အများသူငှာမဟုတ်သော Anthropic model ၏ဥပမာများကိုအသုံးပြု၍ startup Physical Superintelligence မှတီထွင်ထားသောသုတေသနစနစ်တစ်ခုသည် Aaronson-Ambainis အယူအဆ၏အထောက်အထားအပြည့်အစုံကို 2008 ခုနှစ်ကတည်းကဖွင့်ထားခဲ့သောသင်္ချာပုစ္ဆာတစ်ခုဖြစ်ပြီး quantum ကွန်ပျူတာများသည် classical machines များထက် exponential အားသာချက်များကိုရရှိနိုင်သည့်အခါစိုးရိမ်ပူပန်မှုများကိုထုတ်လုပ်ခဲ့သည်။ ကုမ္ပဏီမှ လူသိရှင်ကြားတင်ထားသော စာတမ်းတစ်ခုအရ Lean proof assistant မှ အထောက်အထားကို လက်ခံခဲ့သည်။

The Quantum Insider မှ ပထမဆုံး အစီရင်ခံပြီး Business Insider မှ အကျုံးဝင်သော ရလဒ်ကို လွတ်လပ်သော သုတေသီများက AI-အကူအညီသင်္ချာအတွက် အထင်ကရအဖြစ် ဖော်ပြခြင်းဖြစ်သည် — နှင့် အကျိုးဆက်အရှိဆုံး ရလဒ်များထဲမှ တစ်ခုသည် အများပြည်သူသို့ မထုတ်ပြန်ဖူးသော နယ်နိမိတ်ပုံစံတစ်ခုကြောင့်ဟု သတ်မှတ်ခံရသေးသည်။ For more context on this story, see our ongoing artificial intelligence updates.

အယူအဆက ဘာပြောလဲ။

Scott Aaronson နှင့် Andris Ambainis တို့သည် Aaronson ၏ 2008 ဟောပြောပွဲသို့ အလုပ်ခြေရာခံခြင်းတွင် မေးခွန်းထုတ်ခဲ့သည်- ကွမ်တမ် အယ်လဂိုရီသမ်တစ်ခုသည် ၎င်းရရှိသောထည့်သွင်းမှုတွင် အမြတ်ထုတ်ရန်ဖွဲ့စည်းပုံမရှိသည့်အခါ ကိန်းဂဏန်းအားသာချက်ကို ဆက်လက်ရရှိနိုင်ပါသလား။ Peter Shor ၏ 1994 Factoring algorithm ကဲ့သို့ လူသိများသော ကွမ်တမ်အရှိန်မြှင့်မှုများသည် ၎င်းတို့၏ သွင်းအားစုများမှ ထပ်ခါတလဲလဲ အသုံးချနိုင်သော အယ်လဂိုရီသမ်ပုံစံများကို သယ်ဆောင်လာသောကြောင့် အလုပ်လုပ်ပါသည်။ Aaronson-Ambainis မေးခွန်းသည် ဆန့်ကျင်ဘက်ဖြစ်ရပ်ကို ကိုင်တွယ်ဖြေရှင်းသည် — ထိုပုံစံများမရှိသည့်နေရာတွင် တူညီသောကျပန်း၊ ပုံစံမကျသော ထည့်သွင်းမှုများ။

မေးခွန်းကိုလေ့လာရန်၊ သုတေသီများသည် ၎င်းလုပ်ဆောင်မှုတိုင်းထက် algorithm သည် ၎င်း၏ထည့်သွင်းမှုကို မည်မျှဝင်ရောက်လေ့ရှိသည်ကို ရေတွက်သည့် query model ကိုအသုံးပြုသည်။ classical algorithm သည် query တစ်ခုလျှင် bit ကိုဖတ်ပြီး quantum query သည် input position များစွာ၏ superposition ကို တစ်ပြိုင်နက် လုပ်ဆောင်နိုင်သော်လည်း၊ Aaronson နှင့် Ambainis တို့သည် ပေးထားသော မေးခွန်းများစွာပြီးနောက် ကွမ်တမ် အယ်လဂိုရီသမ်၏ အထွက်ဖြစ်နိုင်ခြေကို ဖော်ပြသည့် သင်္ချာဆိုင်ရာ အရာတိုင်းတွင် — သြဇာကြီးမားသော ကိန်းရှင်တစ်ခု ရှိရမည်ဖြစ်သည်ဟု Aaronson နှင့် Ambainis တို့က ခန့်မှန်းထားသည်။

မှန်ပါက၊ T queries များပြုလုပ်သည့် ကွမ်တမ် အယ်လဂိုရီသမ်ကို သွင်းအားစုအများစုတွင် queries အများအပြားကို ကိန်းဂဏန်းများစွာဖြင့်သာ ကိန်းဂဏန်းများဖြင့်သာ ပြုလုပ်သည့် classical algorithm ဖြင့် အတုယူနိုင်သည်ဟု အဓိပ္ပာယ်ဖွင့်ဆိုထားသည်။ ကိန်းဂဏန်းများအကြောင်း တရားဝင်ထုတ်ပြန်ချက်တစ်ခုဟု ယူဆရသည့် အယူအဆကို သက်သေပြခဲ့သော်လည်း အဆိုပါထုတ်ပြန်ချက်ကိုယ်တိုင်က ၁၈ နှစ်ကြာ သက်သေပြရန် ငြင်းဆိုခဲ့သည်။

အထောက်အထားဘယ်လိုရှာတွေ့လဲ။

PSI ၏ ဘလော့ဂ်ပို့စ်နှင့် ပါ၀င်သော စာတမ်းအရ PSI ၏ ကိုယ်ပိုင်အခြေခံအဆောက်အအုံကို လုပ်ဆောင်ခြင်း၏ သုံးရက်မြောက်နေ့တွင် သုတေသနစနစ်သည် အထောက်အထားအပြည့်အစုံကို ထုတ်လုပ်ခဲ့သည်။ ပင်မသီအိုရီနှင့် မူရင်းယူဆချက်၏ ဖော်မြူလာကို Lean 4 တွင် တရားဝင်ပြုလုပ်ခဲ့ပြီး ယုတ္တိဗေဒခြေလှမ်းတိုင်းကို စက်ပိုင်းဆိုင်ရာစစ်ဆေးသည့် ဆော့ဖ်ဝဲလ်အစိတ်အပိုင်း— Lean ၏ kernel သည် သက်သေကိုလက်ခံခဲ့သည်။ ထို့နောက် PSI သည် နောက်ဆုံးဗားရှင်းကို လက်ခံခြင်းမပြုမီ ရလဒ်ကို နှစ်ကြိမ်ခိုင်မာစေရန် ဦးဆောင်ပေးသည့် စနစ်နှင့်ပတ်သက်သည့် အဖွင့်ပြဿနာများကို တာဝန်ပေးအပ်ခဲ့သည်။

တရားဝင်ဖွံ့ဖြိုးတိုးတက်မှုတွင် အထောက်အထားနေရာချထားသူများနှင့် ထပ်လောင်း axioms များမပါဝင်ကြောင်း သိုလှောင်မှု၏ မှတ်တမ်းတင်ထားသော စာရင်းစစ်တွင် ဖော်ပြထားသည်။ ကြေငြာချက်များကို Lean ၏ kernel မှတဆင့် ပြန်လည်ပြသခဲ့ပြီး lean4lean မှတဆင့်၊ Lean ၏ အမျိုးအစားစစ်ဆေးသည့် သီးခြားအကောင်အထည်ဖော်မှုတစ်ခုနှင့် kernels နှစ်ခုလုံးကို အသုံးပြုသည့် နှိုင်းယှဉ်သူသည် နောက်ဆုံးသီအိုရီလေးခုကို လက်ခံခဲ့သည်။ ဒုတိယစက်တွင် ထိန်းချုပ်စမ်းသပ်မှုတစ်ခုတွင်၊ နှိုင်းယှဉ်သူသည် မှန်ကန်သော အဖြေလေးတစ်ခုကို လက်ခံခဲ့ပြီး တမင်မှားနေသော လေးခုကို ပယ်ချခဲ့သည်။

အထောက်အထားများသည် သင်္ချာပညာရှင် Shachar Lovett နှင့် Jiapeng Zhang တို့၏ အပိုင်းကိန်း လက်မှတ်များနှင့် အဆင့်များပေါ်တွင် အခြေခံ၍ ချမှတ်ထားသော မဟာဗျူဟာကို လိုက်နာသော်လည်း၊ ၎င်းတို့၏ အစီအစဉ်တွင် ကျန်ခဲ့သော မညီမျှမှုကို မှန်းဆထားသည့် အတွဲအားလုံး မညီမျှမှုအသစ်ဖြင့် အဆုံးအဖြတ်ပေးသော input ဆက်တင်များပေါ်တွင် တည်ဆောက်ထားသော အတွဲများဖြစ်သည် — ဆောက်လုပ်ရေး PSI မှ David Reimer's Lem အစောပိုင်းတွင် Lem Butterfly ထက်ကျော်လွန်သွားသည်ဟု ဆိုသည်။

လူသားကြီးကြပ်မှုနှင့် စိစစ်ထားသော ကန့်သတ်ချက်များ

PSI ၏ နည်းပညာဆိုင်ရာ ဝန်ထမ်းအဖွဲ့ဝင် David Turturean သည် သုတေသနစနစ်အား တီထွင်ပြီး လုပ်ဆောင်ကာ ပြဿနာကို အတိုင်းအတာတစ်ခုအထိ သတ်မှတ်ကာ မော်ဒယ်ကို ပထမမူကြမ်းကို ထုပ်ပိုးရန် လှုံ့ဆော်ပေးကာ ထိုမူကြမ်းကို ပြန်လည်သုံးသပ်ခဲ့သည်။ သိမ်းဆည်းရေးဌာနသည် စာရွက်၏မှန်ကန်မှုအတွက် တာဝန်ရှိသည်ဟု အမည်ပေးသည်။ Jim Halverson သည် သက်သေကို စစ်ဆေးခဲ့ပြီး Phiala Shanahan မှ တရားဝင်ခွင့်ပြုချက်အပေါ် မှတ်ချက်ပေးခဲ့သည်။ AI မော်ဒယ်များသည် သင်္ချာဆိုင်ရာ ထုတ်ပြန်ချက်များ၊ ပထမမူကြမ်းနှင့် Lean တရားဝင်ပြုလုပ်ခြင်းတို့ကို ထုတ်လုပ်ခဲ့ကြောင်း သိုလှောင်မှုတွင် ထုတ်ဖော်ပြသခဲ့သည်။

စိစစ်ခြင်းတွင် PSI ၏စာတမ်းက အသိအမှတ်ပြုထားသော တိကျသောကန့်သတ်ချက်များလည်းရှိသည်။ လူသားစာဖတ်သူသည် Lean ရှိတရားဝင်ထုတ်ပြန်ချက်သည် ပုံနှိပ်ထားသောယူဆချက်နှင့်ကိုက်ညီကြောင်း အတည်ပြုရမည်ဖြစ်ပြီး၊ လူသားဖတ်နိုင်သောစာရွက်ကို စက်ဖြင့်စစ်ဆေးခြင်းမဟုတ်ပါ။ Lean ၏ kernel၊ Mathlib စာကြည့်တိုက်၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်များနှင့် စစ်ဆေးရန်အတွက် အသုံးပြုသည့် စက်များသည် ယုံကြည်စိတ်ချရသော အခြေခံ၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် ကျန်ရှိနေပါသည်။

ကျွမ်းကျင်သောတုံ့ပြန်မှု

Guy Blanc၊ Jordan Docter, Carmen Strassle နှင့် Li-Yang Tan တို့၏ ဂန္တဝင်-ပုံစံတူခြင်းအကျိုးဆက်ကို မျဉ်းပြိုင်ကွမ်တမ် အယ်လဂိုရီသမ်များအတွက် ဂန္ထဝင်မြောက်သည့်ပုံစံကို ဖြေရှင်းပေးသည့် 2026 ခုနှစ်သြဂုတ်လထုတ် စာတမ်းတွင် ထွက်ပေါ်လာသော ရလဒ်ဖြစ်သည်။ PSI ၏ အဆိုအရ သုတေသီ လေးဦးစလုံးသည် သက်သေ အပြည့်အစုံကို ဖတ်ရှုပြီး မှတ်ချက်များ ပေးခဲ့ကြပြီး ကျွမ်းကျင်သူများ အတွက် ရည်ရွယ်၍ တိုတောင်းသော ထုတ်ဖော်ချက် တစ်ခုကို ပြင်ဆင်နေပါသည်။

PSI မှထုတ်ဝေသော ၎င်းတို့၏အကဲဖြတ်မှုတွင် သုတေသီများက "ဒါက ကြီးမားတဲ့ရလဒ်တစ်ခုပါ။ ကွမ်တမ်အရှိန်မြှင့်ခြင်းကိုလက်ခံတဲ့ပြဿနာတွေရဲ့သဘောသဘာဝအတွက် အရေးကြီးတဲ့သက်ရောက်မှုတွေကို ဆယ်စုနှစ်များစွာကြာထင်မြင်ယူဆချက်တွေကို ဖြေရှင်းပေးနိုင်ပါတယ်။ သက်သေပြချက်က boolean functions နဲ့ probabilistic ပေါင်းစပ်ပေါင်းစပ်ထားတဲ့ ဖြစ်နိုင်ခြေတွေကို ခွဲခြမ်းစိတ်ဖြာရာမှာ အလုပ်များစွာကို ချဲ့ထွင်ထားပါတယ်။ အရာအားလုံးကို မှော်ဆန်တဲ့နည်းလမ်းနဲ့ ပေါင်းစပ်ထားပါတယ်။"

ကွမ်တမ်ကွန်ပြူတာအတွက် ဘာကိုဆိုလိုလဲ။

ကွမ်တမ် ကွန်ပြူတာ သုတေသနအတွက်၊ သီအိုရီသည် ကွမ်တမ်စက်များ အကူအညီပေးနိုင်သည့် ပြဿနာများနှင့် ၎င်းတို့ မစွမ်းဆောင်နိုင်သော ပြဿနာများကြား နယ်နိမိတ်ကို ထက်မြက်စေသည်။ ၎င်းသည် သင်္ချာ သို့မဟုတ် ရုပ်ပိုင်းဆိုင်ရာတည်ဆောက်ပုံသည် ယေဘုယျထည့်သွင်းမှုများတွင် အရှိန်မြှင့်ခြင်းကိုရှာဖွေခြင်းထက် စစ်မှန်သောအားသာချက်များကိုပေးဆောင်သည့် အယ်လဂိုရီသမ်ဒီဇိုင်နာများကို လမ်းညွှန်ပေးသည်။ သို့သော် ရလဒ်သည် မည်သည့် real-world application မှ အသုံးဝင်သော speedups များကို ပေးဆောင်မည်ကို မဆုံးဖြတ်ထားဘဲ၊ query model သည် data process အတွက် လိုအပ်သော အလုပ်အားလုံးအတွက် ထည့်မတွက်ထားသောကြောင့် စုစုပေါင်း computing time သို့မဟုတ် quantum machines ၏ စီးပွားရေးတန်ဖိုးအပေါ် ယေဘုယျကန့်သတ်ချက်မရှိပါ။

လက်ရေးစာမူနှင့် ၎င်း၏ Lean 4 တရားဝင်စာကြောင်းကို GitHub တွင် အများသူငှာ အသုံးပြုနိုင်ပြီဖြစ်ပြီး၊ ယခုအခါ အဆိုပါအသိုင်းအဝိုင်းသည် တရားဝင်ထုတ်ပြန်ချက်နှင့် မူရင်းယူဆချက်ကြားကိုက်ညီမှုကို အတည်ပြုရန် ကြိုးပမ်းနိုင်သည် — အပြည့်အဝအသိအမှတ်ပြုထားသောစက်မှ အထောက်အထားတစ်ခုနှင့် စက်စစ်ဆေးထားသော အထောက်အထားကို ပိုင်းခြားထားသည့် ကျန်အဆင့်ဖြစ်သည်။

Anthropic အတွက်၊ အပိုင်းသည် မည်သည့် API တွင်မှ ထုတ်ပြန်ထားခြင်းမရှိသေးသည့် စွမ်းရည်များကို အစမ်းကြည့်ရှုပေးသည်- သင်္ချာဆိုင်ရာထုတ်ပြန်ချက်များအား ထုတ်လုပ်သည့်ပုံစံသည် အများသူငှာမဟုတ်သေးဘဲ မည်သည့်အချိန်တွင် တင်ပို့မည်ကို ကုမ္ပဏီက ထုတ်ပြန်ကြေညာခြင်းမရှိပေ။

---

Stay Ahead of AI

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

Read more AI news →