مدل معرفی‌نشده آنتروپیک یک معمای ۱۸ ساله رایانش کوانتومی را سه‌روزه حل کرد
مدل معرفی‌نشده آنتروپیک یک معمای ۱۸ ساله رایانش کوانتومی را سه‌روزه حل کرد
شرکت PSI با به‌کارگیری یک مدل معرفی‌نشده از آنتروپیک، حدس ۱۸ ساله آرونسون-امباینیس در زمینه محدودیت‌ها و برتری‌های رایانش کوانتومی را اثبات کرد.
هوش مصنوعی به‌تازگی در حل یکی از بزرگ‌ترین پرسش‌های بی‌پاسخ در حوزه محاسبات کوانتومی نقش‌آفرینی کرده است. شرکت پژوهشی «Physical Superintelligence» یا PSI اعلام کرده با استفاده از یک مدل معرفی‌نشده از شرکت آنتروپیک، موفق شده «حدس آرونسون-امباینیس» (Aaronson-Ambainis) را اثبات کند؛ فرضیه‌ای بنیادین که در واقع یک حدس علمی اثبات‌نشده از سال ۲۰۰۸ بود و به شرایط دستیابی رایانه‌های کوانتومی به سرعت بسیار بالاتر نسبت به سیستم‌های سنتی اختصاص داشت.
این آزمایشگاه با توسعه یک سامانه پژوهشی مجهز به مدل آنتروپیک، توانست ظرف ۳ روز این حدس را اثبات و به گفته خود، یکی از بنیادین‌ترین ابهامات این حوزه را برطرف کند. «دیوید تورتوریان»، از اعضای کادر فنی PSI، رهبری این کار، توسعه سیستم، تعریف مسئله، اجرای روند و بازبینی صحت مقاله را برعهده داشته است، هرچند هویت دقیق این مدل محرمانه هنوز مشخص نیست و آنتروپیک نیز به درخواست‌ها برای اظهار نظر پاسخی نداده است.
ابعاد علمی اثبات حدس آرونسون-امباینیس در رایانش کوانتومی
به گفته شرکت PSI، این اثبات نشان می‌دهد سرعت خارق‌العاده رایانه‌های کوانتومی همیشگی نیست و فقط در مسائل خاصی که ساختار ریاضی ویژه‌ای دارند رخ می‌دهد؛ موضوعی که نشان‌دهنده وجود محدودیت‌هایی در این رایانه‌ها است.
مسئله «آرونسون-امباینیس» مشخص می‌کند که رایانه‌های معمولی چقدر می‌توانند رفتار سیستم‌های کوانتومی را شبیه‌سازی کنند. براساس این یافته جدید، رایانه‌های معمولی هم می‌توانند بسیاری از این محاسبات کوانتومی را با سرعتی معقول اجرا کنند، بدون اینکه نیاز به توان پردازشی سرسام‌آور داشته باشند. البته این موضوع به این معنا نیست که رایانه‌های کوانتومی بی‌فایده هستند؛ آنها همچنان در کارهای خاص و مهمی مثل شکستن کدهای ریاضی و تجزیه اعداد بزرگ (با الگوریتم‌هایی مانند الگوریتم شور) عملکرد بسیار سریع‌تری نسبت به رایانه‌های معمولی دارند.
درستی منطقی این اثبات ریاضی توسط نرم‌افزار تخصصی Lean تأیید شده است؛ ابزاری که نه‌تنها نسخه اولیه، بلکه دو ویرایش بهبودیافته بعدی را هم پذیرفته است. بااین‌حال، این نتیجه هنوز ارزیابی و داوری کامل دانشگاهی را پشت سر نگذاشته است. پژوهشگران دانشگاه استنفورد این دستاورد را «نتیجه‌ای عظیم» توصیف کرده‌اند و اکنون درحال آماده‌سازی نسخه‌ای خلاصه‌تر هستند تا دیگر متخصصان نیز بتوانند آن را به‌طور دقیق بررسی کنند. شرکت PSI نیز تأکید کرده که تثبیت نهایی این موفقیت، به بررسی موشکافانه جامعه دانشگاهی بستگی دارد تا مشخص شود این راه‌حل دقیقاً با خود صورت‌مسئله همخوانی دارد یا خیر.
این دستاورد جدیدترین مورد از پیشرفت هوش مصنوعی در ریاضیات محسوب می‌شود؛ چنان‌که در ماه سپتامبر نیز شرکت OpenAI مدعی حل معادلات ناویر-استوکس شده بود که یکی از عمیق‌ترین مسائل مرزهای ریاضی با قدمت ۹۰ ساله محسوب می‌شود. نفوذ هوش مصنوعی در ریاضیات همچنین گمانه‌زنی‌های گسترده‌ای را در میان متخصصان درباره آینده این رشته رقم زده است. «ترنس تائو»، استاد برجسته ریاضیات در دانشگاه کالیفرنیا، لس‌آنجلس (UCLA)، ماه گذشته اعلام کرده بود که «عصر رمانتیک» ریاضیات به پایان رسیده و اگرچه وارد دورانی هیجان‌انگیز از قابلیت‌های تازه شده‌ایم، چیزهایی نیز در این میان از دست می‌روند. این شرایط دانشجویان را نیز با تردید روبه‌رو کرده است؛ طبق نظرسنجی پژوهشگران دانشگاه ام‌آی‌تی، ۷۶ درصد از دانشجویان تحصیلات تکمیلی و پژوهشگران پسادکتری گفته‌اند بعید است پس از فارغ‌التحصیلی در محیط‌های دانشگاهی ریاضی بمانند و همین مقدار نیز اشاره کرده‌اند که پیشرفت‌های هوش مصنوعی انگیزه آنها را برای پژوهش کاهش داده است.