David Turturean, graduado do MIT e membro da equipe de tecnologia do laboratório de startups Physical Superintelligence (PSI), resolveu um problema de computação quântica com 18 anos de antiguidade utilizando o modelo Fable 5.2 da Anthropic.
“Aceito plenamente a ideia de que este pode ser o meu último artigo publicado,” disse Turturean ao TechCrunch. Ele adiou originalmente seu plano de ir para o famoso Laboratório de Ciência da Computação e Inteligência Artificial do MIT para fazer mestrado, optando por se juntar à PSI. “Daqui a alguns meses, por que você ainda precisaria publicar um artigo?”
Este problema é a conjectura de Aaronson-Ambainis, que envolve se computadores quânticos podem resolver problemas mais rapidamente do que computadores clássicos. Um dos dois pesquisadores que propuseram essa questão, Scott Aaronson, escreveu que não compreende completamente a prova, mas acredita que ela está correta, pois foi formalizada automaticamente usando o Lean, uma linguagem de codificação matemática, e explicada por um grupo de pesquisadores líderes que compartilharam a solução com o PSI.
Essa resposta parece fechar um caminho para computadores quânticos resolverem certos problemas difíceis rapidamente, mas não todos os caminhos. “É um resultado negativo que informa às pessoas: ‘ok, não vamos mais procurar nessa direção’,” disse Turturean.
Em uma perspectiva mais ampla, isso também reflete o impacto que a resolução de problemas por IA está causando na comunidade científica.
“Provar a conjectura completa de Aaronson-Ambainis é um dos últimos poucos problemas não resolvidos, e amplamente considerados cruciais, na área de complexidade de consultas quânticas,” escreveu Aaronson. Ele afirmou que, ao ouvir a notícia, sentiu satisfação, admiração, decepção e cansaço. “Sinceramente, fiquei surpreso de que isso não estivesse na compilação Mathocalypse da OpenAI há algumas semanas. Eles certamente tentaram, então será que ele é realmente muito mais difícil do que todos aqueles problemas já resolvidos?”
Isso também apoia o modelo PSI: resolver problemas científicos por meio de orquestração e sistema de suporte especializados.
Matt Pines, CEO da PSI, disse ao TechCrunch: “Um sistema de pesquisa eficaz deve ter muitas coisas relacionadas à camada de orquestração, muitas relacionadas a ferramentas, sistemas de memória e infraestrutura de simulação. Você precisa ser capaz de abordar verdadeiramente um problema em termos de amplitude e profundidade, considerando várias alternativas potenciais.”
Atualmente, a receita da empresa provém da otimização de data centers com suas ferramentas, simulando variáveis como calor, eletricidade, água, ruído etc.—“o desempenho desses locais e seu impacto sobre a comunidade são funções diretas de suas características físicas.” No entanto, a longo prazo, a empresa deseja transformar avanços da física teórica em tecnologias práticas.
“Seis a nove meses atrás, quando eu conversava com investidores, ainda precisava me esforçar para validar essa condição, certo? Por exemplo, ‘Não, não, acredite em mim, em breve a física teórica será principalmente da responsabilidade das máquinas.’” diz Pines, “Ainda não chegamos lá, mas estamos a caminho.”
No entanto, embora a IA já tenha alcançado avanços significativos em problemas como matemática e ciência da computação, que podem ser expressos por código verificável, ainda é mais difícil fazer isso em disciplinas menos abstratas, como ciências da vida ou física. Na semana passada, a startup Discovered Materials lançou um desafio de US$ 1 milhão voltado para pesquisadores que utilizam IA para estudar problemas como supercondutividade e dissipação térmica.
“No final das contas, a física é diferente da matemática porque lida com o mundo real... a natureza votará em seus modelos sobre a realidade,” disse Pines. Ele afirmou que a startup se concentra em pesquisar como combinar resultados computacionais com validação experimental da maneira mais eficiente possível.
“Se for realmente um fato da natureza, é uma técnica que você pode aproveitar,” disse Pines. “Você pode criar um dispositivo com base nisso, certo? A IA propõe uma ideia; ela permite que você faça no mundo real coisas que antes não eram possíveis… então todos esses são ciclos que o PSI está construindo.”
À medida que o "neolabs no campo da ciência" se torna um caminho possível para resultados científicos revolucionários, os participantes ainda estão explorando os padrões desse novo mundo. Como a PSI precisa aguardar até que os modelos da Anthropic estejam próximos de serem lançados para divulgar os resultados, eles conseguem compartilhar as descobertas com pesquisadores envolvidos para melhor compreendê-las.
“Como acadêmicos, queremos desempenhar nosso papel em fazer as coisas corretamente,” disse o professor Jim Halverson da Northeastern University, que aconselha a PSI. Ele viajará na próxima semana ao MIT para participar de uma conferência onde principais físicos discutirão como responder ao aceleramento do ritmo científico. “As melhores práticas ainda estão sendo definidas... Achamos que manter a transparência é uma boa abordagem, assim como se conectar com especialistas.”
“Tivemos algum tempo para deixar isso de lado por enquanto… Foi a primeira vez que imprimi uma solução que obtive por meio da IA e, ao lê-la, pensei: ‘Certo, como posso apresentar isso de forma mais natural para os humanos?’”, disse Turturean ao TechCrunch. Ele afirmou que a comunidade acadêmica esperaria que ele explicasse esse resultado. “Acho que isso também me fez perceber: ‘Nossa, qual é o peso do que a IA pode fazer.’”