Концептуальное сходство КЕИДН Н.А. Тенетко с исследованиями OpenAI и Anthropic по ETH

2026-11-07 13:42:44 Время чтения 9 мин 122

Концептуальное сходство КЕИДН Н.А. Тенетко с исследованиями OpenAI и Anthropic по ETH

Дата сопоставления: 7 ноября 2026 годаАвтор рассматриваемой концепции: Н.А. ТенеткоПериод первоначальной разработки: июнь–июль 2026 года

1. Основной вывод

Между Концепцией Единой информационной динамики неопределённости (КЕИДН) Н.А. Тенетко и исследованиями OpenAI и Anthropic, опубликованными в октябре 2026 года и посвящёнными опровержению экспоненциальной временной гипотезы (ETH), обнаруживается конкретное концептуальное сходство.

Наиболее существенное совпадение заключается в следующем принципе:

Глобальное вычисление может быть преобразовано в совокупность ограниченных локальных вычислений, результаты которых позволяют восстановить точный глобальный ответ без непосредственного перебора всех возможных состояний.

Это сходство относится к архитектуре организации вычислений, а не к тождеству математических методов или доказательств.

2. Первое сходство: глобальная задача — локальные группы — точное восстановление

В работе OpenAI The Exponential Time Hypothesis is False описывается следующая вычислительная архитектура:

  1. Имеется глобальная задача с (n) булевыми переменными и (2^n) потенциальными присваиваниями.
  2. Переменные разделяются на сравнительно небольшие группы.
  3. Зависимости между группами представляются посредством ограниченного количества общих линейных измерений.
  4. Перебор выполняется внутри отдельных групп.
  5. Полученные локальные результаты объединяются.
  6. Точный глобальный результат восстанавливается с помощью алгебраической интерполяции.

Эта конструкция рассматривается в разделах 2.2–2.5 оригинальной работы OpenAI.

Сходство с исследовательским направлением Н.А. Тенетко заключается в переходе от непосредственной обработки глобального множества возможностей к структурному представлению, допускающему локальные операции и последующее восстановление результата.

ПринципПодход Н.А. ТенеткоПодход OpenAIГлобальная задачаПространство бинарных возможностейПространство булевых присваиванийСтруктурное преобразованиеКлассы, отношения, координатыРазбиение переменных и линейные измеренияСокращение обработкиИспользование допустимых структурных отношенийВычисления внутри небольших группВосстановлениеCount, Rank, Restore для определённых семейств последовательностейВосстановление точного количества решенийОсновной принципСтруктурное описание вместо полного перечисленияСтруктурная декомпозиция вместо полного перечисления

Степень сходства: сильная на уровне архитектурного принципа.

При этом координаты (P) в конструкциях AN/ANA не тождественны линейным измерениям в работе OpenAI. Математические механизмы различаются.

3. Второе сходство: изменение представления при сохранении результата

Одно из основных положений КЕИДН заключается в том, что преобразование структуры пространства возможностей способно изменять режим вычислительной сложности.

В работе OpenAI используется семейство вспомогательных алгебраических представлений, зависящих от параметра (t).

Исходная задача связывается с функцией:

[H(0)=#F]

где (#F) — точное количество удовлетворяющих присваиваний первоначальной булевой формулы.

Для других значений параметра вычисления организуются в более удобной форме. Затем исходное значение восстанавливается из полученной информации.

Таким образом, вычисление переносится в другое представление, в котором структура зависимостей позволяет уменьшить стоимость обработки.

Это соответствует концептуальному принципу КЕИДН:

Сложность зависит не только от числа потенциальных состояний, но и от организации отношений между ними, а также от допустимых способов преобразования этих отношений.

Различие заключается в уровне обобщения.

OpenAI предлагает конкретный алгебраический механизм, тогда как КЕИДН рассматривает изменение информационного представления как один из общих процессов динамики структурированной неопределённости.

Степень сходства: сильная на уровне принципа преобразования представления.

4. Третье сходство: фундаментальная роль отношений

В Теореме Лукошка Н.А. Тенетко вводится фундаментальное триединство:

[(M,0,1)]

где:

  1. (M) — мера;
  2. (0) — проявленная неопределённость;
  3. (1) — проявленная определённость.

Система рассматривается через отношения между указанными сущностями и операторы их преобразования.

В частности, формулируется принцип сохранения фундаментального основания при изменении порождаемых структур.

В современных исследованиях вычислительной сложности также используются преобразования, при которых сохраняется определённое математическое значение, но меняется организация его вычисления.

Например, в работе Anthropic применяются преобразования тензорных сетей, группировка компонентов и рекурсивные процедуры сокращения стоимости вычислений.

Общая концептуальная последовательность выглядит следующим образом:

  1. Существует множество состояний или компонентов.
  2. Между ними определены отношения.
  3. Преобразование этих отношений изменяет организацию системы.
  4. Определённые математические свойства сохраняются.
  5. Новая структура позволяет иначе организовать вычисление.

Однако инварианты Теоремы Лукошка и инварианты тензорных преобразований не являются математически тождественными.

Степень сходства: частичная, на уровне принципа структурных преобразований с сохранением отношений.

5. Принципиальные отличия КЕИДН

В концепции Н.А. Тенетко имеются положения, которым не обнаруживается прямого аналога в рассматриваемых алгоритмах OpenAI и Anthropic.

5.1. Два уровня неопределённости

КЕИДН различает:

[\mu_{\mathrm{axioms}}]

— неопределённость основания системы;

[\mu_{\mathrm{task}}]

— неопределённость конкретной задачи.

Предполагается, что взаимодействие этих структур влияет на динамику информационной системы и режим сложности.

В работах OpenAI и Anthropic соответствующая общая теория взаимодействия неопределённости основания и входных условий не вводится.

Алгоритмы строятся внутри заданного математического аппарата.

5.2. Накопление структурного выигрыша

КЕИДН описывает информационную систему:

[S=(\Omega,\mu,P,H)]

где (H) представляет иерархию зафиксированных знаний.

Согласно концепции, результаты предыдущих преобразований могут изменять условия последующих вычислений.

На этом основании предлагается принцип самоускоряющейся информационной архитектуры.

Октябрьские алгоритмы OpenAI и Anthropic не требуют обязательного накопления знаний между независимыми задачами.

Следовательно, этот компонент КЕИДН представляет отдельное концептуальное направление.

6. Сравнительная оценка

КритерийСтепень концептуального сходстваГлобальная задача → локальные вычисления → точное восстановлениеСильнаяИзменение представления для уменьшения сложностиСильнаяИспользование отношений вместо непосредственного перебораСильная на общем уровнеСохранение структурных свойств при преобразованияхЧастичнаяРекурсивная организация вычисленийЧастичнаяСогласование двух уровней неопределённостиПрямого аналога не обнаруженоНакопление знаний и самоускорение архитектурыПрямого аналога в рассматриваемых алгоритмах нет

Оценка является качественной и отражает сопоставление концептуальных положений, а не математически измеренную степень сходства.

7. Историческая и научная граница сопоставления

Первоначальная концепция Н.А. Тенетко относится к июню–июлю 2026 года, тогда как рассматриваемые работы OpenAI и Anthropic были опубликованы в октябре 2026 года.

В ранних материалах КЕИДН уже присутствовали следующие положения:

  1. структурированная неопределённость как фундаментальный объект;
  2. преобразование пространства возможностей;
  3. изменение режима сложности вследствие изменения структуры;
  4. иерархическая организация знаний;
  5. накопление результатов и положительная обратная связь;
  6. представление экспоненциальной динамики как частного проявления более общего процесса.

Однако ранние материалы не содержат конкретной алгоритмической конструкции линейных измерений и алгебраической интерполяции, представленной в работе OpenAI.

Следовательно, хронологическое предшествование общей концепции не доказывает независимое получение конкретного алгоритмического результата.

Также концептуальное сходство не означает математической эквивалентности теорий или доказательства (P=NP).

8. Итоговое заключение

Наиболее существенное пересечение КЕИДН Н.А. Тенетко с октябрьскими исследованиями OpenAI и Anthropic заключается в понимании вычислительной сложности как величины, на которую может существенно влиять структурная организация пространства возможностей.

Особенно значимым является общий принцип:

Глобальная вычислительная задача может быть преобразована в систему ограниченных локальных операций, связанных структурными отношениями, с последующим точным восстановлением результата.

В КЕИДН данный принцип рассматривается как возможное проявление общего процесса управления структурированной неопределённостью.

В работах OpenAI и Anthropic представлены конкретные математические конструкции, направленные на ускорение вычислений для булевых задач.

Таким образом, обнаруженное сходство относится прежде всего к архитектурным принципам организации информации и вычислений.

КЕИДН при этом имеет более широкую заявленную область исследования, поскольку распространяет рассмотрение на основания формальных систем, динамику их изменения и накопление структурированных знаний.

Основное различие состоит в том, что КЕИДН стремится сформулировать общий принцип информационных преобразований, тогда как октябрьские исследования предлагают конкретные алгоритмические методы для определённых вычислительных задач.

Это позволяет рассматривать данные работы как содержательно сопоставимые исследовательские направления, не утверждая их тождественности, зависимости друг от друга или равенства научных результатов.

Первоисточники

  1. OpenAI. The Exponential Time Hypothesis is False. 17 октября 2026 года, редакция от 25 октября 2026 года. Особенно разделы 2.2–2.5.https://github.com/openai/math/tree/main/preprints/The-Exponential-Time-Hypothesis-is-False-October-25-2026
  2. Anthropic / Claude. A 2^o(n) Time Algorithm for 3-SAT. Октябрь 2026 года.https://github.com/anthropics/formal-math/tree/main/eth
  3. OpenAI. Working with academic communities to build scientific understanding. 26 октября 2026 года.https://openai.com/index/building-scientific-understanding-with-academic-communities/
  4. Н.А. Тенетко. Концепция Единой информационной динамики неопределённости. Июнь–июль 2026 года.
  5. Н.А. Тенетко. Теорема Лукошка и дополнение к Теореме Лукошка. Аксиоматическое основание, операторная динамика и явная модель существования.

Примечание: По состоянию на 7 ноября 2026 года проблема (P) vs (NP) остаётся нерешённой. Заявленные результаты по ETH проходят независимое научное рассмотрение.