David Turturean，麻省理工学院（MIT）的应届毕业生，同时也是初创实验室Physical Superintelligence (PSI)的技术团队成员。Physical Superintelligence (PSI)利用Anthropic的Fable 5.2模型的早期访问权限，解决了一个关于量子计算的18年难题。
“我完全接受这可能是我发表的最后一篇论文的想法，”Turturean告诉TechCrunch。他原本计划推迟在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的计划，转而加入PSI。“几个月后，人们甚至会问，为什么还要发表论文呢？”
所讨论的问题是Aaronson-Ambainis猜想，涉及量子计算机比经典计算机更快解决问题的能力。提出该问题的两位研究人员之一的Scott Aaronson写道，他并不完全理解该证明，但他相信它是正确的，因为它在用于数学的编码语言Lean中实现了自动形式化，并且由与PSI共享解决方案的一支顶级研究团队解释了。
这一解决方案似乎关闭了量子计算机以高速解决某些难题的一条途径，但并非所有难题都如此。“这是一个负面结果，让人们知道，好吧，我们不再往那里找了，”Turturean说。
更广泛地说，这反映了AI问题解决给科学界带来的动荡。
“完整证明[Aaronson-Ambainis猜想]是量子查询复杂性领域中最后几个未解决的开放问题之一，而大家似乎都认为它至关重要。”Aaronson在描述自己听到这个消息时感到满意、敬畏、失望和疲惫，他写道。“老实说，我很惊讶看到它在几周前OpenAI的Mathocalypse数据集中缺失。他们肯定尝试过，所以它真的比所有已解决的问题难那么多吗？”
这是PSI模型的一个优势，该模型旨在通过专门的模型 harnesses 和脚手架来解决科学问题。
“一个有效的研究系统应该包含大量与harnesses相关的内容，以及与工具、记忆系统、模拟基础设施相关的内容，”PSI首席执行官Matt Pines告诉TechCrunch。“你需要能够真正从广度和深度上深入探究一个问题，并能够考虑各种潜在的替代方案。”
目前，该公司的收入来自于使用其工具优化数据中心，模拟热、电、水、声音等变量——“这些站点的性能及其对社区的影响都是其物理特性的直接函数。”然而，长远来看，该公司致力于将理论物理突破转化为实际技术。
“六到九个月前，当我在与投资者交谈时，我不得不努力验证那个假设，对吧？比如，‘不，不，不，相信我，很快，理论物理学将成为机器的主要领域，’”Pines说。“它还没有到达那一步，但正在路上。”
尽管如此，虽然AI已经在数学和计算机科学等领域取得了重要的解决方案，因为这些领域的问题可以用经过验证的代码来表达，但在生命科学或物理学等抽象程度较低的学科中，这样做被证明更加困难。上周，初创公司Discovered Materials发布了一项价值100万美元的大奖挑战，邀请研究人员利用AI来理解超导性和热量耗散等问题。
“归根结底，物理学与数学不同，因为它关乎现实世界……自然在你的现实模型中拥有一票否决权，”Pines说。他表示，这家初创公司专注于理解如何以最有效的方式将计算结果通过实验进行验证。
“如果这是自然界的一个真实事实，那就是你可以利用的一种技巧，”Pines说。“你可以据此制造出设备，对吧？AI提出一个想法；它让你能够实现以前无法实现的事情……因此，PSI正在构建的正是这类循环。”
随着“科学新实验室”（neolabs for science）成为潜在突破性科学的途径，参与者仍在摸索这个新世界中的标准。由于PSI必须等到Anthropic的模型几乎准备好发布时才公布其结果，他们得以与相关研究人员分享该结果，以便更好地理解它。
“作为学术界的一员，我们希望以正确的方式履行我们的角色，”东北大学（Northeastern University）教授、PSI顾问Jim Halverson说。他将于下周参加在麻省理工学院（MIT）举行的一场峰会，届时顶尖物理学家们将试图就科学发展的新速度制定回应方案。“最佳实践仍在涌现……我们认为透明化是可行的路径，联系专家也是不错的选择。”
“我们有一些时间可以沉淀思考……这是我第一次真正将我由AI启发的解决方案打印出来，并仔细阅读，然后我想，好吧，我该如何让它……更自然地呈现给人类？”Turturean告诉TechCrunch，学术圈期望他能解释这一结果。“这也让我意识到，天哪，AI所能承担的分量之重。”