Sistem riset sing dikembangake dening Superintelligence Fisik wiwitan, nggunakake model Anthropic non-umum, wis ngasilake bukti lengkap babagan konjektur Aaronson-Ambainis, masalah matematika sing wis mbukak wiwit 2008 lan kuwatir nalika komputer kuantum bisa entuk kaluwihan eksponensial tinimbang mesin klasik. Bukti kasebut ditampa dening asisten bukti Lean, miturut kertas sing dikirim sacara umum dening perusahaan kasebut.
Asil kasebut, pisanan dilaporake dening The Quantum Insider lan diliputi dening Business Insider, diterangake dening peneliti independen minangka landmark kanggo matematika sing dibantu AI - lan salah sawijining output sing paling penting sing durung ana gandhengane karo model perbatasan sing durung nate diluncurake menyang umum. For more context on this story, see our ongoing AI industry coverage.
Apa Sing Dikandhakake
Scott Aaronson lan Andris Ambainis nuduhke pitakonan ing karya nelusuri bali menyang kuliah 2008 dening Aaronson: apa algoritma kuantum isih entuk keuntungan eksponensial nalika input sing ditampa ora duwe struktur kanggo eksploitasi? Percepatan kuantum sing paling misuwur, kaya algoritma pemfaktoran Peter Shor 1994, bisa digunakake amarga input kasebut nggawa pola bola-bali sing bisa dimanfaatake dening algoritma. Pitakonan Aaronson-Ambainis alamat kasus ngelawan - seragam acak, input unstructured ngendi pola kuwi absen.
Kanggo nyinaoni pitakonan kasebut, peneliti nggunakake model pitakon, sing ngitung sepira kerepe algoritma ngakses input tinimbang saben operasi sing ditindakake. Algoritma klasik maca siji bit saben query, nalika query kuantum bisa tumindak ing superposition saka akeh posisi input bebarengan. Aaronson lan Ambainis ngira yen saben polinomial tingkat rendah sing diwatesi - obyek matematika sing nggambarake kemungkinan output algoritma kuantum sawise sawetara pitakon - kudu duwe variabel sing duwe pengaruh banget.
Yen bener, konjektur kasebut nuduhake yen algoritma kuantum sing nggawe pitakon T bisa disimulasikan dening algoritma klasik sing mung nggawe akeh pitakon ing pirang-pirang input, sing ngilangi kacepetan eksponensial kanggo masalah sing ora terstruktur. Konjektur kasebut dibuktekake kanthi asumsi pernyataan resmi babagan polinomial, nanging pernyataan kasebut dhewe wis nolak bukti sajrone 18 taun.
Kepiye Buktine Ditemukake
Miturut postingan blog PSI lan makalah sing dilampirake, sistem riset kasebut ngasilake bukti lengkap sajrone dina katelu mlaku ing infrastruktur PSI dhewe. Teorema utama lan formulasi saka konjektur asli diresmikake ing Lean 4, lan kernel Lean - komponen piranti lunak sing sacara mekanis verifikasi saben langkah logis - nampa bukti kasebut. PSI banjur menehi masalah mbukak sing gegandhengan karo sistem, sing mimpin kanggo nguatake asil kaping pindho sadurunge versi final ditampa.
Audit repositori sing direkam nyatakake yen pembangunan formal ora ngemot placeholder bukti lan ora ana aksioma tambahan. Pranyatan kasebut dimainake maneh liwat kernel Lean lan liwat lean4lean, implementasi independen saka pemeriksa tipe Lean, lan komparator nggunakake loro kernel nampa papat teorema pungkasan. Ing tes kontrol ing mesin kapindho, komparator nampa siji solusi cilik sing bener lan nolak papat sing sengaja salah.
Bukti nderek strategi glethakaken metu dening matématikawan Shachar Lovett lan Jiapeng Zhang, adhedhasar sertifikat pecahan lan set tingkat, nanging ngganti ketimpangan rencana sing wis ditinggalake minangka konjektur karo ketimpangan kabeh pasangan anyar dibangun ing pasangan determinant-kui saka setelan input - PSI construction ngandika ngluwihi David Reimer kang sadurungé Butterfly Lemma.
Pengawasan Manungsa lan Watesan Diverifikasi
David Turturean, anggota staf teknis PSI, ngembangake lan nglakokake sistem riset, ngrampungake masalah kasebut, njaluk model kanggo ngemas draf pertama, lan mriksa draf kasebut; gudang jeneng wong minangka tanggung jawab kanggo bener kertas kang. Jim Halverson mriksa bukti kasebut, lan Phiala Shanahan menehi komentar babagan formalisasi kasebut. Repositori kasebut nyatakake yen model AI ngasilake pernyataan matematika, draf pertama, lan formalisasi Lean.
Verifikasi uga nduweni watesan sing jelas, sing diakoni dening kertas PSI. A maca manungsa isih kudu konfirmasi sing statement resmi ing Lean cocog konjektur dicithak, lan kertas sing bisa diwaca manungsa ora dhewe mesin-dicenthang. Kernel Lean, definisi perpustakaan Mathlib, lan mesin sing digunakake kanggo mriksa tetep dadi bagian saka basis sing dipercaya.
Reaksi Pakar
Pengumuman kasebut nyusul kertas Agustus 2026 dening Guy Blanc, Jordan Docter, Carmen Strassle lan Li-Yang Tan, sing ngrampungake konsekuensi simulasi klasik kanggo algoritma kuantum paralel - asil sebagean sing mandheg saka konjektur lengkap. Miturut PSI, papat peneliti wis maca bukti lengkap, menehi komentar, lan nyiapake eksposisi sing luwih cendhek kanggo para ahli.
Ing penilaian sing diterbitake dening PSI, peneliti nulis: "Iki minangka asil sing gedhe banget. Iki ngrampungake konjektur sing wis pirang-pirang dekade kanthi implikasi penting kanggo sifat masalah sing ngakoni kacepetan kuantum. Bukti kasebut narik lan ngluwihi sawetara garis kerja ing analisis fungsi boolean lan kombinasi probabilistik. Kabeh digabungake kanthi cara sing rada magis. "
Apa Tegese kanggo Komputasi Kuantum
Kanggo riset komputasi kuantum, teorema kasebut ngasah wates antarane masalah ing ngendi mesin kuantum bisa mbantu lan masalah sing ora bisa. Iku ngarahake desainer algoritma menyang masalah sing struktur matematika utawa fisik menehi kaluwihan asli, tinimbang nggoleki kacepetan ing input umum. Asil ora, Nanging, nemtokake kang aplikasi donya nyata bakal ngirim speedups migunani, lan model pitakonan ora akun kanggo kabeh karya needed kanggo ngolah data, supaya ora netepake watesan umum ing total wektu komputasi utawa ing Nilai komersial saka mesin kuantum.
Naskah lan formalisasi Lean 4 kasebut umum ing GitHub, ing ngendi komunitas saiki bisa nyoba verifikasi pertandhingan antarane pernyataan resmi lan konjektur asli - langkah sing isih ana sing misahake bukti sing wis dicenthang mesin saka bukti sing wis disertifikasi.
Kanggo Anthropic, episode kasebut nawakake pratinjau kemampuan sing durung dirilis menyang API apa wae: model sing ngasilake pernyataan matematika tetep ora umum, lan perusahaan durung ngumumake kapan utawa bakal dikirim.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
