PSI пытается превратить научные открытия с помощью ИИ в бизнес

Что удалось доказать

Гипотеза Ааронсона — Амбаиниса касается того, насколько быстрее квантовые компьютеры могут решать задачи по сравнению с классическими. Скотт Ааронсон, один из двух исследователей, сформулировавших проблему, признался, что пока не вполне понимает доказательство. Однако он считает его верным: решение было автоматически формализовано на языке Lean, предназначенном для математических доказательств, а затем его объяснила группа ведущих исследователей, с которыми PSI поделилась результатом.

Доказательство, по-видимому, закрывает один из возможных путей применения квантовых компьютеров для быстрого решения некоторых сложных задач, но не исключает остальные. Туртурян назвал результат отрицательным: теперь исследователи знают, что этот путь можно больше не изучать.

Он отложил планы поступить в магистратуру лаборатории компьютерных наук и ИИ MIT, чтобы присоединиться к PSI. В разговоре с TechCrunch Туртурян допустил, что это может быть его последняя научная статья: через несколько месяцев, по его словам, публикации могут утратить прежний смысл.

Ааронсон назвал доказательство одной из последних нерешённых задач в квантовой сложности запросов, важность которой признавали многие специалисты. Он написал, что новость вызвала у него одновременно удовлетворение, изумление, разочарование и усталость. Ааронсона также удивило, что задача не попала в опубликованную OpenAI несколько недель назад подборку Mathocalypse: он предположил, что её пробовали решить, и задался вопросом, почему она оказалась сложнее задач, которые вошли в подборку.

Как PSI строит исследовательскую систему

Для PSI этот результат подтверждает подход, в котором специализированные модели дополняют инструментами и другими средствами для работы над научными задачами. Гендиректор компании Мэтт Пайнс считает, что эффективной исследовательской системе нужны инструменты для работы с задачами, системы памяти и инфраструктура для симуляций. Она должна позволять изучать проблему широко и глубоко, рассматривая множество возможных решений.

Пока PSI получает выручку, используя свои инструменты для оптимизации дата-центров. Компания моделирует тепловыделение, энергопотребление, расход воды и шум — параметры, от которых зависят и работа центра, и его влияние на местное сообщество.

В перспективе PSI хочет превращать результаты теоретической физики в технологии. Пайнс рассказал, что ещё шесть-девять месяцев назад ему приходилось убеждать инвесторов: вскоре теоретическая физика станет преимущественно областью машин. По его оценке, это будущее ещё не наступило, но уже приближается.

ИИ уже помогал получать важные результаты в математике и информатике — областях, где доказательства можно выразить в коде и проверить. В менее абстрактных дисциплинах, таких как физика и науки о жизни, это даётся труднее. На прошлой неделе стартап Discovered Materials объявил конкурс с призовым фондом в $1 млн: участникам предстоит применять ИИ к задачам вроде сверхпроводимости и отвода тепла.

Пайнс объясняет разницу тем, что физика связана с реальным миром: природа может подтвердить или опровергнуть построенную модель. Поэтому PSI изучает, как эффективнее всего проверять вычислительные результаты с помощью экспериментов. Если ИИ предлагает верную закономерность природы, её можно использовать для создания устройства; компания строит рабочие циклы, связывающие идеи модели с действиями в мире.

Как меняются правила научной работы

Научные лаборатории, использующие ИИ, становятся возможным путём к новым открытиям, но правила такой работы ещё формируются. PSI пришлось отложить публикацию результата до момента, когда модель Anthropic была почти готова к выпуску. За это время команда успела показать решение профильным исследователям и лучше в нём разобраться.

Джим Халверсон, профессор Северо-Восточного университета и советник PSI, рассказал, что компания хотела действовать в соответствии с академическими нормами. На следующей неделе он собирается принять участие в саммите в MIT, где ведущие физики обсудят, как реагировать на ускорение научной работы. По словам Халверсона, лучшие практики пока только складываются; команда PSI сочла полезными открытость и обращения к экспертам.

Туртурян рассказал, что за время ожидания впервые распечатал одно из решений, предложенных ИИ, и прочитал его, пытаясь изложить результат естественнее для человека. Он понимает, что научное сообщество будет ждать от него способности объяснить доказательство, и признался, что эта работа помогла ему осознать масштаб возможностей ИИ.

По оценке Dataist, результат PSI показывает, что научный ИИ уже может участвовать в решении задач, проверяемых математическими методами. Но перенос этого подхода на физику требует экспериментов: сами вычисления ещё не подтверждают, что предложенная закономерность работает в природе.