এমআইটির স্নাতক, স্টার্টআপ ল্যাব Physical Superintelligence (PSI) এর টেকনোলজি টিমের সদস্য ডেভিড টুর্টুরিয়ান, Anthropic-এর Fable 5.2 মডেল ব্যবহার করে ১৮ বছর পুরনো একটি কোয়ান্টাম কম্পিউটিং সমস্যা সমাধান করেছেন।
“আমি এই ধারণাটি সম্পূর্ণভাবে গ্রহণ করেছি: এটি আমার শেষ পেপার হতে পারে,” টুর্টুরিয়ান টেকক্রাঞ্চকে বলেছেন। তিনি এমআইটি-এর প্রখ্যাত কম্পিউটার সায়েন্স এবং আর্টিফিশিয়াল ইন্টেলিজেন্স ল্যাবে মাস্টার্সের জন্য যাওয়ার পরিকল্পনা স্থগিত করে PSI-এ যোগ দেন। “কয়েক মাস পরে, আপনি আর কেন পেপার প্রকাশ করবেন?”
এটি এয়ারনসন-অ্যাম্বাইনিস অনুমান, যা প্রশ্ন করে যে কোয়ান্টাম কম্পিউটার কি ক্লাসিক্যাল কম্পিউটারের চেয়ে দ্রুত সমস্যা সমাধান করতে পারে। এই প্রশ্নটি উত্থাপনকারীদের মধ্যে একজন স্কট এয়ারনসন লিখেছেন যে, তিনি এই প্রমাণটি সম্পূর্ণভাবে বুঝতে পারেননি, কিন্তু তিনি বিশ্বাস করেন যে এটি সঠিক, কারণ এটি Lean নামক একটি গণিতের কোডিং ভাষায় স্বয়ংক্রিয়ভাবে ফর্মালাইজড করা হয়েছে এবং PSI-এর সাথে সমাধানটি শেয়ার করা একটি শীর্ষস্থানীয় গবেষকদল দ্বারা ব্যাখ্যা করা হয়েছে।
এই উত্তরটি কিছু কঠিন সমস্যা সমাধানের জন্য কোয়ান্টাম কম্পিউটারকে দ্রুত ব্যবহার করার একটি পথ বন্ধ করে দেয়, কিন্তু সমস্ত পথ নয়। “এটি একটি নেতিবাচক ফলাফল, যা মানুষকে জানিয়ে দেয় যে, ঠিক আছে, আমরা এই দিকে আর খোঁজা বন্ধ করে দিচ্ছি,” টুর্টুরিয়ান বলেন।
আরও ব্যাপকভাবে দেখলে, এটি বৈজ্ঞানিক সম্প্রদায়ের উপর এআই সমস্যা সমাধান করার প্রভাবকে প্রতিফলিত করে।
“প্রমাণ করা পূর্ণ [অ্যারনসন-অ্যাম্বাইনিস অনুমান] কোয়ান্টাম কুয়েরি জটিলতার ক্ষেত্রে শেষ কয়েকটি অমীমাংসিত এবং সকলের দ্বারা অপরিহার্য বলে বিবেচিত সমস্যার মধ্যে একটি,” অ্যারনসন লিখেছেন। তিনি বলেছেন, এই খবর শুনে তার অনুভূতির মধ্যে সন্তুষ্টি, আদর্শ, বিষাদ এবং ক্লান্তি রয়েছে। “সত্যি বলতে, আমি অবাক হয়েছি যে কয়েক সপ্তাহ আগে OpenAI-এর Mathocalypse সংকলনে এটি ছিল না। তারা নিশ্চয়ই চেষ্টা করেছিল, তাই এটি কি সত্যিই সেইসব ইতিমধ্যে সমাধানকৃত সমস্যাগুলির চেয়ে অনেক বেশি কঠিন?”
এটি PSI-এর মডেলকেও সমর্থন করে: বিজ্ঞানগত সমস্যা সমাধানের জন্য বিশেষায়িত মডেল অর্কেস্ট্রেশন এবং সাপোর্টিং সিস্টেম ব্যবহার করে।
PSI-এর সিইও ম্যাট পাইনস টেকক্রাঞ্চকে বলেন, "একটি কার্যকর গবেষণা সিস্টেমের অর্গানাইজেশন লেয়ার, টুলস, মেমোরি সিস্টেম এবং সিমুলেশন ইনফ্রাস্ট্রাকচারের সাথে অনেক কিছু জড়িত হওয়া উচিত। আপনাকে একটি সমস্যার বিস্তারিত এবং গভীরতা উভয় দিক থেকেই সমাধান করতে পারতে হবে এবং বিভিন্ন সম্ভাব্য বিকল্পগুলি বিবেচনা করতে পারতে হবে।"
বর্তমানে, কোম্পানির আয় তাদের টুলস ব্যবহার করে ডেটা সেন্টার অপ্টিমাইজ করার মাধ্যমে আসে, যেখানে তাপ, বিদ্যুৎ, জল, শব্দ ইত্যাদি ভেরিয়েবলগুলির সিমুলেশন করা হয়—“এই সাইটগুলির পারফরম্যান্স এবং তাদের সম্প্রদায়ের উপর প্রভাব হল তাদের ভৌত বৈশিষ্ট্যগুলির সরাসরি ফাংশন।” তবে, দীর্ঘমেয়াদে, কোম্পানি তাত্ত্বিক পদার্থবিদ্যার বিপ্লবগুলিকে বাস্তব প্রযুক্তিতে রূপান্তরিত করতে চায়।
ছয় থেকে নয় মাস আগে, যখন আমি বিনিয়োগকারীদের সাথে কথা বলতাম, তখন আমাকে সেই শর্তটি প্রমাণ করতে কিছুটা পরিশ্রম করতে হত, তাই না? যেমন, 'না না না, আমার কথা বিশ্বাস করুন, শীঘ্রই থিওরেটিকাল ফিজিক্স মূলত মেশিনের হয়ে যাবে।'” পাইনস বলেন, “এখনও সেই পর্যায়ে পৌঁছাইনি, কিন্তু এটি পথে।”
তবে, যদিও এআই গণিত এবং কম্পিউটার বিজ্ঞানের মতো যেসব সমস্যাকে যাচাইযোগ্য কোডের মাধ্যমে প্রকাশ করা যায়, সেগুলিতে গুরুত্বপূর্ণ অগ্রগতি ঘটিয়েছে, জীববিজ্ঞান বা পদার্থবিজ্ঞানের মতো কম বিমূর্ত বিষয়গুলিতে এটি করা আরও কঠিন। গত সপ্তাহে, স্টার্টআপ ডিসকভার্ড ম্যাটেরিয়ালস একটি 100 হাজার ডলারের চ্যালেঞ্জ ঘোষণা করেছে, যা সুপারকন্ডাকটিভিটি এবং তাপ বিক্ষিপ্তকরণের মতো সমস্যা অধ্যয়নের জন্য এআই ব্যবহার করছেন গবেষকদের জন্য।
পিনস বলেন, “শেষ পর্যন্ত, পদার্থবিদ্যা গণিতের সাথে ভিন্ন, কারণ এটি বাস্তব বিশ্বের সাথে মোকাবিলা করে... প্রকৃতি আপনার বাস্তবতার মডেলের পক্ষে ভোট দেবে।” তিনি বলেন, এই স্টার্টআপটি গণনা ফলাফল এবং পরীক্ষামূলক যাচাইকে সবচেয়ে দক্ষভাবে একত্রিত করার উপায় নিয়ে গবেষণা করে।
"যদি এটি প্রকৃতির একটি বাস্তব সত্য হয়, তাহলে এটি একটি কৌশল যা আপনি ব্যবহার করতে পারেন," পাইনস বলেন। "আপনি এর ভিত্তিতে একটি যন্ত্র তৈরি করতে পারেন, তাই না? AI একটি ধারণা প্রস্তাব করে; এটি আপনাকে বাস্তব জগতে আগের কখনও অসম্ভব বিষয়গুলি করতে সক্ষম করে... তাই এগুলি সবই PSI যা তৈরি করছে।"
"বিজ্ঞানের নিওল্যাবস" যেহেতু বিপ্লবী বৈজ্ঞানিক অর্জনের পথ হয়ে উঠেছে, অংশগ্রহণকারীরা এই নতুন বিশ্বের মানদণ্ড খুঁজছেন। PSI-এর জন্য Anthropic-এর মডেল প্রকাশের কাছাকাছি যাওয়া পর্যন্ত ফলাফল প্রকাশ করা অপেক্ষা করতে হয়, যার ফলে তারা সংশ্লিষ্ট গবেষকদের সাথে ফলাফলগুলি শেয়ার করতে পারে, যাতে এটি ভালোভাবে বুঝতে পারে।
“একজন শিক্ষাবিদ হিসেবে, আমরা বিষয়গুলি সঠিকভাবে করার বিষয়ে আমাদের ভূমিকা পালন করতে চাই,” বলেন নর্থইস্টার্ন বিশ্ববিদ্যালয়ের প্রফেসর জিম হ্যালভারসন, যিনি PSI-এর জন্য পরামর্শ দিচ্ছেন। পরবর্তী সপ্তাহে তিনি MIT-এ একটি সম্মেলনে যাবেন, যেখানে শীর্ষস্থানীয় পদার্থবিদদের বৈজ্ঞানিক গতি বৃদ্ধির প্রতিক্রিয়া নিয়ে আলোচনা করা হবে। “সেরা অনুশীলনগুলি এখনও গড়ে উঠছে... আমরা মনে করি, প্রতিটি বিষয়ে স্বচ্ছতা বজায় রাখা এবং বিশেষজ্ঞদের সাথে যোগাযোগ করা ভালো উপায়।”
“আমাদের এটাকে একটু পাশে রাখার সময় ছিল… এটি আমার প্রথমবারের মতো যে আমি AI-এর মাধ্যমে পাওয়া সমাধানটি প্রিন্ট করে নিয়েছি, এবং এটি পড়ে ভাবলাম, ঠিক আছে, আমি এটিকে মানুষের জন্য কীভাবে আরও প্রাকৃতিকভাবে উপস্থাপন করব?” টুর্টিউন TechCrunch-কে বলেন। তিনি বলেন, একাডেমিক বিশ্ব তাকে এই ফলাফলটি ব্যাখ্যা করতে আশা করবে। “আমি মনে করি, এটি আমাকেও বুঝতে সাহায্য করেছে যে, হ্যাঁ, AI-এর ক্ষমতা কতটা গুরুত্বপূর্ণ।”