MIT के स्नातक, स्टार्टअप लैब Physical Superintelligence (PSI) के टेक्नोलॉजी टीम के सदस्य डेविड टुर्टुरियन ने Anthropic के Fable 5.2 मॉडल का उपयोग करके 18 साल पुरानी क्वांटम कंप्यूटिंग की समस्या को हल किया।
"मैं इस विचार को पूरी तरह स्वीकार करता हूँ: यह मेरी अंतिम पेपर हो सकती है," टर्टुरियन ने TechCrunch को कहा। उन्होंने MIT के प्रसिद्ध कंप्यूटर साइंस और आर्टिफिशियल इंटेलिजेंस लैब में मास्टर्स के लिए जाने की योजना को टाल दिया और PSI में शामिल हो गए। "कुछ महीनों में, आप फिर पेपर क्यों प्रकाशित करेंगे?"
यह प्रश्न Aaronson-Ambainis अनुमान से संबंधित है, जो यह जांचता है कि क्वांटम कंप्यूटर क्या क्लासिकल कंप्यूटर की तुलना में समस्याओं को तेजी से हल कर सकते हैं। इस प्रश्न को उठाने वाले शोधकर्ताओं में से एक, स्कॉट आरोनसन, ने लिखा कि वह पूरी तरह से सबूत को समझ नहीं पाए हैं, लेकिन वे इसे सही मानते हैं क्योंकि इसे Lean नामक गणितीय कोडिंग भाषा में स्वचालित रूप से औपचारिक किया गया है और PSI द्वारा समाधान साझा किए जाने के बाद इसे शीर्ष शोधकर्ताओं के एक समूह द्वारा समझाया गया है।
यह उत्तर कुछ कठिन समस्याओं को उच्च गति से हल करने के लिए क्वांटम कंप्यूटर के एक मार्ग को बंद कर देता है, लेकिन सभी मार्गों को नहीं। "यह एक नकारात्मक परिणाम है, जो लोगों को बताता है कि ठीक है, हम अब उस दिशा में नहीं खोज रहे हैं," टर्टुरियन ने कहा।
अधिक व्यापक रूप से देखें तो, यह दर्शाता है कि AI समस्याओं को हल करना वैज्ञानिक समुदाय पर किस प्रकार का प्रभाव डाल रहा है।
“साबित करना कि [एरोनसन-अम्बेनिस अनुमान] पूर्ण है, यह क्वांटम क्वेरी जटिलता के क्षेत्र में अभी तक अनसुलझा और सभी द्वारा आवश्यक माना जाने वाला अंतिम कुछ समस्याओं में से एक है,” एरोनसन ने लिखा। उन्होंने कहा कि इस समाचार को सुनकर उनकी भावनाएँ संतुष्टि, आदर, निराशा और थकान शामिल हैं। “ईमानदारी से कहूँ, मुझे आश्चर्य हुआ कि कुछ हफ्ते पहले OpenAI के Mathocalypse सारांश में यह शामिल नहीं था। उन्होंने निश्चित रूप से प्रयास किया होगा, तो क्या यह सभी पहले हल हो चुकी समस्याओं से कई गुना कठिन है?”
यह PSI के पैटर्न को भी समर्थन देता है: विज्ञान समस्याओं को हल करने के लिए विशेष मॉडल ऑर्केस्ट्रेशन और समर्थन प्रणाली का उपयोग करके।
PSI के सीईओ मैट पाइन्स ने टेकक्रंच को कहा, "एक प्रभावी अनुसंधान प्रणाली में ऑर्केस्ट्रेशन लेयर से संबंधित कई चीजें होनी चाहिए, टूल्स, मेमोरी सिस्टम, सिमुलेशन इंफ्रास्ट्रक्चर से संबंधित कई चीजें होनी चाहिए। आपको वास्तव में एक समस्या को व्यापकता और गहराई से हल करने और विभिन्न संभावित विकल्पों पर विचार करने में सक्षम होना चाहिए।"
वर्तमान में, कंपनी की आय अपने उपकरणों का उपयोग करके डेटा केंद्रों को अनुकूलित करने से आती है, जिसमें गर्मी, बिजली, पानी, शोर आदि चरों का अनुकरण किया जाता है—“इन स्थलों का प्रदर्शन और उनका समुदाय पर प्रभाव, उनके भौतिक गुणों के सीधे कार्य हैं।” हालाँकि, दीर्घकालिक रूप से, कंपनी थ्योरेटिकल फिजिक्स की उपलब्धियों को वास्तविक प्रौद्योगिकी में बदलना चाहती है।
छह से नौ महीने पहले, जब मैं निवेशकों के साथ बात कर रहा था, तो मुझे उस शर्त को सत्यापित करने में थोड़ी मेहनत करनी पड़ती थी, है ना? जैसे, 'नहीं, नहीं, मुझ पर भरोसा करो, जल्द ही सैद्धांतिक भौतिकी मुख्य रूप से मशीनों की हो जाएगी।'” पाइन्स ने कहा, “अभी तक हम उस बिंदु पर नहीं पहुंचे हैं, लेकिन हम उसकी ओर बढ़ रहे हैं।”
हालांकि, AI ने गणित और कंप्यूटर विज्ञान जैसे वे मुद्दे जिन्हें सत्यापित कोड के रूप में व्यक्त किया जा सकता है, उन पर महत्वपूर्ण प्रगति की है, लेकिन जीव विज्ञान या भौतिकी जैसे कम अमूर्त विषयों में ऐसा करना अभी भी अधिक कठिन है। पिछले हफ्ते, स्टार्टअप Discovered Materials ने अतिचालकता और ऊष्मा क्षय जैसे मुद्दों पर AI का उपयोग करने वाले शोधकर्ताओं के लिए 100 डॉलर की चुनौती जारी की।
“अंततः, भौतिकी गणित से अलग है क्योंकि यह वास्तविक दुनिया का सामना करती है... प्रकृति स्वयं आपके वास्तविकता के मॉडल के लिए मतदान करेगी,” पाइन्स ने कहा। उन्होंने बताया कि यह स्टार्टअप इस बात पर ध्यान केंद्रित करता है कि गणना परिणामों और प्रयोगात्मक पुष्टि को सबसे कुशल तरीके से कैसे जोड़ा जाए।
“अगर यह प्रकृति का एक वास्तविक तथ्य है, तो यह एक ऐसी कौशल है जिसका आप उपयोग कर सकते हैं,” पाइन्स ने कहा। “आप इससे एक उपकरण बना सकते हैं, है ना? AI एक विचार प्रस्तुत करता है; यह आपको वास्तविक दुनिया में पहले असंभव चीजें करने की अनुमति देता है... इसलिए ये सभी PSI द्वारा निर्मित चक्र हैं।”
जबकि "विज्ञान के क्षेत्र में neolabs" ब्रेकथ्रू विज्ञान के परिणामों की ओर एक संभावित मार्ग बन रहे हैं, प्रतिभागी अभी भी इस नए दुनिया के मानकों को समझने की कोशिश कर रहे हैं। चूंकि PSI को Anthropic के मॉडल के लगभग प्रकाशन के समय तक परिणाम जारी करने की आवश्यकता है, इसलिए वे इसे संबंधित शोधकर्ताओं के साथ साझा कर सकते हैं ताकि इसे बेहतर ढंग से समझा जा सके।
“एक शोधकर्ता के रूप में, हम यह सुनिश्चित करना चाहते हैं कि हम चीजों को सही तरीके से करने में अपनी भूमिका निभाएं,” नॉर्थईस्टर्न विश्वविद्यालय के प्रोफेसर जिम हैलवर्सन ने कहा, जो PSI के लिए सलाह दे रहे हैं। वह अगले सप्ताह MIT में एक सम्मेलन में भाग लेने के लिए जा रहे हैं, जहां प्रमुख भौतिकविद् वैज्ञानिक गति में तेजी के बाद कैसे प्रतिक्रिया दें, इस पर चर्चा करेंगे। “सर्वोत्तम प्रथाएँ अभी भी विकसित हो रही हैं... हम मानते हैं कि पारदर्शिता बनाए रखना और विशेषज्ञों से संपर्क करना एक अच्छा तरीका है।”
हमने इसे थोड़ा रोक लिया... मैंने पहली बार अपने AI द्वारा प्राप्त समाधान को प्रिंट किया, और जब मैंने इसे पढ़ा, तो मैंने सोचा, ठीक है, मुझे इसे मानवीय तरीके से कैसे प्रस्तुत करना चाहिए?" टर्ट्यूरियन ने टेकक्रंच को बताया। उन्होंने कहा कि शैक्षणिक समुदाय उनसे इस परिणाम की व्याख्या की उम्मीद करेगा। "मुझे लगा कि यह मुझे एहसास दिलाता है कि AI क्या-क्या कर सकता है, इसका भार कितना है।"