PSI در تلاش است تا با اکتشافات علمی مبتنی بر هوش مصنوعی، تجارتی ایجاد کند

دیوید تورتوران، فارغالتحصیل اخیر MIT و یکی از اعضای کادر فنی آزمایشگاه استارتآپ فوق هوش فیزیکی (PSI)، از دسترسی اولیه به مدل Anthropic’s Fable 5.2 برای حل استفاده کرد یک مشکل 18 ساله در مورد محاسبات کوانتومی
Turturean که برنامههای خود برای ادامه تحصیل در مقطع کارشناسی ارشد در آزمایشگاه معتبر علوم کامپیوتر و هوش مصنوعی MIT را برای پیوستن به PSI به تعویق انداخت، به TechCrunch گفت: «من کاملاً این ایده را میپذیرم که ممکن است این آخرین مقالهای باشد که تا کنون منتشر کردهام. “چند ماه دیگر، مثلاً، چرا حتی یک کاغذ چاپ می کنید؟”
مسئله مورد بحث، حدس آرونسون-آمباینیس، به توانایی رایانههای کوانتومی برای حل سریعتر مسائل از رایانههای کلاسیک مربوط میشود. اسکات آرونسون، یکی از دو محققی که این مشکل را مطرح کردند، می نویسد که او کاملاً اثبات را نمیفهمد، اما معتقد است که درست است، زیرا به صورت خودکار در Lean، یک زبان برنامهنویسی برای ریاضیات، رسمیت یافته است. توضیح داد توسط تیمی از محققان برتر که PSI راه حل را با آنها به اشتراک گذاشته است.
به نظر می رسد راه حل این است که درهای راهی را که کامپیوترهای کوانتومی می توانند برای حل برخی مشکلات دشوار با سرعت بالا دنبال کنند، ببندد، اما نه همه آنها. تورتورین گفت: «این یک نتیجه منفی است که به مردم اجازه می دهد بدانند، بسیار خوب، ما دیگر به آنجا نگاه نمی کنیم.
به طور گسترده تر، منعکس کننده تحول در دنیای علمی ناشی از حل مشکلات هوش مصنوعی است.
«مدرک کامل [Aaronson-Ambainis conjecture] یکی از آخرین مشکلات باز باقی مانده در پیچیدگی پرس و جوی کوانتومی بود که به نظر میرسید همه موافق بودند که اهمیت مرکزی دارد، آرونسون، که خود را احساس رضایت، شگفتزده، ناامید و خسته از این خبر توصیف میکرد، نوشت: «راستش از اینکه چند هفته پیش دیدم که چند هفته پیش در رونمایی Mathocalypse OpenAI گم شده بود، شگفتزده شدم. مطمئناً آنها آن را امتحان کردند، پس آیا واقعاً از همه مشکلاتی که حل شد بسیار سخت تر بود؟»
این یک نکته به نفع مدل PSI است که حل مشکلات علمی با مهارها و داربست های مدل تخصصی است.
مت پانز، مدیرعامل PSI به TechCrunch گفت: «یک نوع سیستم تحقیقاتی مؤثر باید چیزهای زیادی مرتبط با مهارها، ابزارها، سیستمهای حافظه، زیرساختهای شبیهسازی داشته باشد. “شما می خواهید بتوانید واقعاً به دنبال یک مشکل در وسعت و عمق باشید و بتوانید طیف گسترده ای از جایگزین های بالقوه را در نظر بگیرید.”
در حال حاضر، درآمد این شرکت از استفاده از ابزارهای خود برای بهینهسازی مراکز داده، شبیهسازی متغیرهای گرما، برق، آب، صدا به دست میآید – «که عملکرد آن سایت و همچنین تأثیر آن بر جامعه تابع مستقیمی از فیزیک آن است». با این حال، بازی طولانی، پیشرفت های فیزیک نظری را به فناوری های واقعی تبدیل می کند.
پینز گفت: “شش تا نه ماه پیش، زمانی که با سرمایه گذاران صحبت می کردم، انگار مجبور بودم برای اعتبار بخشیدن به این مشروط تلاش کنم، درست است؟ مانند “نه، نه، نه، به من اعتماد کنید، به زودی، فیزیک نظری بیشتر حوزه ماشین ها خواهد بود.” “و هنوز آنجا نیست، اما در راه است.”
با این حال، در حالی که هوش مصنوعی ادعا کرده است که راه حل های مهمی در زمینه هایی مانند ریاضیات و علوم کامپیوتر وجود دارد که امکان بیان آنها در کدهای معتبر وجود دارد، انجام این کار در رشته های کمتر انتزاعی مانند علوم زیستی یا فیزیک دشوارتر شده است. هفته گذشته، استارتآپ Discovered Materials یک چالش بزرگ یک میلیون دلاری را برای محققانی که از هوش مصنوعی برای درک مشکلاتی مانند ابررسانایی و اتلاف گرما استفاده میکنند، منتشر کرد.
پینز گفت: «در پایان روز، فیزیک با ریاضی متفاوت است، زیرا دنیای واقعی است… طبیعت در مدلهای واقعیت شما رأی میآورد». او گفت این استارتاپ بر درک چگونگی گرفتن نتایج محاسباتی و اعتبارسنجی آنها با آزمایشات به کارآمدترین روش ممکن متمرکز است.
Pines گفت: “اگر این یک واقعیت واقعی از طبیعت است، این ترفندی است که می توانید از آن بهره برداری کنید.” “شما می توانید یک دستگاه از آن بسازید، درست است؟ هوش مصنوعی ایده ای را پیشنهاد می کند؛ این به شما امکان می دهد کاری را در دنیایی انجام دهید که قبلاً قادر به انجام آن نبودید … و بنابراین هر یک از اینها نوعی حلقه هستند که PSI در حال ساختن است.”
از آنجایی که «نئوآلبها برای علم» به مسیری برای علم بالقوه پیشگام تبدیل میشوند، شرکتکنندگان هنوز در حال کشف استانداردهای این دنیای جدید هستند. از آنجایی که PSI باید نتایج خود را تا زمانی که مدل آنتروپیک تقریباً آماده انتشار میشد، حفظ میکرد، آنها توانستند آن را با محققان مربوطه به اشتراک بگذارند تا آن را بهتر درک کنند.
جیم هالورسون، استاد دانشگاه نورث ایسترن که به PSI مشاوره می دهد، گفت: «به عنوان یک دانشگاهی، ما می خواستیم نقش خود را در انجام کارها به روش صحیح ایفا کنیم. او هفته آینده در نشستی در MIT شرکت خواهد کرد که در آن فیزیکدانان برجسته سعی خواهند کرد پاسخی به سرعت جدید علم ارائه دهند. “بهترین شیوه ها هنوز در حال ظهور هستند… ما فهمیدیم که شفافیت راه خوبی است و تماس با کارشناسان راه خوبی است.”
ما زمان داشتیم تا روی آن بنشینیم … و این اولین باری بود که من در واقع یکی از راه حل های استخراج شده با هوش مصنوعی را چاپ کردم و آن را مطالعه کردم و فکر کردم، خوب، چگونه می توانم کاری کنم که این … به طور طبیعی برای یک انسان ارائه شود؟ Turturean، که گفت جامعه دانشگاهی از او انتظار دارد که بتواند نتیجه را توضیح دهد، به TechCrunch گفت. و فکر میکنم این باعث شد که بفهمم، خدای من، سنگینی آنچه هوش مصنوعی میتواند انجام دهد.»
وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

