AI pomohla startupu PSI vyřešit dlouho otevřený problém kvantových počítačů
Startup Physical Superintelligence (PSI) tvrdí, že s pomocí modelu Fable 5.2 vyřešil 18 let otevřenou otázku z oblasti kvantových výpočtů. Výsledek může uzavřít jednu z cest, jak by kvantové počítače mohly některé obtížné úlohy řešit rychleji než klasické stroje.
Osmnáct let stará otázka
David Turturean, čerstvý absolvent MIT a člen technického týmu startupu Physical Superintelligence (PSI), využil předběžný přístup k modelu Fable 5.2 od Anthropic. S jeho pomocí se podle firmy podařilo vyřešit Aaronsonovu-Ambainisovu domněnku, která se týká toho, zda kvantové počítače dokážou některé problémy řešit rychleji než počítače klasické. Otázka zůstávala otevřená 18 let.
Jde o výsledek, který neukazuje, že kvantové počítače ztratily svůj potenciál. Podle Turtureana ale uzavírá jednu konkrétní možnost, jak by mohly dosahovat vysoké rychlosti u některých náročných úloh. Významem je tedy i negativní závěr: výzkumníci mohou přestat hledat řešení právě touto cestou.
Důkaz převedli do Lean
Scott Aaronson, jeden z vědců, kteří domněnku formulovali, uvedl, že důkazu úplně nerozumí, považuje ho však za správný. Opírá se mimo jiné o to, že byl automaticky formalizován v jazyce Lean, který se používá pro matematické důkazy, a že řešení vysvětlil tým špičkových odborníků, s nimiž ho PSI sdílela.
Případ podle TechCrunch ukazuje, jak rychle může umělá inteligence měnit vědeckou práci. PSI nespoléhá jen na samotný model, ale také na specializované nástroje a systémy, které mu pomáhají problém zkoumat. Šéf firmy Matt Pines popisuje výzkumný systém jako kombinaci nástrojů, paměti, simulací a dalších částí. Cílem je prozkoumat širokou škálu možných postupů a jít do hloubky.
Od optimalizace datacenter k fyzice
PSI zatím vydělává tím, že své nástroje používá k optimalizaci datacenter. Simuluje při tom například teplo, spotřebu energie a vody nebo hluk a posuzuje, jak tyto faktory ovlivňují provoz i okolní komunitu. Dlouhodobým cílem firmy je ale přetavit průlomy v teoretické fyzice do skutečných technologií.
Pines připouští, že fyzika je pro AI obtížnější než matematika. Matematické řešení lze v některých případech ověřit kódem, zatímco ve fyzice musí výpočty odpovídat přírodě a ověření vyžaduje experimenty. PSI se proto podle něj snaží najít účinný způsob, jak počítačové výsledky testovat v praxi. Pokud AI navrhne skutečně platný poznatek o přírodě, mohl by podle firmy vést i k zařízení nebo technologii, které dosud nebylo možné vytvořit.
Vědecká pravidla se teprve tvoří
Rychlost nových objevů zároveň vyvolává otázky, jak výsledky prověřovat a zveřejňovat. PSI musela s řešením počkat, než se model blížil vydání, a mezitím ho mohla předložit relevantním vědcům. Jim Halverson z Northeastern University, který startupu radí, zdůrazňuje, že pravidla pro tento nový způsob výzkumu se stále vyvíjejí. Firma podle něj považovala za důležité jednat transparentně a obrátit se na odborníky.
Turturean uvedl, že se snažil výstup AI upravit tak, aby byl pro lidi přirozenější a srozumitelnější. Očekává se totiž, že výzkumník bude schopen svůj výsledek vysvětlit. Novinka tak staví vedle sebe dva úkoly: využít schopnosti modelů při hledání řešení a současně zajistit, aby jejich závěry dokázali lidé nezávisle posoudit.