ប្រព័ន្ធស្រាវជ្រាវដែលត្រូវបានបង្កើតឡើងដោយ Physical Superintelligence ដែលកំពុងដំណើរការដោយប្រើប្រាស់ឧទាហរណ៍នៃគំរូ Anthropic ដែលមិនមែនជាសាធារណៈ បានបង្កើតភស្តុតាងពេញលេញនៃការសន្និដ្ឋាន Aaronson-Ambainis ដែលជាបញ្ហាគណិតវិទ្យាដែលបានបើកតាំងពីឆ្នាំ 2008 និងការព្រួយបារម្ភនៅពេលដែលកុំព្យូទ័រ quantum អាចសម្រេចបាននូវគុណសម្បត្តិអិចស្ប៉ូណង់ស្យែលជាងម៉ាស៊ីនបុរាណ។ ភ័ស្តុតាងត្រូវបានទទួលយកដោយជំនួយការភ័ស្តុតាង Lean នេះបើយោងតាមកាសែតដែលបានបង្ហោះជាសាធារណៈដោយក្រុមហ៊ុន។

លទ្ធផលដែលត្រូវបានរាយការណ៍ដំបូងដោយ The Quantum Insider និងគ្របដណ្តប់ដោយ Business Insider កំពុងត្រូវបានពិពណ៌នាដោយអ្នកស្រាវជ្រាវឯករាជ្យថាជាចំណុចសំខាន់សម្រាប់គណិតវិទ្យាដែលជំនួយដោយ AI ហើយជាលទ្ធផលមួយក្នុងចំណោមលទ្ធផលដែលមានប្រយោជន៍បំផុតដែលត្រូវបានកំណត់ថាជាគំរូព្រំដែនដែលមិនដែលត្រូវបានចេញផ្សាយជាសាធារណៈ។ For more context on this story, see our ongoing more AI stories.

អ្វី​ដែល​ការ​សន្និដ្ឋាន​និយាយ

Scott Aaronson និង Andris Ambainis បានចោទជាសំណួរនៅក្នុងការតាមដានការងារត្រឡប់ទៅការបង្រៀនឆ្នាំ 2008 ដោយ Aaronson៖ តើក្បួនដោះស្រាយ Quantum នៅតែទទួលបានអត្ថប្រយោជន៍អិចស្ប៉ូណង់ស្យែល នៅពេលដែលការបញ្ចូលដែលវាទទួលបានមិនមានរចនាសម្ព័ន្ធដើម្បីកេងប្រវ័ញ្ចទេ? ការបង្កើនល្បឿនកង់ទិចដែលល្បីបំផុត ដូចជាក្បួនដោះស្រាយកត្តាឆ្នាំ 1994 របស់ Peter Shor ដំណើរការដោយសារតែធាតុចូលរបស់ពួកគេមានលំនាំដដែលៗ ដែលក្បួនដោះស្រាយអាចទាញយកប្រយោជន៍បាន។ សំណួរ Aaronson-Ambainis ដោះស្រាយករណីផ្ទុយ - ធាតុចូលចៃដន្យដែលមិនមានរចនាសម្ព័ន្ធដូចគ្នា ដែលលំនាំបែបនេះអវត្តមាន។

ដើម្បីសិក្សាសំណួរ អ្នកស្រាវជ្រាវប្រើគំរូសំណួរ ដែលរាប់ថាតើញឹកញាប់ប៉ុណ្ណាដែល algorithm ចូលប្រើការបញ្ចូលរបស់វា ជាជាងរាល់ប្រតិបត្តិការដែលវាដំណើរការ។ ក្បួនដោះស្រាយបុរាណអានមួយប៊ីតក្នុងមួយសំណួរ ខណៈពេលដែលសំណួរ quantum អាចធ្វើសកម្មភាពលើការត្រួតលើគ្នានៃមុខតំណែងបញ្ចូលជាច្រើនក្នុងពេលតែមួយ។ Aaronson និង Ambainis បានសន្និដ្ឋានថា រាល់ពហុនាមសញ្ញាប័ត្រទាបដែលមានព្រំដែន - វត្ថុគណិតវិទ្យាដែលពិពណ៌នាអំពីប្រូបាប៊ីលីតេទិន្នផលរបស់ quantum algorithm បន្ទាប់ពីសំណួរមួយចំនួន - ត្រូវតែមានអថេរដែលមានឥទ្ធិពលខ្ពស់។

ប្រសិនបើជាការពិត ការស្មានបញ្ជាក់ថា ក្បួនដោះស្រាយ quantum ដែលបង្កើតសំណួរ T អាចត្រូវបានក្លែងធ្វើដោយក្បួនដោះស្រាយបុរាណដែលបង្កើតតែពហុនាមជាច្រើនលើធាតុបញ្ចូលភាគច្រើន ដោយបដិសេធការបង្កើនល្បឿនអិចស្ប៉ូណង់ស្យែលសម្រាប់បញ្ហាដែលមិនមានរចនាសម្ព័ន្ធ។ ការស្មាន​ត្រូវ​បាន​បង្ហាញ​ឱ្យ​ឃើញ​ដោយ​សន្មត​ថា​ជា​សេចក្តីថ្លែងការណ៍​ផ្លូវការ​អំពី​ពហុនាម ប៉ុន្តែ​សេចក្តីថ្លែងការណ៍​ខ្លួន​វា​បាន​ជំទាស់​នឹង​ភស្តុតាង​អស់​រយៈពេល 18 ឆ្នាំ។

របៀបដែលភស្តុតាងត្រូវបានរកឃើញ

យោងតាមការបង្ហោះប្លក់របស់ PSI និងក្រដាសភ្ជាប់មកជាមួយ ប្រព័ន្ធស្រាវជ្រាវបានផលិតភស្តុតាងពេញលេញក្នុងអំឡុងពេលថ្ងៃទី 3 នៃការដំណើរការលើហេដ្ឋារចនាសម្ព័ន្ធផ្ទាល់ខ្លួនរបស់ PSI ។ ទ្រឹស្តីបទចម្បង និងការបង្កើតការសន្និដ្ឋានដើមរបស់វាត្រូវបានធ្វើឡើងជាផ្លូវការនៅក្នុង Lean 4 ហើយខឺណែលរបស់ Lean ដែលជាសមាសធាតុកម្មវិធីដែលផ្ទៀងផ្ទាត់ដោយមេកានិចគ្រប់ជំហានឡូជីខល - បានទទួលយកភស្តុតាង។ បន្ទាប់មក PSI បានចាត់ឱ្យប្រព័ន្ធទាក់ទងនឹងបញ្ហាបើកចំហ ដែលនាំឱ្យវាពង្រឹងលទ្ធផលពីរដង មុនពេលកំណែចុងក្រោយត្រូវបានទទួលយក។

សវនកម្មដែលបានកត់ត្រាទុករបស់ឃ្លាំងបញ្ជាក់ថា ការអភិវឌ្ឍន៍ផ្លូវការមិនមានកន្លែងដាក់ភស្តុតាង និងមិនមានបន្ថែម axioms ទេ។ សេចក្តីប្រកាសត្រូវបានចាក់ឡើងវិញតាមរយៈខឺណែលរបស់ Lean និងតាមរយៈ lean4lean ការអនុវត្តឯករាជ្យនៃកម្មវិធីត្រួតពិនិត្យប្រភេទ Lean និងអ្នកប្រៀបធៀបដែលប្រើខឺណែលទាំងពីរបានទទួលយកទ្រឹស្តីបទចុងក្រោយចំនួនបួន។ នៅក្នុងការធ្វើតេស្តត្រួតពិនិត្យលើម៉ាស៊ីនទីពីរ អ្នកប្រៀបធៀបបានទទួលយកដំណោះស្រាយតូចមួយដែលត្រឹមត្រូវមួយ ហើយបានច្រានចោលចំនួនបួនខុសដោយចេតនា។

ភ័ស្តុតាងនេះធ្វើឡើងតាមយុទ្ធសាស្ត្រដែលដាក់ចេញដោយគណិតវិទូ Shachar Lovett និង Jiapeng Zhang ដោយផ្អែកលើវិញ្ញាបនបត្រប្រភាគ និងសំណុំកម្រិត ប៉ុន្តែជំនួសវិសមភាពដែលផែនការរបស់ពួកគេបានបន្សល់ទុកជាការស្មានជាមួយនឹងវិសមភាពគូថ្មីដែលបង្កើតឡើងនៅលើការកំណត់ការផ្គូផ្គងដែលបង្កើតដោយកត្តាកំណត់នៃធាតុបញ្ចូល - សំណង់ PSI និយាយថាលើសពី David Reimer's Lem Previous Butterfly

ការត្រួតពិនិត្យរបស់មនុស្ស និងដែនកំណត់ដែលបានផ្ទៀងផ្ទាត់

លោក David Turturean សមាជិកនៃបុគ្គលិកបច្ចេកទេសរបស់ PSI បានបង្កើត និងដំណើរការប្រព័ន្ធស្រាវជ្រាវ កំណត់បញ្ហា ជំរុញឱ្យគំរូដើម្បីវេចខ្ចប់សេចក្តីព្រាងដំបូង និងពិនិត្យមើលសេចក្តីព្រាងនោះ។ ឃ្លាំងដាក់ឈ្មោះគាត់ថាជាអ្នកទទួលខុសត្រូវចំពោះភាពត្រឹមត្រូវនៃក្រដាស។ លោក Jim Halverson បានធ្វើសវនកម្មលើភស្តុតាង ហើយលោក Phiala Shanahan បានអត្ថាធិប្បាយលើការធ្វើជាផ្លូវការ។ ឃ្លាំងបង្ហាញឱ្យឃើញថា គំរូ AI ផលិតសេចក្តីថ្លែងការណ៍គណិតវិទ្យា សេចក្តីព្រាងដំបូង និងទម្រង់បែបបទ Lean ។

ការផ្ទៀងផ្ទាត់ក៏មានដែនកំណត់ច្បាស់លាស់ផងដែរ ដែលក្រដាសរបស់ PSI ទទួលស្គាល់។ អ្នកអានរបស់មនុស្សនៅតែត្រូវបញ្ជាក់ថាសេចក្តីថ្លែងការណ៍ផ្លូវការនៅក្នុង Lean ត្រូវនឹងការសន្និដ្ឋានដែលបានបោះពុម្ព ហើយក្រដាសដែលមនុស្សអាចអានបានគឺមិនត្រូវបានពិនិត្យដោយម៉ាស៊ីននោះទេ។ ខឺណែលរបស់ Lean និយមន័យនៃបណ្ណាល័យ Mathlib និងម៉ាស៊ីនដែលប្រើសម្រាប់ការត្រួតពិនិត្យនៅតែជាផ្នែកនៃមូលដ្ឋានដែលអាចទុកចិត្តបាន។

ប្រតិកម្មអ្នកជំនាញ

ការប្រកាសនេះធ្វើឡើងតាមក្រដាសខែសីហា ឆ្នាំ 2026 ដោយ Guy Blanc, Jordan Docter, Carmen Strassle និង Li-Yang Tan ដែលបានដោះស្រាយផលវិបាកនៃការក្លែងធ្វើបែបបុរាណសម្រាប់ក្បួនដោះស្រាយ quantum ស្រប ដែលជាលទ្ធផលមួយផ្នែកដែលបញ្ឈប់ការសន្និដ្ឋានពេញលេញ។ យោងទៅតាម PSI អ្នកស្រាវជ្រាវទាំងបួននាក់បាននឹងកំពុងអានភស្តុតាងពេញលេញ បានផ្តល់មតិយោបល់ និងកំពុងរៀបចំការបកស្រាយខ្លីៗសំដៅដល់អ្នកជំនាញ។

នៅក្នុងការវាយតម្លៃរបស់ពួកគេដែលបានបោះពុម្ពផ្សាយដោយ PSI អ្នកស្រាវជ្រាវបានសរសេរថា "នេះគឺជាលទ្ធផលដ៏ធំ។ វាដោះស្រាយការសន្និដ្ឋានដែលមានអាយុកាលរាប់ទសវត្សរ៍ជាមួយនឹងផលប៉ះពាល់សំខាន់ៗសម្រាប់ធម្មជាតិនៃបញ្ហាដែលទទួលស្គាល់ល្បឿនកង់ទិច។ ភស្តុតាងបង្ហាញ និងពង្រីកការងារជាច្រើនក្នុងការវិភាគមុខងារ boolean និង probabilistic combinatorics ។

តើវាមានន័យយ៉ាងណាសម្រាប់ការគណនា Quantum

សម្រាប់ការស្រាវជ្រាវ quantum computing ទ្រឹស្តីបទធ្វើឱ្យច្បាស់នូវព្រំដែនរវាងបញ្ហាដែលម៉ាស៊ីន quantum អាចជួយ និងបញ្ហាដែលពួកគេមិនអាច។ វាដឹកនាំអ្នករចនាក្បួនដោះស្រាយចំពោះបញ្ហាដែលរចនាសម្ព័ន្ធគណិតវិទ្យា ឬរូបវន្តផ្តល់នូវគុណសម្បត្តិពិតប្រាកដ ជាជាងការស្វែងរកការបង្កើនល្បឿនលើធាតុបញ្ចូលទូទៅ។ ទោះជាយ៉ាងណាក៏ដោយ លទ្ធផលមិនបានកំណត់ថាតើកម្មវិធីពិភពពិតណាមួយនឹងផ្តល់ល្បឿនដ៏មានប្រយោជន៍ ហើយគំរូសំណួរមិនរាប់បញ្ចូលការងារទាំងអស់ដែលត្រូវការដើម្បីដំណើរការទិន្នន័យ ដូច្នេះវាមិនមានដែនកំណត់ទូទៅលើពេលវេលាគណនាសរុប ឬតម្លៃពាណិជ្ជកម្មនៃម៉ាស៊ីនកង់ទិចនោះទេ។

សាត្រាស្លឹករឹត និងទម្រង់បែបបទ Lean 4 របស់វាគឺជាសាធារណៈនៅលើ GitHub ដែលឥឡូវនេះសហគមន៍អាចព្យាយាមផ្ទៀងផ្ទាត់ការផ្គូផ្គងរវាងសេចក្តីថ្លែងការណ៍ផ្លូវការ និងការសន្និដ្ឋានដើម — ជំហានដែលនៅសល់ដែលបំបែកភស្តុតាងដែលបានត្រួតពិនិត្យដោយម៉ាស៊ីនចេញពីឯកសារដែលមានការបញ្ជាក់ពេញលេញ។

សម្រាប់ Anthropic វគ្គនេះផ្តល់នូវការមើលជាមុននៃសមត្ថភាពដែលមិនត្រូវបានបញ្ចេញទៅកាន់ API ណាមួយឡើយ៖ គំរូដែលផលិតសេចក្តីថ្លែងការណ៍គណិតវិទ្យានៅតែមិនមានជាសាធារណៈ ហើយក្រុមហ៊ុនមិនបានប្រកាសថានៅពេលណា ឬថាតើវានឹងដឹកជញ្ជូននៅពេលណានោះទេ។

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →