ਸਟਾਰਟਅੱਪ ਫਿਜ਼ੀਕਲ ਸੁਪਰਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਵਿਕਸਤ ਇੱਕ ਖੋਜ ਪ੍ਰਣਾਲੀ, ਇੱਕ ਗੈਰ-ਜਨਤਕ ਐਂਥਰੋਪਿਕ ਮਾਡਲ ਦੀਆਂ ਉਦਾਹਰਣਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਆਰੋਨਸਨ-ਅੰਬੈਨਿਸ ਅਨੁਮਾਨ ਦਾ ਇੱਕ ਪੂਰਾ ਸਬੂਤ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਇੱਕ ਗਣਿਤਕ ਸਮੱਸਿਆ ਜੋ 2008 ਤੋਂ ਖੁੱਲੀ ਹੋਈ ਸੀ ਅਤੇ ਚਿੰਤਾ ਹੈ ਕਿ ਕੁਆਂਟਮ ਕੰਪਿਊਟਰ ਕਲਾਸੀਕਲ ਮਸ਼ੀਨਾਂ ਨਾਲੋਂ ਘਾਤਕ ਫਾਇਦੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ। ਕੰਪਨੀ ਦੁਆਰਾ ਜਨਤਕ ਤੌਰ 'ਤੇ ਪੋਸਟ ਕੀਤੇ ਗਏ ਇੱਕ ਕਾਗਜ਼ ਦੇ ਅਨੁਸਾਰ, ਸਬੂਤ ਨੂੰ ਲੀਨ ਪਰੂਫ ਸਹਾਇਕ ਦੁਆਰਾ ਸਵੀਕਾਰ ਕੀਤਾ ਗਿਆ ਸੀ।
ਨਤੀਜਾ, ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਦ ਕੁਆਂਟਮ ਇਨਸਾਈਡਰ ਦੁਆਰਾ ਰਿਪੋਰਟ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਬਿਜ਼ਨਸ ਇਨਸਾਈਡਰ ਦੁਆਰਾ ਕਵਰ ਕੀਤਾ ਗਿਆ ਸੀ, ਨੂੰ ਸੁਤੰਤਰ ਖੋਜਕਰਤਾਵਾਂ ਦੁਆਰਾ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਗਣਿਤ ਲਈ ਇੱਕ ਮੀਲ-ਚਿੰਨ੍ਹ ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਣਨ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ - ਅਤੇ ਇੱਕ ਸਭ ਤੋਂ ਵੱਧ ਨਤੀਜੇ ਵਜੋਂ ਅਜੇ ਤੱਕ ਇੱਕ ਫਰੰਟੀਅਰ ਮਾਡਲ ਨੂੰ ਮੰਨਿਆ ਗਿਆ ਹੈ ਜੋ ਕਦੇ ਵੀ ਜਨਤਾ ਲਈ ਜਾਰੀ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ। For more context on this story, see our ongoing more AI stories.
ਅਨੁਮਾਨ ਕੀ ਕਹਿੰਦਾ ਹੈ
ਸਕਾਟ ਐਰੋਨਸਨ ਅਤੇ ਐਂਡਰਿਸ ਅੰਬੇਨਿਸ ਨੇ ਆਰੋਨਸਨ ਦੁਆਰਾ 2008 ਦੇ ਲੈਕਚਰ ਨੂੰ ਵਾਪਸ ਕਰਦੇ ਹੋਏ ਕੰਮ ਦਾ ਪਤਾ ਲਗਾਇਆ: ਕੀ ਇੱਕ ਕੁਆਂਟਮ ਐਲਗੋਰਿਦਮ ਅਜੇ ਵੀ ਇੱਕ ਘਾਤਕ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦਾ ਹੈ ਜਦੋਂ ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਇਨਪੁਟ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰਨ ਲਈ ਕੋਈ ਢਾਂਚਾ ਨਹੀਂ ਹੈ? ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਕੁਆਂਟਮ ਸਪੀਡਅੱਪ, ਜਿਵੇਂ ਕਿ ਪੀਟਰ ਸ਼ੌਰ ਦੇ 1994 ਦੇ ਫੈਕਟਰਿੰਗ ਐਲਗੋਰਿਦਮ, ਕੰਮ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੇ ਇਨਪੁਟਸ ਦੁਹਰਾਉਣ ਵਾਲੇ ਪੈਟਰਨ ਰੱਖਦੇ ਹਨ ਜੋ ਐਲਗੋਰਿਦਮ ਦਾ ਸ਼ੋਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ। Aaronson-Ambainis ਸਵਾਲ ਉਲਟ ਮਾਮਲੇ ਨੂੰ ਸੰਬੋਧਿਤ ਕਰਦਾ ਹੈ — ਇਕਸਾਰ ਬੇਤਰਤੀਬੇ, ਗੈਰ-ਸੰਗਠਿਤ ਇਨਪੁਟਸ ਜਿੱਥੇ ਅਜਿਹੇ ਪੈਟਰਨ ਗੈਰਹਾਜ਼ਰ ਹਨ।
ਸਵਾਲ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ, ਖੋਜਕਰਤਾ ਪੁੱਛਗਿੱਛ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਜੋ ਇਹ ਗਿਣਦਾ ਹੈ ਕਿ ਕੋਈ ਐਲਗੋਰਿਦਮ ਕਿੰਨੀ ਵਾਰ ਆਪਣੇ ਇਨਪੁਟ ਤੱਕ ਪਹੁੰਚ ਕਰਦਾ ਹੈ ਨਾ ਕਿ ਹਰ ਓਪਰੇਸ਼ਨ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਕਲਾਸੀਕਲ ਐਲਗੋਰਿਦਮ ਪ੍ਰਤੀ ਪੁੱਛਗਿੱਛ ਇੱਕ ਬਿੱਟ ਪੜ੍ਹਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਇੱਕ ਕੁਆਂਟਮ ਪੁੱਛਗਿੱਛ ਇੱਕ ਵਾਰ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਇਨਪੁਟ ਪੁਜ਼ੀਸ਼ਨਾਂ ਦੀ ਸੁਪਰਪੋਜ਼ੀਸ਼ਨ 'ਤੇ ਕੰਮ ਕਰ ਸਕਦੀ ਹੈ। ਐਰੋਨਸਨ ਅਤੇ ਅੰਬੇਨਿਸ ਨੇ ਅਨੁਮਾਨ ਲਗਾਇਆ ਕਿ ਹਰੇਕ ਬਾਊਂਡਡ ਲੋਅ-ਡਿਗਰੀ ਪੋਲੀਨੌਮੀਅਲ - ਗਣਿਤਿਕ ਵਸਤੂ ਜੋ ਕਿ ਦਿੱਤੇ ਗਏ ਸਵਾਲਾਂ ਦੇ ਬਾਅਦ ਇੱਕ ਕੁਆਂਟਮ ਐਲਗੋਰਿਦਮ ਦੀ ਆਉਟਪੁੱਟ ਸੰਭਾਵਨਾ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ - ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵੇਰੀਏਬਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਜੇਕਰ ਇਹ ਸੱਚ ਹੈ, ਤਾਂ ਅੰਦਾਜ਼ਾ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇੱਕ ਕੁਆਂਟਮ ਐਲਗੋਰਿਦਮ ਬਣਾਉਣ ਵਾਲੇ ਟੀ ਸਵਾਲਾਂ ਨੂੰ ਇੱਕ ਕਲਾਸੀਕਲ ਐਲਗੋਰਿਦਮ ਦੁਆਰਾ ਸਿਮੂਲੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਜ਼ਿਆਦਾਤਰ ਇਨਪੁਟਸ 'ਤੇ ਬਹੁਪਦ ਦੇ ਰੂਪ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਪੁੱਛਗਿੱਛਾਂ ਬਣਾਉਂਦਾ ਹੈ, ਗੈਰ-ਸੰਗਠਿਤ ਸਮੱਸਿਆਵਾਂ ਲਈ ਘਾਤਕ ਸਪੀਡਅੱਪ ਨੂੰ ਰੱਦ ਕਰਦਾ ਹੈ। ਇਹ ਅਨੁਮਾਨ ਬਹੁਪਦ ਬਾਰੇ ਇੱਕ ਰਸਮੀ ਕਥਨ ਮੰਨ ਕੇ ਸਾਬਤ ਹੋਇਆ ਸੀ, ਪਰ ਕਥਨ ਨੇ 18 ਸਾਲਾਂ ਤੱਕ ਸਬੂਤ ਦਾ ਵਿਰੋਧ ਕੀਤਾ ਸੀ।
ਸਬੂਤ ਕਿਵੇਂ ਮਿਲਿਆ
PSI ਦੇ ਬਲਾਗ ਪੋਸਟ ਅਤੇ ਇਸ ਨਾਲ ਜੁੜੇ ਪੇਪਰ ਦੇ ਅਨੁਸਾਰ, ਖੋਜ ਪ੍ਰਣਾਲੀ ਨੇ PSI ਦੇ ਆਪਣੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਦੌੜ ਦੇ ਤੀਜੇ ਦਿਨ ਦੇ ਦੌਰਾਨ ਇੱਕ ਪੂਰਾ ਸਬੂਤ ਪੇਸ਼ ਕੀਤਾ। ਲੀਨ 4 ਵਿੱਚ ਮੁੱਖ ਪ੍ਰਮੇਏ ਅਤੇ ਇਸ ਦੇ ਮੂਲ ਅਨੁਮਾਨ ਦੇ ਫਾਰਮੂਲੇ ਨੂੰ ਰਸਮੀ ਰੂਪ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਲੀਨ ਦੇ ਕਰਨਲ - ਸਾਫਟਵੇਅਰ ਕੰਪੋਨੈਂਟ ਜੋ ਮਸ਼ੀਨੀ ਤੌਰ 'ਤੇ ਹਰ ਤਰਕਪੂਰਨ ਕਦਮ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ - ਨੇ ਸਬੂਤ ਨੂੰ ਸਵੀਕਾਰ ਕੀਤਾ। PSI ਨੇ ਫਿਰ ਸਿਸਟਮ ਨਾਲ ਸਬੰਧਤ ਓਪਨ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਨਿਰਧਾਰਤ ਕੀਤਾ, ਜਿਸ ਨਾਲ ਅੰਤਮ ਸੰਸਕਰਣ ਨੂੰ ਸਵੀਕਾਰ ਕੀਤੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਦੋ ਵਾਰ ਨਤੀਜੇ ਨੂੰ ਮਜ਼ਬੂਤ ਕੀਤਾ ਗਿਆ।
ਰਿਪੋਜ਼ਟਰੀ ਦੇ ਰਿਕਾਰਡ ਕੀਤੇ ਆਡਿਟ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੈ ਕਿ ਰਸਮੀ ਵਿਕਾਸ ਵਿੱਚ ਕੋਈ ਸਬੂਤ ਪਲੇਸਹੋਲਡਰ ਨਹੀਂ ਹਨ ਅਤੇ ਨਾ ਹੀ ਕੋਈ ਜੋੜਿਆ ਗਿਆ ਹੈ। ਘੋਸ਼ਣਾਵਾਂ ਨੂੰ ਲੀਨ ਦੇ ਕਰਨਲ ਦੁਆਰਾ ਅਤੇ lean4lean ਦੁਆਰਾ ਦੁਹਰਾਇਆ ਗਿਆ ਸੀ, ਲੀਨ ਦੇ ਟਾਈਪ ਚੈਕਰ ਦਾ ਇੱਕ ਸੁਤੰਤਰ ਲਾਗੂਕਰਨ, ਅਤੇ ਦੋਨਾਂ ਕਰਨਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਇੱਕ ਤੁਲਨਾਕਾਰ ਨੇ ਚਾਰ ਅੰਤਮ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸਵੀਕਾਰ ਕੀਤਾ। ਇੱਕ ਦੂਜੀ ਮਸ਼ੀਨ 'ਤੇ ਇੱਕ ਨਿਯੰਤਰਣ ਟੈਸਟ ਵਿੱਚ, ਤੁਲਨਾਕਾਰ ਨੇ ਇੱਕ ਸਹੀ ਛੋਟੇ ਹੱਲ ਨੂੰ ਸਵੀਕਾਰ ਕੀਤਾ ਅਤੇ ਚਾਰ ਜਾਣਬੁੱਝ ਕੇ ਗਲਤ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ।
ਸਬੂਤ ਗਣਿਤ-ਸ਼ਾਸਤਰੀਆਂ ਸ਼ਚਰ ਲੋਵੇਟ ਅਤੇ ਜੀਪੈਂਗ ਝਾਂਗ ਦੁਆਰਾ ਫਰੈਕਸ਼ਨਲ ਸਰਟੀਫਿਕੇਟਾਂ ਅਤੇ ਪੱਧਰ ਸੈੱਟਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਬਣਾਈ ਗਈ ਰਣਨੀਤੀ ਦਾ ਅਨੁਸਰਣ ਕਰਦਾ ਹੈ, ਪਰ ਇੱਕ ਅਸਮਾਨਤਾ ਨੂੰ ਬਦਲਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਦੀ ਯੋਜਨਾ ਇੱਕ ਅਨੁਮਾਨ ਦੇ ਤੌਰ 'ਤੇ ਛੱਡੀ ਗਈ ਸੀ ਇੱਕ ਨਵੀਂ ਆਲ-ਪੇਅਰ ਅਸਮਾਨਤਾ ਦੇ ਨਾਲ ਇਨਪੁਟ ਸੈਟਿੰਗਾਂ ਦੀ ਇੱਕ ਨਿਰਧਾਰਕ-ਉਤਪੱਤੀ ਜੋੜੀ 'ਤੇ ਬਣਾਈ ਗਈ - ਇੱਕ ਨਿਰਮਾਣ PSI ਕਹਿੰਦਾ ਹੈ ਕਿ ਡੇਵਿਡ ਇਸ ਤੋਂ ਵੀ ਅੱਗੇ ਹੈ।
ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਸੀਮਾਵਾਂ
PSI ਦੇ ਤਕਨੀਕੀ ਸਟਾਫ਼ ਦੇ ਇੱਕ ਮੈਂਬਰ ਡੇਵਿਡ ਟਰਟੂਰਨ ਨੇ ਖੋਜ ਪ੍ਰਣਾਲੀ ਨੂੰ ਵਿਕਸਿਤ ਕੀਤਾ ਅਤੇ ਚਲਾਇਆ, ਸਮੱਸਿਆ ਦਾ ਘੇਰਾਬੰਦੀ ਕੀਤੀ, ਮਾਡਲ ਨੂੰ ਪਹਿਲਾ ਡਰਾਫਟ ਪੈਕੇਜ ਕਰਨ ਲਈ ਕਿਹਾ, ਅਤੇ ਉਸ ਡਰਾਫਟ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ; ਰਿਪੋਜ਼ਟਰੀ ਉਸ ਨੂੰ ਕਾਗਜ਼ ਦੀ ਸ਼ੁੱਧਤਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਦੱਸਦੀ ਹੈ। ਜਿਮ ਹੈਲਵਰਸਨ ਨੇ ਸਬੂਤ ਦਾ ਆਡਿਟ ਕੀਤਾ, ਅਤੇ ਫਿਆਲਾ ਸ਼ਨਾਹਨ ਨੇ ਰਸਮੀਕਰਣ 'ਤੇ ਟਿੱਪਣੀ ਕੀਤੀ। ਰਿਪੋਜ਼ਟਰੀ ਇਹ ਖੁਲਾਸਾ ਕਰਦੀ ਹੈ ਕਿ AI ਮਾਡਲਾਂ ਨੇ ਗਣਿਤਿਕ ਸਟੇਟਮੈਂਟਾਂ, ਪਹਿਲਾ ਡਰਾਫਟ ਅਤੇ ਲੀਨ ਰਸਮੀਕਰਣ ਤਿਆਰ ਕੀਤਾ।
ਤਸਦੀਕ ਦੀਆਂ ਸਪੱਸ਼ਟ ਸੀਮਾਵਾਂ ਵੀ ਹਨ, ਜਿਸ ਨੂੰ PSI ਦਾ ਪੇਪਰ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। ਇੱਕ ਮਨੁੱਖੀ ਪਾਠਕ ਨੂੰ ਅਜੇ ਵੀ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਲੀਨ ਵਿੱਚ ਰਸਮੀ ਬਿਆਨ ਛਾਪੇ ਗਏ ਅਨੁਮਾਨ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ, ਅਤੇ ਮਨੁੱਖੀ-ਪੜ੍ਹਨ ਯੋਗ ਕਾਗਜ਼ ਖੁਦ ਮਸ਼ੀਨ ਦੁਆਰਾ ਜਾਂਚਿਆ ਨਹੀਂ ਜਾਂਦਾ ਹੈ। ਲੀਨ ਦਾ ਕਰਨਲ, ਮੈਥਲਿਬ ਲਾਇਬ੍ਰੇਰੀ ਦੀਆਂ ਪਰਿਭਾਸ਼ਾਵਾਂ, ਅਤੇ ਜਾਂਚ ਲਈ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਮਸ਼ੀਨਾਂ ਭਰੋਸੇਯੋਗ ਅਧਾਰ ਦਾ ਹਿੱਸਾ ਹਨ।
ਮਾਹਿਰਾਂ ਦੀ ਪ੍ਰਤੀਕਿਰਿਆ
ਘੋਸ਼ਣਾ ਗਾਈ ਬਲੈਂਕ, ਜੌਰਡਨ ਡਾਕਟਰ, ਕਾਰਮੇਨ ਸਟ੍ਰਾਸਲੇ ਅਤੇ ਲੀ-ਯਾਂਗ ਟੈਨ ਦੁਆਰਾ ਅਗਸਤ 2026 ਦੇ ਪੇਪਰ ਦੀ ਪਾਲਣਾ ਕਰਦੀ ਹੈ, ਜਿਸ ਨੇ ਸਮਾਨਾਂਤਰ ਕੁਆਂਟਮ ਐਲਗੋਰਿਦਮ ਲਈ ਕਲਾਸੀਕਲ-ਸਿਮੂਲੇਸ਼ਨ ਨਤੀਜੇ ਦਾ ਨਿਪਟਾਰਾ ਕੀਤਾ - ਇੱਕ ਅੰਸ਼ਕ ਨਤੀਜਾ ਜੋ ਪੂਰੇ ਅਨੁਮਾਨ ਤੋਂ ਘੱਟ ਰਿਹਾ। PSI ਦੇ ਅਨੁਸਾਰ, ਸਾਰੇ ਚਾਰ ਖੋਜਕਰਤਾ ਪੂਰੇ ਸਬੂਤ ਨੂੰ ਪੜ੍ਹ ਰਹੇ ਹਨ, ਟਿੱਪਣੀਆਂ ਪ੍ਰਦਾਨ ਕਰ ਚੁੱਕੇ ਹਨ, ਅਤੇ ਮਾਹਿਰਾਂ ਦੇ ਉਦੇਸ਼ ਨਾਲ ਇੱਕ ਛੋਟਾ ਪ੍ਰਦਰਸ਼ਨ ਤਿਆਰ ਕਰ ਰਹੇ ਹਨ।
PSI ਦੁਆਰਾ ਪ੍ਰਕਾਸ਼ਿਤ ਆਪਣੇ ਮੁਲਾਂਕਣ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਲਿਖਿਆ: "ਇਹ ਇੱਕ ਬਹੁਤ ਵੱਡਾ ਨਤੀਜਾ ਹੈ। ਇਹ ਕੁਆਂਟਮ ਸਪੀਡਅਪਸ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨ ਵਾਲੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦੀ ਪ੍ਰਕਿਰਤੀ ਲਈ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵਾਂ ਦੇ ਨਾਲ ਇੱਕ ਦਹਾਕੇ ਪੁਰਾਣੇ ਅਨੁਮਾਨ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ। ਸਬੂਤ ਬੁਲੀਅਨ ਫੰਕਸ਼ਨਾਂ ਅਤੇ ਸੰਭਾਵੀ ਸੰਯੋਜਨ ਵਿਗਿਆਨ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਕੰਮ ਦੀਆਂ ਕਈ ਲਾਈਨਾਂ ਨੂੰ ਖਿੱਚਦਾ ਹੈ ਅਤੇ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ। ਸਭ ਕੁਝ ਇੱਕ ਤਰ੍ਹਾਂ ਨਾਲ ਇਕੱਠਾ ਕੀਤਾ ਗਿਆ ਹੈ।"
ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ ਲਈ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ
ਕੁਆਂਟਮ ਕੰਪਿਊਟਿੰਗ ਖੋਜ ਲਈ, ਥਿਊਰਮ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਵਿਚਕਾਰ ਸੀਮਾ ਨੂੰ ਤਿੱਖਾ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਕੁਆਂਟਮ ਮਸ਼ੀਨਾਂ ਮਦਦ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਸਮੱਸਿਆਵਾਂ ਜਿੱਥੇ ਉਹ ਨਹੀਂ ਕਰ ਸਕਦੀਆਂ। ਇਹ ਐਲਗੋਰਿਥਮ ਡਿਜ਼ਾਈਨਰਾਂ ਨੂੰ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਵੱਲ ਸੇਧਿਤ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੀ ਗਣਿਤਿਕ ਜਾਂ ਭੌਤਿਕ ਬਣਤਰ ਆਮ ਇਨਪੁਟਸ 'ਤੇ ਸਪੀਡਅੱਪ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਬਜਾਏ, ਅਸਲ ਫਾਇਦੇ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੀ ਹੈ। ਨਤੀਜਾ, ਹਾਲਾਂਕਿ, ਇਹ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰਦਾ ਹੈ ਕਿ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਕਿਹੜੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਉਪਯੋਗੀ ਸਪੀਡਅਪ ਪ੍ਰਦਾਨ ਕਰਨਗੀਆਂ, ਅਤੇ ਪੁੱਛਗਿੱਛ ਮਾਡਲ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸਾਰੇ ਕੰਮ ਲਈ ਲੇਖਾ ਨਹੀਂ ਰੱਖਦਾ, ਇਸਲਈ ਇਹ ਕੁੱਲ ਕੰਪਿਊਟਿੰਗ ਸਮੇਂ ਜਾਂ ਕੁਆਂਟਮ ਮਸ਼ੀਨਾਂ ਦੇ ਵਪਾਰਕ ਮੁੱਲ 'ਤੇ ਕੋਈ ਆਮ ਸੀਮਾ ਨਹੀਂ ਸਥਾਪਤ ਕਰਦਾ ਹੈ।
ਹੱਥ-ਲਿਖਤ ਅਤੇ ਇਸਦੀ ਲੀਨ 4 ਰਸਮੀਕਰਣ GitHub 'ਤੇ ਜਨਤਕ ਹਨ, ਜਿੱਥੇ ਭਾਈਚਾਰਾ ਹੁਣ ਰਸਮੀ ਬਿਆਨ ਅਤੇ ਅਸਲ ਅਨੁਮਾਨ ਦੇ ਵਿਚਕਾਰ ਮੇਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦਾ ਹੈ - ਬਾਕੀ ਦਾ ਕਦਮ ਜੋ ਮਸ਼ੀਨ ਦੁਆਰਾ ਜਾਂਚ ਕੀਤੇ ਸਬੂਤ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਪ੍ਰਮਾਣਿਤ ਪ੍ਰਮਾਣ ਤੋਂ ਵੱਖ ਕਰਦਾ ਹੈ।
ਐਂਥਰੋਪਿਕ ਲਈ, ਐਪੀਸੋਡ ਉਹਨਾਂ ਸਮਰੱਥਾਵਾਂ ਦਾ ਪੂਰਵਦਰਸ਼ਨ ਪੇਸ਼ ਕਰਦਾ ਹੈ ਜੋ ਕਿਸੇ ਵੀ API ਨੂੰ ਜਾਰੀ ਨਹੀਂ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ: ਗਣਿਤਕ ਸਟੇਟਮੈਂਟਾਂ ਦਾ ਉਤਪਾਦਨ ਕਰਨ ਵਾਲਾ ਮਾਡਲ ਗੈਰ-ਜਨਤਕ ਰਹਿੰਦਾ ਹੈ, ਅਤੇ ਕੰਪਨੀ ਨੇ ਇਹ ਘੋਸ਼ਣਾ ਨਹੀਂ ਕੀਤੀ ਹੈ ਕਿ ਇਹ ਕਦੋਂ ਜਾਂ ਕਦੋਂ ਭੇਜੇਗਾ।
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
