PSI 正尝试将 AI 驱动的科学发现打造成一门生意
David Turturean 是麻省理工学院的应届毕业生，也是初创实验室 Physical Superintelligence（PSI）的技术团队成员，他利用 Anthropic Fable 5.2 模型的早期访问权限，解决了一个困扰学界十八年的量子计算难题。
“我完全接受这可能是我发表的最后一篇论文的想法，”Turturean 对 TechCrunch 表示。他原本打算前往麻省理工学院著名的计算机科学与人工智能实验室攻读硕士学位，但为了加入 PSI 而推迟了这一计划。“几个月之后，比如说，你为什么还要发表论文呢？”
这个被称为 Aaronson-Ambainis 猜想的问题，涉及量子计算机能否比经典计算机更快解决某些问题的能力。提出这一猜想的两位研究者之一 Scott Aaronson 表示，他并不完全理解这份证明，但他相信这是正确的，因为该证明已在 Lean（一种用于数学的编程语言）中实现了自动形式化，并由 PSI 分享给了一批顶尖研究者，由他们对其进行了解释和确认。
这一解决方案看来关闭了量子计算机高速解决某些难题的一条路径，但并非所有路径都被堵死。“这是一个否定性结果，它让人们知道，好了，我们不必再往那个方向探索了，”Turturean 说。
更广泛地看，这一事件也折射出 AI 问题求解给科学界带来的剧烈震动。
“证明完整的 [Aaronson-Ambainis 猜想] 曾是量子查询复杂度领域公认最重要的几个悬而未决的问题之一，”Aaronson 写道，他坦言自己对这一消息既感到满足、敬畏，也有些失望和疲惫。“说实话，我很惊讶几周前 OpenAI 发布的 Mathocalypse 成果集里竟然没有这道题。他们肯定尝试过，难道这道题真的比其他已解决的问题要难得多吗？”
这恰恰印证了 PSI 模型的优势所在——该公司致力于通过专用的模型框架与支撑系统来解决科学问题。
“一个有效的研究系统应当包含大量与框架、工具、记忆系统、仿真基础设施相关的要素，”PSI 首席执行官 Matt Pines 对 TechCrunch 表示。“你需要能够真正地从广度和深度两个维度去攻克一个问题，并能够考虑范围广泛的潜在替代方案。”
目前，该公司的收入来源于利用其工具优化数据中心——模拟热量、电力、水资源、噪音等各类变量，“在那里，场站的性能以及它对周边社区的影响，直接取决于物理规律本身。”不过，公司的长远布局是将理论物理学的突破转化为实际技术。
“六到九个月前，我跟投资人交流的时候，得费不少力气才能让他们相信这个前提条件，对吧？就像是，‘不不不，相信我，用不了多久，理论物理学将主要成为机器的领地，’”Pines 说。“现在还没完全到那一步，但正在朝那个方向发展。”
尽管如此，虽然 AI 已经在数学、计算机科学等可以用经过验证的代码来表达结果的领域取得了重要突破，但在生命科学或物理学这类抽象程度较低的学科中，要做到这一点依然困难得多。上周，初创公司 Discovered Materials 发布了一项高达一百万美元的大挑战赛，面向利用 AI 研究超导性、散热等问题的研究者。
“归根结底，物理学与数学不同，因为它面对的是真实世界……大自然会对你构建的现实模型投上一票，”Pines 说。他表示，公司目前专注于研究如何以最高效的方式，将计算结果与实验验证结合起来。
“如果这是自然界的一个真实事实，那就是一个可以被利用的巧妙之处，”Pines 说。“你可以据此造出一个装置，对吧？AI 提出一个想法，它让你能够做到此前无法做到的事……所以每一个这样的环节，都是 PSI 正在构建的一个闭环。”
随着“科学新型实验室”成为可能带来突破性科学发现的新途径，各方参与者仍在摸索这个新世界的标准和规范。由于 PSI 必须等到 Anthropic 的模型接近发布才能公开这一成果，因此他们得以先将其分享给相关研究者，以便更好地理解这一结果。
“作为学术界的一员，我们希望在这件事上扮演好自己的角色，以正确的方式行事，”东北大学教授、PSI 顾问 Jim Halverson 表示。他将在下周参加麻省理工学院举行的一场峰会，届时顶尖物理学家们将尝试就科学研究的新节奏达成应对共识。“最佳实践仍在形成之中……我们认为保持透明是一个好办法，联系相关领域的专家也是一个好办法。”
“我们有一些时间可以沉淀一下……那是我第一次真正把一个由 AI 引出的解法打印出来，通读一遍，然后想，好吧，我该怎么把它用更自然的方式呈现给人类……”Turturean 对 TechCrunch 表示，他认为学术界会期待他能够亲自解释这一结果。“我想这也让我意识到，天哪，AI 能做到的事情分量有多重。”
