System badawczy opracowany przez start-up Physical Superintelligence, wykorzystujący przypadki niepublicznego modelu antropicznego, dostarczył kompletny dowód na hipotezę Aaronsona-Ambainisa, problem matematyczny, który pozostaje otwarty od 2008 roku i dotyczy tego, kiedy komputery kwantowe mogą osiągnąć wykładniczą przewagę nad klasycznymi maszynami. Jak wynika z publikacji opublikowanej przez firmę, dowód został zaakceptowany przez asystenta Lean Proof.
Wynik, po raz pierwszy opublikowany przez „The Quantum Insider” i omówiony przez Business Insider, jest opisywany przez niezależnych badaczy jako przełom w matematyce wspomaganej sztuczną inteligencją i jeden z najbardziej znaczących wyników, jakie dotychczas przypisano pionierskiemu modelowi, który nigdy nie został upubliczniony. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Co mówi przypuszczenie
Scott Aaronson i Andris Ambainis zadali to pytanie w swojej pracy, której początki sięgają wykładu Aaronsona z 2008 roku: czy algorytm kwantowy może nadal zyskać wykładniczą przewagę, gdy otrzymywane dane wejściowe nie mają struktury, którą można wykorzystać? Najbardziej znane przyspieszenia kwantowe, takie jak algorytm faktoringu Petera Shora z 1994 r., działają, ponieważ ich dane wejściowe zawierają powtarzające się wzorce, które algorytm może wykorzystać. Pytanie Aaronsona-Ambainisa dotyczy odwrotnego przypadku – równomiernie losowych, nieustrukturyzowanych danych wejściowych, w których nie ma takich wzorców.
Aby zbadać to pytanie, badacze korzystają z modelu zapytań, który liczy, jak często algorytm uzyskuje dostęp do danych wejściowych, a nie do każdej wykonanej operacji. Klasyczny algorytm odczytuje jeden bit na zapytanie, podczas gdy zapytanie kwantowe może działać na podstawie superpozycji wielu pozycji wejściowych jednocześnie. Aaronson i Ambainis przypuszczali, że każdy ograniczony wielomian niskiego stopnia – obiekt matematyczny opisujący prawdopodobieństwo wyjścia algorytmu kwantowego po danej liczbie zapytań – musi mieć zmienną o dużym wpływie.
Jeśli to prawda, przypuszczenie sugeruje, że algorytm kwantowy tworzący T zapytań może być symulowany za pomocą klasycznego algorytmu wykonującego tylko wielomianowo wiele zapytań na większości danych wejściowych, wykluczając wykładnicze przyspieszenie w przypadku problemów nieustrukturyzowanych. Hipoteza została udowodniona, zakładając formalne stwierdzenie o wielomianach, ale samo stwierdzenie opierało się dowódowi przez 18 lat.
Jak znaleziono dowód
Jak wynika z wpisu na blogu PSI i towarzyszącego mu artykułu, system badawczy dostarczył kompletny dowód trzeciego dnia działania na własnej infrastrukturze PSI. Główne twierdzenie i sformułowanie pierwotnego założenia zostało sformalizowane w Lean 4, a jądro Lean — komponent oprogramowania, który mechanicznie weryfikuje każdy logiczny krok — zaakceptowało dowód. Następnie PSI przydzieliło otwarte problemy związane z systemem, co doprowadziło do dwukrotnego wzmocnienia wyniku, zanim ostateczna wersja została zaakceptowana.
Zarejestrowana kontrola repozytorium stwierdza, że formalny rozwój nie zawiera żadnych symboli zastępczych dowodów ani dodanych aksjomatów. Deklaracje zostały odtworzone przez jądro Leana i poprzez Lean4lean, niezależną implementację modułu sprawdzania typów Leana i komparator wykorzystujący oba jądra, zaakceptowały cztery końcowe twierdzenia. W teście kontrolnym na drugiej maszynie komparator przyjął jedno prawidłowe, małe rozwiązanie i odrzucił cztery celowo błędne.
Dowód jest zgodny ze strategią opracowaną przez matematyków Shachara Lovetta i Jiapenga Zhanga, opartą na certyfikatach ułamkowych i zbiorach poziomów, ale zastępuje nierówność pozostawioną w ich planie jako przypuszczenie nową nierównością obejmującą wszystkie pary zbudowaną na parowaniu ustawień wejściowych generowanym przez wyznaczniki — konstrukcja, według PSI, wykracza poza wcześniejszy lemat motyla Davida Reimera.
Nadzór człowieka i zweryfikowane limity
David Turturean, członek personelu technicznego PSI, opracował i zarządzał systemem badawczym, określił zakres problemu, skłonił model do spakowania pierwszego szkicu i dokonał jego przeglądu; repozytorium wskazuje go jako odpowiedzialnego za poprawność artykułu. Jim Halverson skontrolował dowód, a Phiala Shanahan skomentowała formalizację. Repozytorium ujawnia, że modele AI wygenerowały stwierdzenia matematyczne, pierwszy szkic i formalizację Lean.
Weryfikacja ma również wyraźne ograniczenia, co potwierdza dokument PSI. Czytelnik musi mimo to potwierdzić, że formalne stwierdzenie w Lean odpowiada wydrukowanym przypuszczeniom, a papier czytelny dla człowieka sam w sobie nie jest sprawdzany maszynowo. Jądro Lean, definicje biblioteki Mathlib i maszyny używane do sprawdzania pozostają częścią zaufanej bazy.
Reakcja eksperta
Oświadczenie to następuje po artykule Guya Blanca, Jordana Doctera, Carmen Strassle i Li-Yang Tana z sierpnia 2026 r., w którym ustalono konsekwencje klasycznej symulacji dla równoległych algorytmów kwantowych – wynik częściowy, który nie odpowiadał pełnym przypuszczeniom. Według PSI wszyscy czterej badacze zapoznali się z pełnym dowodem, przesłali komentarze i przygotowują krótszą prezentację skierowaną do ekspertów.
W swojej ocenie opublikowanej przez PSI naukowcy napisali: „To ogromny wynik. Rozwiązuje istniejące od kilkudziesięciu lat przypuszczenia, które mają ważne implikacje dla natury problemów, które dopuszczają przyspieszenia kwantowe. Dowód opiera się na kilku kierunkach pracy i rozszerza je w analizie funkcji boolowskich i kombinatoryce probabilistycznej. Wszystko łączy się w dość magiczny sposób”.
Co to oznacza dla obliczeń kwantowych
W badaniach obliczeń kwantowych twierdzenie zaostrza granicę między problemami, w których maszyny kwantowe mogą pomóc, a problemami, w których nie mogą. Kieruje projektantów algorytmów w stronę problemów, których matematyczna lub fizyczna struktura oferuje rzeczywiste korzyści, zamiast szukać przyspieszeń na ogólnych danych wejściowych. Wynik nie określa jednak, które aplikacje w świecie rzeczywistym zapewnią przydatne przyspieszenia, a model zapytań nie uwzględnia całej pracy potrzebnej do przetworzenia danych, więc nie ustanawia ogólnego limitu całkowitego czasu obliczeniowego ani wartości komercyjnej maszyn kwantowych.
Manuskrypt i jego formalizacja Lean 4 są publicznie dostępne w GitHub, gdzie społeczność może teraz podjąć próbę sprawdzenia zgodności między formalnym oświadczeniem a pierwotnym przypuszczeniem — jest to kolejny krok oddzielający dowód sprawdzony maszynowo od w pełni certyfikowanego.
W przypadku Anthropic odcinek ten oferuje podgląd możliwości, które nie zostały udostępnione żadnemu API: model, który wygenerował wyrażenia matematyczne, pozostaje niepubliczny, a firma nie ogłosiła, kiedy i czy zostanie dostarczony.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
