Девід Туртуреан, випускник MIT та член команди з технологій стартап-лабораторії Physical Superintelligence (PSI), вирішив квантово-обчислювальну задачу, що існувала вже 18 років, за допомогою моделі Fable 5.2 від Anthropic.
«Я повністю приймаю думку, що це може бути моя остання публікація,» — сказав Туртуреан TechCrunch. Він спочатку відтермінував свій план вступити до відомої лабораторії комп’ютерних наук та штучного інтелекту MIT для отримання ступеня магістра, а замість цього приєднався до PSI. «Що вам взагалі треба публікувати статті через кілька місяців?»
Ця задача — гіпотеза Ааронсона-Амбайніса, яка стосується того, чи можуть квантові комп’ютери розв’язувати проблеми швидше, ніж класичні. Один із дослідників, які сформулювали це питання, Скотт Ааронсон, написав, що він не повністю розуміє цей доказ, але він вірить у його правильність, оскільки він був автоматично формалізований за допомогою Lean — мови математичного кодування — і пояснений групою провідних дослідників, які поділилися розв’язанням з PSI.
Цей результат, здається, закриває один із шляхів використання квантових комп’ютерів для швидкого розв’язання певних складних проблем, але не всі. «Це негативний результат, який дає зрозуміти: добре, ми більше не будемо йти цим шляхом», — сказав Туртуреан.
У більш широкому розумінні це також відображає вплив, який розв’язання проблем за допомогою ШІ наносить науковій спільноті.
«Доведення повної [гіпотези Aaronson-Ambainis] є одним із останніх нерозв’язаних і загальноприйнятих як надзвичайно важливих питань у галузі квантової запитової складності», — написав Aaronson. Він зазначив, що після цієї новини відчув задоволення, благоговіння, розчарування та виснаження. «Чесно кажучи, я здивувався, що цього не було в збірці Mathocalypse від OpenAI кілька тижнів тому. Вони обов’язково намагалися, отже, чи дійсно воно набагато складніше за всі ті проблеми, що вже були розв’язані?»
Це також підтримує модель PSI: шляхом використання спеціалізованих моделей та підтримуючої системи для вирішення наукових задач.
Генеральний директор PSI Метт Пайнс сказав TechCrunch: «Ефективна дослідницька система повинна мати багато елементів, пов’язаних з оркестраційним шаром, багато інструментів, систем пам’яті та інфраструктури симуляцій. Ви повинні здатні справитися з проблемою як з точки зору широти, так і глибини, а також враховувати різні потенційні альтернативи».
Наразі дохід компанії походить від оптимізації центрів обробки даних за допомогою її інструментів, моделювання змінних, таких як тепло, електрика, вода, шум тощо — «показники продуктивності цих об’єктів та їх вплив на спільноти є прямою функцією їх фізичних характеристик». Однак у довгостроковій перспективі компанія прагне перетворити теоретичні фізичні прориви на практичні технології.
Шість-дев’ять місяців тому, коли я спілкувався з інвесторами, мені ще доводилося наполегливо підтверджувати цю умову, чи не так? Наприклад: «Ні-ні-ні, повірте мені, теоретична фізика дуже скоро стане переважно справою машин». — каже Пайнс. — «Зараз ми ще не досягли цього, але ми вже на шляху».
Проте, хоча ШІ вже досяг значних успіхів у таких галузях, як математика та комп’ютерні науки, де проблеми можна виразити у вигляді перевірного коду, зробити це в галузях із нижчим рівнем абстракції, таких як життєві науки або фізика, залишається складнішим. На минулому тижні стартап Discovered Materials оголосив конкурс із призовим фондом 1 мільйон доларів США для дослідників, які використовують ШІ для дослідження таких питань, як надпровідність та теплове розсіювання.
«В кінцевому рахунку, фізика відрізняється від математики, бо стикається з реальним світом… Природа сама голосує за вашу модель реальності», — сказав Пайнс. Він зазначив, що ця стартап-компанія зосереджена на дослідженні того, як найбільш ефективно поєднувати обчислювальні результати з експериментальною перевіркою.
«Якщо це справді реальний факт природи, то це трюк, яким можна скористатися», — сказав Пайнс. «Ви можете створити пристрій на основі цього, чи не так? Штучний інтелект пропонує ідею; він дозволяє вам робити в реальному світі те, що раніше було неможливо… Отже, це всі цикли, які PSI будують».
Зі з’явленням «neolabs у сфері науки» як шляху, що може призвести до проривних наукових досягнень, учасники все ще вивчають стандарти цього нового світу. Оскільки PSI має чекати, поки модель Anthropic наблизиться до запуску, щоб оприлюднити результати, вони змогли поділитися результатами з відповідними дослідниками, щоб краще їх зрозуміти.
«Як учений, ми хочемо виконати свою роль у правильному вирішенні цих питань», — сказав професор Джим Галверсон з Університету Північно-східного штату, який надає рекомендації PSI. Він наступного тижня вирушить до MIT на підсумкову конференцію, де провідні фізики спробують обговорити, як реагувати на прискорення наукового темпу. «Найкращі практики ще формуються… Ми вважаємо, що бути прозорим — це добре, і також добре звертатися до експертів».
«Ми маємо трохи часу, щоб покласти це на паузу… Це перший раз, коли я надрукував рішення, отримане за допомогою ШІ, і прочитав його, подумавши: „Гаразд, як я можу подати це людям більш природньо?”» — сказав Туртуреан TechCrunch. Він зазначив, що академічне середовище очікуватиме від нього пояснення цього результату. «Я вважаю, що це також змусило мене усвідомити: боже, який важкий вага того, що може зробити ШІ».