zarovnání přineslo, kdyby fungovalo.

Poznámka poté uvádí, co stále chybí. Veličinu S_h by muselo být možné zrekonstruovat z frekvencí s velkými korelacemi, alespoň řádu exp(-poly). To zůstává požadavkem, nikoli výsledkem. Uspořádávané korelace jsou korelace součinů dvojic f(x)f(x + h), kde f = 1_A/α a α = |A|/N.

I kdybychom toto připustili, asistent stále potřebuje zachovat relativní korelaci a dokončit početní argument. Myšlenka současného zarovnání má tedy atraktivní vlastnost, totiž žádné iterativní ztráty, a k tomu seznam věcí, které nikdo neověřil. Příbuzný přístup má příbuzné omezení. Ořezávání vzácných koherentních vrcholů funguje pro nezávislé frekvenční shluky, ale rozšíření tohoto argumentu na závislé shluky zůstává nevyřešeno.

Vzácné prázdné části a cena adaptivního doplňování #

Když argument přechází od účetnictví na Fourierově straně ke skutečnému počítání posloupností, objevuje se strukturální problém. Asistent identifikuje překážku: horní odhady hustoty na strukturovaných částech připouštějí vzácné prázdné části. Horní odhad toho, kolik z množiny A leží v dané části, neříká nic o tom, zda tam vůbec nějaký prvek z A leží. Část, která je vzácná a prázdná, se může nacházet uvnitř rodiny částí, které všechny daný odhad splňují.

Jednou z odpovědí je adaptivní doplňování, které si však nese vlastní účet. Adaptivní doplňování zavádí další podmínky proveditelnosti, které asistent nedokázal. Přirozeným způsobem, jak vyloučit vzácné špatné části, je majoranta. Citovaný text asistenta říká, že majoranta na všech vzácných atomech je pravděpodobně nerealistická. Poznámka je formulována opatrně, ale ukazuje směrem pryč od nejpřímější opravy.

Toto je vzorec, který vysvětluje zbytek záznamu. Levný argument potřebuje někde dolní odhad, dostupné nástroje dávají odhady horní a mezeru mezi nimi zaplňují vzácné, řídké, prázdné objekty.

Výpůjčka aparátu pro řídké počítání a zjištění, že vypůjčená část nestačí #

Asistent hledal cestu vpřed v existující literatuře o řídkém počítání. Pokus formovaly dva zdroje.

U zhušťování podle Conlona, Foxe a Zhaa asistent zjistil, že se opírá o oboustranné odhady lineárních forem. To je podstatné, protože zdejší uspořádání má strukturu horního odhadu, a nikoli strukturu oboustrannou. Metoda postavená na oboustranné kontrole není k dispozici, když je známa pouze jedna strana.

Lemma o počítání řídkých grafů od Filmusa, Hatamiho, Hosseiniho a Kelmana poskytlo model pro asymetrické mřížkové momenty a pozitivně semidefinitní nevyváženost. Posloužilo tedy jako šablona, nikoli jako hotová věta k přímému použití. Přesto se vrátila tatáž obtíž. Samotné horní odhady opakovaně narážely na řídké díry. Další zádrhel ztěžuje čtení mřížkových momentů: velké centrované mřížkové momenty mohou odrážet chybějící hmotu spíše než koncentraci směrem nahoru. Velký moment vypadá jako důkaz koncentrace, ale stejně dobře může být vyvolán hmotou, která tam není. Tato nejednoznačnost je problémem řídkých děr nahlíženým ze strany momentů.

Dále asistent zvažoval malé mocninné ztráty v M. Žádnou vhodnou větu o počítání nezískal. To je čistý negativní výsledek, který zužuje pole: ani když argumentu dovolíme ztratit malou mocninu M, nebyla nalezena žádná vhodná věta o počítání.

Vyhlazování bylo pro použití příliš nákladné #

Crootovo-Sisaskovo vyhlazování je standardní cestou k regularizaci množiny před počítáním. Asistent tuto metodu zvážil a zjistil, že požadovaná přesnost je v navrhovaném použití příliš nákladná. Metoda nebyla chybná. Její cena převyšovala to, co si argument mohl dovolit zaplatit.

Tatáž ekonomika řídí i ostatní cesty. U vláknových argumentů se vláknové odhady nenásobily automaticky a sféry s konstantní normou bránily očekávanému silnému poklesu nad pevnými číslicovými abecedami. Součinová struktura napovídá, že odhady na částech by se měly složit do odhadu na celku, ale zde se tak nestalo. Pokusy o zdvihání a iteraci stále ztrácely kvantitativně příliš mnoho.

Jako další byl zvažován přístup přibližné duality Ben-Sassona a Ron-Zewi. Asistent zjistil, že zamýšlená iterace ztrácí kvantitativně příliš mnoho. To je stejný verdikt jako u pokusu o zdvihání, dosažený z jiného směru, což naznačuje, že potíž vězí v samotné iteraci, a nikoli v jedné konkrétní konstrukci. Ponechám to jako postřeh o vzorci, nikoli jako prokázanou diagnózu.

Jedna řádka optimismu a aritmetika, která ji podkopala #

Záznam obsahuje okamžik zdánlivého pokroku. Citovaný text asistenta tvrdí, že fluktuace stupně součinů jsou zvládnuty s polynomiální přesností, včetně vykřičníku. Jde o opatrné tvrzení, citované přesně tak, jak ho asistent napsal.

Asistent si poté všiml problému, který se v tom skrývá. Rozvoje se znaménkem mohou mít absolutní hmotu řádu 2^p, což přebíjí polynomiální přesnost. Připomeňme, že p = log M. Polynomiální přesnost v M je skromný cíl, zatímco rozvoj se znaménkem s hmotou řádu 2^p je exponenciálně větší. Přesnost je skutečná, ale krácení členů, na které spoléhá, nedokáže takové množství hmoty pohltit.

Tento záznam považuji v celé účetní knize za nejpoučnější, protože ukazuje fungující sebekontrolu. Tvrzení pronesené s vykřičníkem bylo znovu otevřeno a aritmetika, na níž záviselo, byla shledána nedostatečnou. Přesně takto vypadá poctivý pracovní záznam. Nadšení i oprava sedí v témže dokumentu.

Rohy a krabice se neskládají do delších posloupností #

Odlišnou strategií bylo použít silnější známý výsledek jako odrazový můstek. Příslušným nástrojem je zde kvazipolynomiální odhad pro rohy, avšak výsledné rohy se automaticky neskládaly do delších posloupností. Roh je dvourozměrný vzor a dlouhá posloupnost je jednorozměrný vzor, přičemž přechod mezi nimi není automatický.

Čtyřčlenný krabicový počet představuje příbuznou obtíž. Kladnost čtyřčlenného krabicového počtu nekontrolovala jeho výjimečnou diagonálu. Kladný počet může být stále ovládán degenerovanými konfiguracemi a diagonála je místem, kde tyto konfigurace žijí.

Poznámky sice nabízejí možnou cestu vpřed, avšak velmi opatrně formulovanou. Úplné krabicové normy nabízejí možný mechanismus pro posouzení, zda samotné horní počty mohou vynutit dolní počty posloupností. Tato otázka, zda jednostranná informace může vynutit dolní odhad, je tou, kolem níž celý projekt neustále krouží. Přesto existuje hranice, kam až lze toto uvažování posunout. Záporné kubické příspěvky brání přímočarému rozšíření na systémy posloupností.

Přechod k entropii na škále p = log M #

Když byly přímé početní cesty zablokovány, zkoumání se obrátilo k entropii na škále p = log M, s využitím vysokých momentů podle Kelleyho a Meky. Volba škály není náhodná: p = log M je přesně logaritmická řídkost definovaná na samém začátku.

Citovaný text asistenta navrhuje použít entropii namísto L2 prostřednictvím nezápornosti a frekvenční disociativity (Chang). To je návrh, nikoli výsledek. Úvaha spočívá v tom, že μ = 1_A/α je nezáporné a Changova disociativita dává strukturu na frekvenční straně, takže entropie by mohla odvést práci, kterou veličina v L2 nezvládne.

Aby to fungovalo, potřeboval asistent konkrétní analytický vstup. Asistent hledal Fourierův restriktivní odhad ||g_hat||_q = O(1) pro omezené g a pevné q > 2, za vhodných lokálních horních odhadů. To byl cíl. Nebyl však prokázán.

Překážka se objevila v dalším kroku. Extrakce struktury z vysokých momentů ztrácela příliš mnoho hmoty. Vysoké momenty jsou místem, odkud argumenty ve stylu Kelleyho a Meky čerpají svou sílu, a zde byly zároveň místem, kde argument ztratil to, co si potřeboval uchovat.

Výpočet, který se přiblížil nejvíce #

Závěrečný výpočet si zaslouží samostatný pohled, protože v sobě nese jak úspěch, tak neúspěch. Dosahuje plného odhadu v koncovém bodě za svých konvolučních hypotéz. To je skutečný výsledek, jako takový i uvedený, a nese upřesnění "za svých konvolučních hypotéz". Odhad platí tehdy, když platí tyto hypotézy.

Nedokáže však překročit práh exponentu tři, který vyžaduje navrhovaný početní argument. Výňatek ze záznamů asistenta zmiňuje slabý odhad v l3 plynoucí z konvoluce a seříznutí (cap) a to, že pro interpolaci je zapotřebí ostře lepší exponent (pod 3). Řečeno jednoduše, výpočet dopadá přesně na špatnou stranu hranice. Odhad s exponentem tři nestačí a interpolace potřebuje něco ostře lepšího.

Je lákavé číst takto těsné minutí cíle jako "téměř hotovo". Tomu bych se bránil. Záznam neříká, jak daleko je výpočet od prahu, a mezera o velikosti jediného exponentu může klidně představovat celý problém. Záznam naopak jasně říká, že asistent ponechal výpočet nedokončený, aniž by odvodil restriktivní lemma nebo princip řídkého počítání. Tyto dva chybějící díly jsou otevřeným dluhem projektu.

Jakou hodnotu má tato účetní kniha #

Bylo by snadné celé to odmítnout jako neúspěšný pokus. Myslím, že by to bylo chybné čtení důkazů, a to z důvodu, který platí daleko za hranicemi teorie čísel.

Dokument je konkrétní. Pojmenovává překážku na každé křižovatce: vzácné prázdné části, chybějící hmotu v mřížkových momentech, oboustranné odhady u Conlona-Foxe-Zhaa, hmotu se znaménkem exponenciální v p, výjimečnou diagonálu čtyřčlenného krabicového počtu, záporné kubické příspěvky. Rozlišuje prokázané omezení od vytouženého mechanismu. Označuje rekurenci pro sčítatelnost jako něco, co by mohlo fungovat, a druhý úkol jako něco, co je hledáno. Říká jasně, co asistent nedokončil.

Pro zakladatele nebo technického vedoucího, který hodnotí výzkum s pomocí AI, je právě toto věc, kterou je třeba hledat. Systém, který vrací sebevědomý, kompletně vypadající argument, se obtížně kontroluje. Systém, který vrací seznam pojmenovaných selhání, s jediným téměř úspěchem jasně označeným jako nedosahující prahu, lze kontrolovat řádek po řádku. Někdo může převzít problém exponentu tři nebo problém závislých shluků a přesně vědět, jaká je výchozí pozice.

Existuje také vzorec, který stojí za to vyslovit přímo. Mnohá selhání jsou selháními z hromadění: slabé korelace, které se sčítají, sekvenční zarovnání, která se nabalují, iterace, která ztrácí příliš mnoho, vláknové odhady, které se nenásobí. Jedno z navrhovaných opatření míří přímo na tento bod tím, že zarovnává frekvence současně, aby nevznikala žádná iterativní ztráta. Je formulováno opatrně a jeho předpoklad, tedy rekonstrukce S_h z frekvencí s velkými korelacemi, je nedokázaný. Přesto jde o návrh v záznamu, který nejbezprostředněji reaguje na nejčastější výtku.

Otevřená otázka, kterou záznam klade, je proto úzká a ověřitelná. Lze získat odhad ostře lepší než exponent tři za konvolučních hypotéz, které již dávají odhad v koncovém bodě? Pokud ano, interpolace má s čím pracovat. Pokud ne, cesta Fourierovy restrikce a princip řídkého počítání, z nichž ani jeden nebyl odvozen, jsou místy, kam se podívat příště.

Často kladené otázky #

Jaké dva matematické problémy asistent AI zkoumal?

Asistent pracoval na dvou souvisejících úkolech týkajících se množin bez posloupností: na rozvoji argumentu pro problém součtu převrácených hodnot a na hledání kvazipolynomiálního odhadu pro každou pevnou délku posloupnosti k. Zatímco tříčlenný výsledek Blooma a Sisaska pro součet převrácených hodnot použil jako výchozí bod, kvazipolynomiálního odhadu pro libovolné délky posloupností dosaženo nebylo.

Proč horní odhady hustoty nepovedly k potřebnému lemmatu o počítání?

Horní odhady hustoty na strukturovaných částech připouštějí vzácné prázdné části, což znamená, že horní odhad toho, jak velká část množiny A leží uvnitř dané části, nezaručuje, že tam leží vůbec nějaké prvky z A. Napříč mnoha pokusy samotné horní odhady opakovaně narážely na řídké díry a velké centrované mřížkové momenty mohly odrážet chybějící hmotu spíše než koncentraci směrem nahoru.

Kde uvízl závěrečný výpočet?

Závěrečný výpočet dosáhl plného odhadu v koncovém bodě za uvedených konvolučních hypotéz, ale přinesl pouze slabý odhad v l3, který nedokázal překročit práh exponentu ostře menšího než tři, vyžadovaný pro interpolaci. Asistent ponechal výpočet nedokončený, aniž by odvodil Fourierovo restriktivní lemma nebo princip řídkého počítání.

Literatura #

Thomas F. Bloom and Olof Sisask, (2020). Breaking the logarithmic barrier in Roth's theorem on arithmetic progressions ⧉. arXiv.
Zander Kelley and Raghu Meka, (2023). Strong Bounds for 3-Progressions ⧉. arXiv.
David Conlon, Jacob Fox, and Yufei Zhao, (2014). A relative Szemerédi theorem ⧉. Geometric and Functional Analysis.
Ernie Croot and Olof Sisask, (2010). A probabilistic technique for finding almost-periods of convolutions ⧉. Geometric and Functional Analysis.

Naposledy revidováno 2026-11-01.

Znovu publikovat tento článek

Útok umělé inteligence na množiny bez posloupností: účetní kniha toho, co uvízlo — Sebastien Rousseau

Asistent AI pracoval na dvou problémech týkajících se množin bez aritmetických posloupností: na argumentu pro problém součtu převrácených hodnot a na kvazipolynomiálním odhadu pro každou pevnou...

Tento článek je licencován pod Creative Commons Attribution 4.0 International. Při opětovné publikaci uveďte odkaz na kanonickou URL.

Útok umělé inteligence na množiny bez posloupností: účetní kniha toho, co uvízlo — Sebastien Rousseau

Asistent AI pracoval na dvou problémech týkajících se množin bez aritmetických posloupností: na argumentu pro problém součtu převrácených hodnot a na kvazipolynomiálním odhadu pro každou pevnou...

Originally published at https://sebastienrousseau.com/cs/2026-10-24-utok-umele-inteligence-mnoziny-bez-posloupnosti/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.

SEBASTIEN ROUSSEAU FOUNDER · ENGINEER