استارتاپ PSI با مدل هوش مصنوعی Anthropic مسأله ۱۸ ساله محاسبه کوانتومی را حل کرد

استارتاپ Physical Superintelligence (PSI) با بهره‌گیری از دسترسی پیش‌وقت به مدل Fable ۵.۲ شرکت Anthropic، موفق شده است حدس آارونسون-آمباینز (Aaronson-Ambainis conjecture) — یک مسأله بازده ۱۸ ساله در محاسبه کوانتومی — را حل کند. دیوید تورتورین (David Turturean)، فارغ‌التحصیل تازه MIT و عضو تیم فنی PSI، این اثبات را با کمک مدل هوش مصنوعی انجام داده و نتیجه را به اسکات آارونسون (Scott Aaronson)، یکی از دو محقق پیشین مسأله، ارائه کرده است. آارونسون اگرچه اثبات را به طور کامل درک نکرده، اما به دلیل رسمی‌سازی خودکار در زبان Lean و تأیید محققان ارشد، صحت آن را پذیرفته است. این خبر ابتدا توسط TechCrunch گزارش شده است.

جزئیات

حدس آارونسون-آمباینز مربوط به توانایی کامپیوترهای کوانتومی برای حل مسائلی سریع‌تر از کامپیوترهای کلاسیک است. حل این حدس یک «نتیجه منفی» محسوب می‌شود، یعنی یکی از مسیرهای پیشنهادی برای رسیدن به سرعت‌بخشی کوانتومی در مسائلی خاص منتفی شده است. تورتورین می‌گوید: «این نتیجه به مردم می‌گوید که دیگر در آن جهت نگاه نکنند.»

PSI از مدل Fable ۵.۲ Anthropic که هنوز به طور عمومی منتشر نشده، استفاده کرده است. شرکت Anthropic این مدل را به PSI برای تست اولیه در اختیار قرار داده بود. تورتورین که قصد ادامه تحصیل در آزمایشگاه CSAIL MIT را به تعویق انداخته تا به PSI بپیوندد، اظهار کرده: «من کاملاً می‌پذیرم که این ممکن است آخرین مقاله‌ای باشد که من منتشر می‌کنم. در چند ماه آینده، اصلا چرا باید مقاله منتشر کنی؟»

مات پینز (Matt Pines)، مدیرعامل PSI، مدل کسب‌وکار شرکت را این‌گونه توضیح می‌دهد: «یک سیستم تحقیق موثر باید شامل ابزارهای متنوع، سیستم‌های حافظه، زیرساخت شبیه‌سازی و... باشد. هدف این است که بتوانیم یک مسأله را از پهنه و عمق گسترده‌ای بررسی کنیم و طیف وسیعی از گزینه‌ها را ارزیابی کنیم.»

در حال حاضر درآمد PSI از بهینه‌سازی مراکز داده با شبیه‌سازی متغیرهای حرارت، برق، آب و صدا تأمین می‌شود. استراتژی بلندمدت اما تبدیل پیشرفت‌های فیزیک نظری به تکنولوژی‌های واقعی است. پینز می‌گوید: «شش تا نه ماه پیش وقتی با سرمایه‌گذاران صحبت می‌کردم، باید سعی می‌کردم آن شرط را توجیه کنم که فیزیک نظری به زودی بیشتر در اختیار ماشین‌ها خواهد بود. هنوز آنجا نرسیده‌ایم، اما در راه هستیم.»

پیشینه

Physical Superintelligence یک «نیولب برای علم» (neolab for science) است که روی حل مسائله علمی سخت با هوش مصنوعی متمرکز شده. در حالی که هوش مصنوعی در ریاضیات و علوم کامپیوتر — جایی که نتایج قابل اعتبارسنجی در کد هستند — پیشرفت‌های چشمگیری داشته، در علوم حیات و فیزیک تجربی چالش‌برانگیزتر بوده است. هفته گذشته استارتاپ Discovered Materials چالشی با جایزه ۱ میلیون دلاری برای درک سوپرهدایت و دفع حرارت با هوش مصنوعی راه‌اندازی کرد.

پینز تأکید می‌کند: «فیزیک با ریاضیات متفاوت است چون دنیای واقعی است... طبیعت رأی می‌دهد در مدل‌های واقعیت شما.» PSI روی نحوه اعتبارسنجی نتایج محاسباتی با آزمایش‌های کارآمد تمرکز دارد. «اگر یک واقعیت طبیعت باشد، این یک ترفند است که می‌توانید از آن بهره ببرید. می‌توانید یک دستگاه از آن بسازید... هوش مصنوعی یک ایده پیشنهاد می‌دهد؛ به شما اجازه می‌دهد کاری در جهان انجام دهید که قبلاً نمی‌توانستید... و هر کدام از این حلقه‌ها چیزی است که PSI در حال ساخت آن است.»

چه معنایی دارد

این رویداد نشان‌دهنده تغییر پارادایم در کشف علمی است: هوش مصنوعی تخصصی با اسکافولدینگ (scaffolding) مناسب می‌تواند مسائله‌ای را حل کند که دهه‌ها باز مانده‌اند. برای بنیان‌گذاران، سه نکته کلیدی است: اول، مزیت رقابتی در دیپ‌تک تنها با دسترسی به مدل‌های پیشرفته نیست، بلکه با ساخت ابزارهای اعتبارسنجی، حافظه و شبیه‌سازی به دور مدل حاصل می‌شود. دوم، مدل درآمد دومرحله‌ای PSI (خدمه‌سازی بهینه‌سازی مراکز داده برای جریان نقدینگی، به علاوه سرمایه‌گذاری در کشف‌های فیزیک برای ارزش بلندمدت) الگویی است برای استارتاپ‌های سخت‌افزاری و علمی که چرخه R&D طولانی دارند. سوم، استانداردهای انتشار و اعتبارسنجی در عصر «علم با هوش مصنوعی» در حال شکل‌گیری است. شفافیت، مشورت با متخصصان و ارائه اثبات به زبان رسمی (Lean) هنجارهای نوظهور هستند.