La startup de IA Physical Superintelligence (PSI) afirma que el investigador David Turturean usó acceso anticipado al modelo Fable 5.2 de Anthropic para resolver la conjetura de Aaronson-Ambainis, una pregunta sobre si las computadoras cuánticas pueden resolver ciertos problemas más rápido que las clásicas. El resultado es negativo: muestra que una vía hacia esas aceleraciones es un callejón sin salida, aunque no todas las vías lo sean.

Un laboratorio emergente impulsado por IA afirma que sus herramientas resolvieron un problema de computación cuántica de 18 años, y el investigador que realizó el trabajo dice que el resultado podría ser el último artículo que publique de la manera tradicional.

¿Qué resolvieron PSI y el modelo de Anthropic?

David Turturean, recién graduado del MIT y miembro del equipo técnico de Physical Superintelligence (PSI), usó acceso anticipado al modelo Fable 5.2 de Anthropic para resolver la conjetura de Aaronson-Ambainis. El problema trata sobre si las computadoras cuánticas pueden resolver ciertos problemas más rápido que las clásicas. Turturean aplazó sus planes de cursar una maestría en el laboratorio de ciencias de la computación e IA del MIT para unirse a PSI.

“Acepto totalmente la idea de que este podría ser el último artículo que publique”, dijo Turturean a TechCrunch. “En unos meses, ¿para qué publicarías un artículo?”

Scott Aaronson, uno de los dos investigadores que plantearon originalmente el problema, dijo que no entiende completamente la demostración. Aun así, cree que es correcta. La demostración fue autoformalizada en Lean, un lenguaje de programación para matemáticas, y un equipo de investigadores de primer nivel la revisó después de que PSI les compartiera la solución.

¿Por qué importa el resultado en computación cuántica?

El resultado cierra una puerta. Muestra que una vía que las computadoras cuánticas podrían seguir para resolver ciertos problemas difíciles a gran velocidad es un callejón sin salida, pero no descarta todas las vías de ese tipo. “Es un resultado negativo que permite saber: bueno, ya no estamos buscando por ahí”, dijo Turturean.

Aaronson afirmó que sintió una mezcla de emociones con la noticia, y se describió como satisfecho, asombrado, decepcionado y cansado. En su informe, señaló que una demostración completa de la conjetura era uno de los últimos problemas abiertos importantes en la complejidad de consultas cuánticas que los investigadores consideraban fundamentales. Dijo que le sorprendió que no apareciera en una reciente lista de problemas resueltos publicada por OpenAI. “Seguramente lo intentaron, ¿entonces era realmente tan difícil en comparación con todos los problemas que sí se resolvieron?”, escribió.

El episodio fortalece la propuesta de PSI. La empresa apuesta a que resolver problemas científicos requiere sistemas especializados de arneses y andamiaje de modelos, y no solo un sistema de propósito general. “Un sistema de investigación eficaz debería tener muchos elementos relacionados con los arneses, muchos relacionados con las herramientas, sistemas de memoria e infraestructura de simulación”, dijo a TechCrunch Matt Pines, director ejecutivo de PSI. “Quieres poder abordar un problema en amplitud y profundidad, y considerar una amplia gama de alternativas potenciales”.

Por ahora, la empresa gana dinero usando sus herramientas para optimizar centros de datos. Su software simula variables de calor, energía, agua y sonido, donde, en palabras de Pines, “el desempeño de ese sitio, así como su impacto en la comunidad, son una función directa de su física”. El objetivo a largo plazo es convertir los avances de la física teórica en tecnologías reales.

Pines dijo que hace poco era más difícil vender esta propuesta. “Hace seis a nueve meses, cuando hablaba con inversionistas, tenía que esforzarme un poco para validar esa condición, ¿sabes?”, comentó. “Y todavía no está ahí, pero va en camino”.

La IA ya ha producido soluciones notables en matemáticas y ciencias de la computación, donde los resultados pueden expresarse y verificarse como código. Las ciencias de la vida y la física son más difíciles. La semana pasada, la startup Discovered Materials lanzó un desafío de investigación con premio de 1 millón de dólares para investigadores que usan IA para abordar problemas como la superconductividad y la disipación de calor.

¿Cómo verifica PSI los resultados generados por IA frente a la realidad?

Pines afirmó que la física plantea un tipo de verificación distinto al de las matemáticas. “Al final del día, la física es diferente de las matemáticas porque ocurre en el mundo real… la naturaleza tiene la última palabra sobre tus modelos de la realidad”, dijo. PSI se concentra en encontrar la forma más eficiente de tomar resultados computacionales y validarlos mediante experimentos.

Pines describió ese proceso como un ciclo de retroalimentación. “Si es un hecho verdadero de la naturaleza, es un truco que puedes explotar”, dijo. “Podrías construir un dispositivo con eso, ¿no? La IA sugiere una idea; te permite hacer algo en el mundo que antes no podías hacer… y cada uno de esos es un ciclo que PSI está construyendo”.

A medida que surgen los llamados “neolaboratorios para la ciencia” como un camino hacia investigaciones con potencial para avances importantes, el campo aún está definiendo sus reglas. PSI mantuvo en reserva su resultado hasta que el modelo de Anthropic estuvo casi listo para su lanzamiento, lo que le dio a la empresa tiempo para compartirlo con investigadores relevantes.

Jim Halverson, profesor de la Universidad Northeastern que asesora a PSI, dijo que la empresa quería manejar el resultado de forma responsable. “Como académicos, queríamos cumplir nuestro papel haciendo las cosas de la manera correcta”, afirmó. Halverson asistirá la próxima semana a una cumbre en el MIT, donde físicos destacados planean discutir cómo responder al ritmo acelerado de la ciencia. “Las mejores prácticas aún se están desarrollando… Consideramos que la transparencia es un buen camino, y que contactar a expertos también lo es”.

Turturean dijo que el trabajo lo obligó a repensar su propio proceso. Afirmó que tuvo tiempo para revisar la solución antes de hacerla pública, y que fue la primera vez que imprimió una de sus soluciones asistidas por IA y la leyó completa. Comentó que comenzó a pensar cómo presentarla de una forma que una persona pudiera seguir. “Y creo que también me hizo darme cuenta de: Dios mío, el peso de lo que la IA puede hacer”.

Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.