David Turturean, lulusan MIT dan anggota tim teknologi laboratorium startup Physical Superintelligence (PSI), berhasil menyelesaikan masalah komputasi kuantum yang telah ada selama 18 tahun dengan memanfaatkan model Fable 5.2 dari Anthropic.
"Saya sepenuhnya menerima gagasan bahwa ini mungkin akan menjadi makalah terakhir yang saya terbitkan," kata Turturean kepada TechCrunch. Ia awalnya menunda rencana untuk melanjutkan studi magister di Laboratorium Ilmu Komputer dan Kecerdasan Buatan terkenal di MIT, dan beralih bergabung dengan PSI. "Dalam beberapa bulan lagi, mengapa Anda masih perlu menerbitkan makalah?"
Soal ini adalah dugaan Aaronson-Ambainis, yang membahas apakah komputer kuantum dapat menyelesaikan masalah lebih cepat daripada komputer klasik. Salah satu peneliti yang mengajukan pertanyaan ini, Scott Aaronson, menulis bahwa ia tidak sepenuhnya memahami bukti ini, tetapi ia percaya itu benar karena telah diformalkan secara otomatis menggunakan Lean, bahasa pemrograman matematis, dan dijelaskan oleh sekelompok peneliti terkemuka yang berbagi solusi tersebut dengan PSI.
Jawaban ini tampaknya menutup salah satu jalur untuk menyelesaikan masalah-masalah sulit tertentu dengan kecepatan tinggi menggunakan komputer kuantum, tetapi bukan semua jalur. “Ini adalah hasil negatif yang memberi tahu kita, baiklah, kita tidak lagi mencari ke arah itu,” kata Turturean.
Dari perspektif yang lebih luas, ini juga mencerminkan dampak yang ditimbulkan oleh AI dalam menyelesaikan masalah terhadap dunia ilmiah.
“Membuktikan dugaan [Aaronson-Ambainis] merupakan salah satu dari beberapa masalah terakhir yang belum terpecahkan di bidang kompleksitas kueri kuantum, dan secara luas dianggap sangat penting,” tulis Aaronson. Ia menyatakan bahwa reaksinya terhadap berita ini mencakup kepuasan, kekaguman, kekecewaan, dan kelelahan. “Jujur saja, saya terkejut bahwa masalah ini tidak muncul di ringkasan Mathocalypse OpenAI beberapa minggu lalu. Mereka pasti sudah mencobanya, jadi apakah masalah ini benar-benar jauh lebih sulit daripada semua masalah lain yang sudah terpecahkan?”
Ini juga mendukung pola PSI: dengan menggunakan orkestrasi model khusus dan sistem pendukung untuk menyelesaikan masalah ilmiah.
PSI CEO Matt Pines mengatakan kepada TechCrunch: "Sistem penelitian yang efektif harus memiliki banyak hal terkait lapisan orkestrasi, banyak hal terkait alat, sistem memori, dan infrastruktur simulasi. Anda harus mampu benar-benar menyelesaikan masalah dari segi luas dan kedalaman, serta mempertimbangkan berbagai alternatif potensial."
Saat ini, pendapatan perusahaan berasal dari pengoptimalan pusat data menggunakan alat-alatnya, mensimulasikan variabel-variabel seperti panas, listrik, air, kebisingan, dan lainnya—“kinerja situs-situs ini serta dampaknya terhadap komunitas adalah fungsi langsung dari sifat fisiknya.” Namun, dalam jangka panjang, perusahaan berharap dapat mengubah terobosan fisika teoretis menjadi teknologi nyata.
Enam hingga sembilan bulan lalu, ketika saya berbicara dengan investor, saya masih harus bersusah payah memvalidasi kondisi itu, kan? Misalnya, 'Tidak, tidak, percayalah, fisika teoretis akan segera menjadi milik mesin.'” kata Pines, “Sekarang belum sampai ke sana, tapi sedang dalam perjalanan.”
Namun, meskipun AI telah mencapai kemajuan signifikan dalam masalah-masalah seperti matematika dan ilmu komputer yang dapat dinyatakan dalam kode yang dapat diverifikasi, mencapai hal yang sama dalam disiplin ilmu seperti ilmu kehidupan atau fisika yang kurang abstrak tetap lebih sulit. Pekan lalu, perusahaan rintisan Discovered Materials meluncurkan tantangan senilai 1 juta dolar AS bagi para peneliti yang menggunakan AI untuk meneliti masalah seperti superkonduktivitas dan disipasi panas.
"Pada akhirnya, fisika berbeda dari matematika karena ia menghadapi dunia nyata... alam akan memberikan suara terhadap model Anda tentang realitas," kata Pines. Ia menyatakan bahwa perusahaan rintisan ini berfokus pada penelitian cara menggabungkan hasil komputasi dengan verifikasi eksperimen secara paling efisien.
“Jika itu memang fakta nyata di alam, maka itu adalah trik yang bisa Anda manfaatkan,” kata Pines. “Anda bisa membuat perangkat berdasarkan itu, kan? AI mengusulkan sebuah ide; itu memungkinkan Anda melakukan hal-hal yang sebelumnya tidak mungkin dilakukan di dunia nyata… Jadi semua ini adalah siklus yang sedang dibangun oleh PSI.”
Seiring dengan “neolabs di bidang ilmiah” menjadi jalur yang berpotensi menghasilkan temuan ilmiah revolusioner, para peserta masih mencari tahu standar dunia baru ini. Karena PSI harus menunggu hingga model Anthropic hampir dirilis sebelum mengumumkan hasilnya, mereka dapat membagikan temuan tersebut kepada para peneliti terkait untuk memahaminya dengan lebih baik.
“Sebagai seorang akademisi, kami ingin memainkan peran kami dalam melakukan hal-hal dengan benar,” kata Profesor Jim Halverson dari Northeastern University yang memberikan saran kepada PSI. Ia akan pergi ke MIT minggu depan untuk menghadiri sebuah puncak, di mana fisikawan terkemuka akan membahas cara merespons percepatan ritme ilmiah. “Praktik terbaik masih terbentuk... Kami percaya bahwa menjaga transparansi adalah cara yang baik, begitu pula dengan berkomunikasi dengan para ahli.”
“Kami punya waktu untuk menunda dulu hal ini… Ini pertama kalinya saya mencetak solusi yang saya dapatkan dari AI, lalu membacanya dan berpikir, baiklah, bagaimana cara saya menyajikannya kepada manusia dengan lebih alami?” kata Turturean kepada TechCrunch. Ia menyatakan bahwa akademisi akan mengharapkan dirinya menjelaskan hasil ini. “Saya rasa ini juga membuat saya menyadari, Tuhan, betapa besar dampak yang bisa dilakukan AI.”