PSI 用 Fable 5.2 早期版本证明了 18 年悬而未决的 Aaronson-Ambainis 猜想

David Turturean 是 MIT 的应届毕业生，也是初创实验室 Physical Superintelligence（PSI）的技术人员。他借助 Anthropic Fable 5.2 模型的早期访问权限，解决了一个困扰量子计算领域 18 年的难题。

“我完全接受这可能是我发表的最后一篇论文，”Turturean 对 TechCrunch 说。他为了加入 PSI，推迟了去 MIT 顶尖的计算机科学与人工智能实验室读硕士的计划。“再过几个月，比如说，你干嘛还要发论文？”

这个问题就是 Aaronson-Ambainis 猜想，它关乎量子计算机能否比经典计算机更快地解决问题。提出该问题的两位研究者之一 Scott Aaronson 写道，他并不完全理解这个证明，但相信它是正确的，因为它已在 Lean（一种用于数学的编程语言）中完成了自动形式化，并由 PSI 分享过结果的一组顶尖研究人员做了解释。

这个结论似乎堵上了量子计算机高速求解某些难题的一条途径，但并非所有途径。“这是一个否定性的结果，让人们知道，好，我们不再往那里找了，”Turturean 说。

更广泛地看，这反映出 AI 解题给科学界带来的剧变。

“完整证明（Aaronson-Ambainis 猜想）是量子查询复杂度中所剩无几、且大家似乎都认为至关重要的开放问题之一，”Aaronson 写道，他形容自己对这一消息感到满足、敬畏、失望又疲惫。“说实话，几周前 OpenAI 那批‘数学末日’成果里没有它，我挺意外的。他们肯定试过，难道它真的比那些已解决的问题难那么多吗？”

这一点有利于 PSI 的模式：用专门的模型 harness 和脚手架来解决科学问题。

“一个有效的研究系统，应该有大量和 harness、工具、记忆系统、仿真基础设施相关的东西，”PSI CEO Matt Pines 对 TechCrunch 说。“你要能在广度和深度上真正去攻一个问题，并能考虑大量可能的备选方案。”

目前，公司的收入来自用自家工具优化数据中心：模拟热量、电力、水和噪声等变量，“一个站点的性能及其对社区的影响，直接取决于它的物理特性”。不过，长远目标是把理论物理突破转化为真正的技术。

“六到九个月前，我跟投资人聊的时候，我得费点劲去论证这个前提，就是说，‘不不不，相信我，很快理论物理就会主要由机器来做了’，”Pines 说。“现在还没到那一步，但正在路上。”

不过，虽然 AI 已经在数学和计算机科学这类能用可验证代码表达结论的领域取得了重要成果，但在生命科学或物理这类抽象程度较低的学科中做到这一点要困难得多。上周，初创公司 Discovered Materials 发起了一项 100 万美元的大奖挑战，面向用 AI 研究超导和散热等问题的研究人员。

“归根结底，物理和数学不一样，因为它是真实世界……大自然会对你的现实模型投出它的一票，”Pines 说。他表示，公司专注于弄清楚如何以最高效的方式用实验去验证计算结果。

“如果它是大自然的真实规律，那就是一个你可以利用的诀窍，”Pines 说。“你可以用它造出一个装置，对吧？AI 提出一个想法，让你能在现实世界里做到以前做不到的事……这每一个都是 PSI 正在搭建的闭环。”

随着“面向科学的新型实验室”成为可能带来突破性科学的一条路径，参与者们仍在摸索这个新世界的标准。由于 PSI 必须把结果压到 Anthropic 的模型临近发布时才公开，他们得以先与相关研究人员分享，以便更好地理解它。

“作为学者，我们希望以正确的方式尽到自己的责任，”为 PSI 提供咨询的东北大学教授 Jim Halverson 说。下周他将参加在 MIT 举行的一场峰会，顶尖物理学家们将在会上商讨如何应对科学的新节奏。“最佳实践仍在形成中……我们认为透明是好办法，联系专家也是好办法。”

“我们有一段时间可以先压着它……那是我第一次把自己用 AI 引导出的解法打印出来，从头读一遍，然后想，好，我怎样才能把它……以对人更自然的方式呈现出来？”Turturean 说，他表示学术界会期待他能把这个结果讲清楚。“我想这也让我意识到，天哪，AI 能做的事情分量有多重。”