PSI 尝试用 AI 驱动的科学发现打造商业模式

David Turturean 是麻省理工学院（MIT）的应届毕业生，也是初创实验室 Physical Superintelligence (PSI) 的技术人员，他利用对 Anthropic 的 Fable 5.2 模型的早期访问权限，解决了一个关于量子计算的长达十八年的问题。

“我完全接受这有可能是我发表的最后一篇论文，”Turturean 对 TechCrunch 说。他原本计划去麻省理工学院知名的计算机科学与人工智能实验室攻读硕士，但为了加入 PSI 推迟了这一安排。“再过几个月，你干嘛还要发论文呢？”

这个难题就是 Aaronson-Ambainis 猜想，它关乎量子计算机能否比经典计算机更快地解决问题。提出该猜想的两位研究者之一 Scott Aaronson 写道，他自己并不完全理解这个证明，但他相信它是对的，因为该证明已在数学编程语言 Lean 中完成自动形式化，并且由 PSI 共享该解法的一组顶尖研究者解释过。

这个解法似乎堵死了量子计算机高速解决某些难题的一条路径，但并非所有路径。“这是一个否定性结果，让人们知道：好，这条路不用再找了，”Turturean 说。

更广泛地看，它折射出 AI 解题给科学界带来的震荡。

“完整证明 [Aaronson-Ambainis 猜想] 是量子查询复杂度领域最后几个悬而未决的问题之一，而且大家都认为它至关重要，”Aaronson 写道，他形容自己对这一消息的感受是满足、敬畏、失望和疲惫交织。“说实话，几周前 OpenAI 的 Mathocalypse 成果大放送里没有它，我很意外。他们肯定试过，难道它真的比那些被解决的问题都难那么多吗？”

这一点恰好支持了 PSI 的路线：用专门的模型 harness 和脚手架来攻克科学问题。

“一套有效的研究系统，应该在 harness、工具、记忆系统、仿真基础设施等方面都有大量积累，”PSI 首席执行官 Matt Pines 对 TechCrunch 说。“你要能真正从广度和深度上追击一个问题，并且能够考虑各种可能的备选方案。”

目前，公司的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对社区的影响，直接取决于其物理特性。”但长远来看，公司要做的是把理论物理的突破转化为实际技术。

“六到九个月前，我跟投资人谈的时候，还得使劲去论证这个前提，对吧？就像在说，‘不不不，相信我，很快理论物理就会主要交给机器来做，’”Pines 说。“现在还没到那一步，但正在路上。”

不过，尽管 AI 在数学和计算机科学等领域已经拿下重要成果——这些领域的成果可以用经过验证的代码表达——但在生命科学或物理学这类抽象程度较低的学科里，要做到这一点已被证明更难。上周，初创公司 Discovered Materials 发布了一项百万美元大奖赛，面向用 AI 理解超导性、散热等问题的研究者。

“归根结底，物理和数学不一样，因为它面对的是真实世界……在你构建的现实模型中，大自然是有发言权的，”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拿去做实验验证。

“如果它是自然界的一条真实规律，那就是一个你可以利用的窍门，”Pines 说。“你可以用它造出一个装置，对吧？AI 提出一个想法，让你能在现实世界里做到以前做不到的事……所以每一个这样的环节，都是 PSI 正在搭建的循环。”

随着“科学新实验室”成为通往潜在突破性科学的路径，参与者们仍在摸索这个新世界的标准是什么。由于 PSI 必须把结果压到 Anthropic 的模型接近发布时才能公开，他们得以先与相关研究人员分享，以便更好地理解这一结果。

“作为一名学者，我们希望在按正确方式做事上尽自己的一份力，”东北大学教授、PSI 顾问 Jim Halverson 说。他下周将参加麻省理工学院的一场峰会，届时顶尖物理学家将试图就科学的新节奏商讨对策。“最佳实践仍在形成中……我们认为保持透明是条好路子，联系专家也是条好路子。”

“我们有一段时间可以慢慢消化它……那是我第一次真正把自己由 AI 引出的一个解法打印出来，从头读到尾，然后想，好吧，我怎样才能让这个……以更自然的方式呈现给人？”Turturean 对 TechCrunch 说。他还表示，学术界会期望他能解释这个结果。“我觉得这也让我意识到，天哪，AI 能做到的事情分量有多重。”

当你通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。