David Turturean 是一名刚从 MIT 毕业的学生,也是初创研究实验室 Physical Superintelligence (PSI) 的技术人员。他利用 Anthropic 的 Fable 5.2 模型早期访问权限,解决了一个存在 18 年之久的量子计算问题——Aaronson-Ambainis 猜想。解决方案通过 Lean(一种数学编程语言)自动形式化,并在 PSI 分享结果后,由一组顶尖研究人员加以解读。最初提出该问题的两位研究人员之一 Scott Aaronson 表示,他并未完全理解这份证明,但根据 Lean 形式化结果,他认为证明是正确的。这一突破反映出 AI 的问题求解能力给科学界带来的巨变。Aaronson 将这一结果称为解决了量子查询复杂度领域最后几个仍然至关重要的开放问题之一。
PSI 利用 Anthropic 模型解决存在 18 年之久的量子计算猜想
Aaronson-Ambainis 猜想涉及量子计算机比经典计算机更快解决问题的能力。Turturean 暂缓了在 MIT 知名的计算机科学与人工智能实验室攻读硕士学位的计划,转而加入 PSI。他告诉 TechCrunch,这项解决方案似乎堵上了量子计算机可能用来高速解决某些难题的一条途径。“这是一个负面结果,让人们知道,好吧,我们不再往这个方向找了,”Turturean 说。
Aaronson 写道,几周前看到这个问题没有出现在 OpenAI 的 Mathocalypse 题目集中时,他感到惊讶,并质疑它是否比那些已解决的问题更难。他说,这则消息让自己既感到满足、惊叹,也感到失望和疲惫。Turturean 告诉 TechCrunch:“我完全接受这样一种可能:这可能是我发表的最后一篇论文。再过几个月,谁还会想发表论文呢?”
PSI 通过数据中心优化服务创收
PSI 首席执行官 Matt Pines 告诉 TechCrunch,公司通过提供数据中心优化服务创收,使用工具模拟热量、电力、水和声音等变量。Pines 说:“站点的性能及其对社区的影响,直接取决于它的物理特性。”该公司的模式是通过专用的模型工具栈及配套框架解决科学问题。
“一个有效的研究系统应该包含大量与工具栈相关的内容、大量工具、记忆系统和模拟基础设施,”Pines 告诉 TechCrunch。“你需要能够广泛而深入地研究一个问题,并考虑各种可能的替代方案。”Pines 表示,公司的长期目标是将理论物理学的突破转化为实际技术。
物理学验证需要实验确认,而不仅仅是计算结果
AI 已在数学和计算机科学等领域取得了重要的解题成果,因为这些领域的成果可以用经过验证的代码来表达;但在生命科学或物理学等抽象程度较低的学科中,这样做已被证明更加困难。上周,初创公司 Discovered Materials 面向使用 AI 研究超导和热耗散等问题的研究人员,推出了一项奖金为 100 万美元的重大挑战。
“归根结底,物理学与数学不同,因为它关乎现实世界……自然界会对你构建的现实模型作出判断,”Pines 告诉 TechCrunch。他说,这家初创公司专注于研究如何以尽可能高效的方式,将计算结果通过实验验证。“如果它是自然界的真实规律,那就是一种可以利用的诀窍,”Pines 说。“你可以据此制造设备,对吧?AI 提出一个想法,让你能够在现实世界中做到以前做不到的事。”
科学界为 AI 驱动的研究制定标准
由于 PSI 将结果保留到 Anthropic 的模型即将发布时才公布,因此他们得以与相关研究人员分享结果,以便更好地理解它。为 PSI 提供建议的东北大学教授 Jim Halverson 说:“作为学者,我们希望尽到自己的责任,以正确的方式行事。”下周,他将参加 MIT 举办的峰会,届时顶尖物理学家将尝试讨论如何应对科学发展节奏的加快。
“最佳实践仍在形成中……我们认为保持透明是不错的做法,联系专家也是不错的做法,”Halverson 说。Turturean 告诉 TechCrunch:“我们有时间仔细思考这件事……这是我第一次把一个由 AI 提出的解决方案付诸文字,再读一遍,然后想:好吧,我怎样才能让它……以更自然的方式呈现给人类?”Turturean 说,学术界会希望他能够解释这一结果。
常见问题
David Turturean 使用 Anthropic 的 AI 模型解决了什么问题?
David Turturean 利用 Anthropic 的 Fable 5.2 模型早期访问权限,解决了存在 18 年之久的量子计算问题 Aaronson-Ambainis 猜想。该解决方案通过 Lean(一种数学编程语言)自动形式化,Scott Aaronson 表示,根据形式化结果,他认为证明是正确的。
PSI 如何通过其 AI 技术创收?
PSI 通过提供数据中心优化服务创收,使用工具模拟热量、电力、水和声音等变量。首席执行官 Matt Pines 表示,数据中心站点的性能及其对社区的影响直接取决于物理特性,而公司的工具正是针对这些因素发挥作用。
为什么验证 AI 驱动的物理学研究比验证数学研究更困难?
Matt Pines 解释说,物理学与数学不同,因为它涉及现实世界,自然界会对人们构建的现实模型作出判断。PSI 专注于研究如何以尽可能高效的方式,将计算结果通过实验验证,因为自然界的真实规律可以被利用来制造设备。