MIT应届毕业生、初创实验室 Physical Superintelligence（PSI）技术团队成员 David Turturean 借助 Anthropic 的 Fable 5.2 模型，解决了一个已有18年历史的量子计算难题。

“我完全接受这样一种想法：这可能会是我发表的最后一篇论文，”Turturean 对 TechCrunch 说。他原本推迟了前往 MIT 著名计算机科学与人工智能实验室攻读硕士的计划，转而加入 PSI。“再过几个月，你还为什么要发表论文呢？”

这道题是 Aaronson-Ambainis 猜想，涉及量子计算机是否能比经典计算机更快地解决问题。提出这一问题的两位研究者之一 Scott Aaronson 写道，他并不完全理解这份证明，但他相信它是正确的，因为它已经被用 Lean 这一数学编码语言进行了自动形式化，并由 PSI 与之分享解决方案的一组顶尖研究人员加以解释。

这项解答似乎关闭了量子计算机以高速解决某些困难问题的一条路径，但并非全部路径。“这是一个负面结果，它让人们知道，好的，我们不再往那个方向找了，”Turturean 说。

更广泛地看，这也反映出 AI 求解问题正在给科学界带来的冲击。

“证明完整的 [Aaronson-Ambainis 猜想] 是量子查询复杂性领域最后几个仍未解决、而且大家都一致认为至关重要的问题之一，”Aaronson 写道。他表示，听到这个消息后，自己的感受包括满足、敬畏、失望和疲惫。“老实说，我很惊讶几周前 OpenAI 的 Mathocalypse 汇总里没有它。它们肯定试过了，所以它真的比所有那些已被解决的问题难很多吗？”

这也为 PSI 的模式提供了支持：通过专门的模型编排与支撑系统来解决科学问题。

PSI 首席执行官 Matt Pines 对 TechCrunch 说：“一个有效的研究系统应该有很多与编排层相关的东西，很多与工具、记忆系统、模拟基础设施相关的东西。你要能够真正从广度和深度上去攻克一个问题，并且能够考虑各种潜在替代方案。”

目前，公司收入来自用其工具优化数据中心，模拟热量、电力、水、噪音等变量——“这些站点的性能以及它们对社区的影响，都是其物理特性的直接函数。”不过，从长期看，公司希望把理论物理突破转化为实际技术。

“六到九个月前，当我和投资人交流时，我还得费点劲去验证那个条件，对吧？比如说，‘不不不，相信我，很快理论物理就会主要属于机器。’”Pines 说，“现在还没到那一步，但它正在路上。”

不过，尽管 AI 已经在数学和计算机科学等可以用可验证代码表达的问题上取得了重要成果，但在生命科学或物理学这类抽象程度较低的学科中，要做到这一点仍然更困难。上周，初创公司 Discovered Materials 发布了一项100万美元的挑战赛，面向使用 AI 研究超导和热耗散等问题的研究人员。

“归根结底，物理和数学不同，因为它面对的是现实世界……自然会对你关于现实的模型投票，”Pines 说。他表示，这家初创公司专注于研究如何以最高效的方式把计算结果与实验验证结合起来。

“如果它确实是自然界的一个真实事实，那就是一种你可以利用的技巧，”Pines 说。“你可以据此造出一个装置，对吧？AI 提出一个想法；它让你能够在现实世界里做出以前做不到的事情……所以这些都是 PSI 正在构建的循环。”

随着“科学领域的 neolabs”成为可能带来突破性科学成果的路径，参与者仍在摸索这个新世界的标准。由于 PSI 必须等到 Anthropic 的模型接近发布时才公布结果，他们得以把成果分享给相关研究人员，以便更好地理解它。

“作为一名学者，我们希望在把事情做对这件事上尽到自己的角色，”为 PSI 提供建议的东北大学教授 Jim Halverson 说。他下周将前往 MIT 参加一场峰会，届时领先物理学家将尝试就科学节奏加快后的应对方式进行讨论。“最佳实践仍在形成中……我们认为，保持透明是个好办法，联系专家也是个好办法。”

“我们有一些时间把它先放一放……这是我第一次把自己通过 AI 得到的解决方案拿去印出来，然后我读了一遍，心想，好吧，我该怎么把它……更自然地呈现给人类？”Turturean 对 TechCrunch 说。他表示，学术界会期待他能够解释这一结果。“我觉得这也让我意识到，天哪，AI 能做到的事情分量有多重。”