İki Ekip Aynı Kripto Problemini Üç Saat Arayla Çözdü

MIT'de doktora öğrencisi olan Seyoon Ragavan, kuantum kriptografinin açık problemlerinden birini çözen makalesini arXiv'e yükledi. Üç saat sonra aynı sunucuya, kıtanın öbür ucundan ikinci bir makale düştü: UC Santa Barbara'dan Prabhanjan Ananth ile UCLA'dan Amit Sahai, birbirlerinden habersiz, aynı problemi çözmüştü. İki ekibin de masasında aynı yardımcı oturuyordu: OpenAI'ın GPT-5.6 Sol Ultra modeli.

Çözülen problem neydi?

Konu, klonlanamaz şifreleme (unclonable encryption): kuantum mekaniğinin "bir kuantum durumu kopyalanamaz" ilkesine yaslanan, şifreli veriyi ele geçiren birinin onu çoğaltmasını fiziksel olarak imkânsız kılmayı hedefleyen bir yaklaşım. Alanın yıllardır açık duran sorularından biri, aynı öğleden sonra iki ayrı ekip tarafından kapatıldı.

"İlk iş GPT'ye bakmak"

Scientific American'ın aktardığı cümleler, araştırma pratiğinin ne kadar hızlı değiştiğini gösteriyor. Ananth durumu şöyle özetliyor: "Biri açık bir problemden söz ettiğinde ilk iş, GPT'nin onu çözüp çözemediğine bakmak." Ragavan daha da net: "Şu an araştırma yapma biçimimin iki ay önceki hâliyle hiçbir ilgisi yok."

Bu tekil bir vaka da sayılmaz: OpenAI'ın Astra modelinin 10 açık matematik problemini çözdüğünü geçtiğimiz günlerde yazmıştık. Sınır problemleri artık yıllarla ölçülen dirençler göstermiyor.

Herkes aynı modele sorunca

Olayın asıl kaşındırdığı soru şu: iki ekip aynı modeli kullanıp aynı çözüme saatler arayla ulaşıyorsa, "bağımsız keşif" kavramı ne anlama geliyor? Akademide öncelik, kariyerin para birimidir; makale kimin adına yazılır, ödülü kim alır, doçentlik dosyasına ne girer. Bu güne kadar iki ekibin aynı sonuca ulaşması nadir ve yavaş bir süreçti; aylar, bazen yıllar sürerdi. Aynı araca herkesin eriştiği bir dünyada bu tampon yok oluyor. Üç saatlik fark, bir dahaki sefere üç dakika olabilir.

Bir karşı görüş de var: modeli kullanmak, doğru soruyu sormaktan ve çıkan kanıtı doğrulamaktan ibaret değil. İki ekip de alanın uzmanıydı; GPT'ye ne soracağını, çıkan taslağın nerede hata yapabileceğini bilen insanlardı. Yani araç herkese açık olsa da, onu verimli kullanacak uzmanlık hâlâ ayırt edici. Ama bu teselli akademik önceliğin "kim önce yükledi" yarışına dönüşme riskini ortadan kaldırmıyor.

Bu akademik haber işletmeleri neden ilgilendiriyor?

Çünkü aynı dinamik ticari Ar-Ge için de geçerli. Rakibinizle aynı modellere erişiyorsunuz; model kimseye kalıcı avantaj vermiyor. Fark yaratan iki şey kalıyor: hangi soruyu sorduğunuz ve elinizde başkasında olmayan hangi verinin bulunduğu. Kendi sektörünüzün çözülmemiş problemlerini yapay zekaya düzenli olarak taşıyan bir ekip kurmak, bugün küçük bir alışkanlık gibi görünüyor; bu haberdeki araştırmacıların iki ay önceki hâllerine göre geldikleri nokta, o alışkanlığın bileşik getirisini gösteriyor.

Kaynaklar: The Decoder