PSI está tentando transformar descobertas científicas baseadas em IA em um negócio

David Turturean, recém-formado no MIT e membro da equipe técnica do laboratório de startups Physical Superintelligence (PSI), usou o acesso antecipado ao modelo Fable 5.2 da Anthropic para resolver um problema de dezoito anos sobre computação quântica.
“Aceito totalmente a ideia de que este pode ser o último artigo que publiquei”, disse Turturean, que adiou os planos de fazer um mestrado no prestigiado laboratório de ciência da computação e IA do MIT para ingressar na PSI, ao TechCrunch. “Dentro de alguns meses, por que você publicaria um artigo?”
O problema em questão, a conjectura de Aaronson-Ambainis, diz respeito à capacidade dos computadores quânticos de resolver problemas mais rapidamente do que os clássicos. Scott Aaronson, um dos dois pesquisadores que apresentou o problema, escreve que não entende muito bem a prova, mas acredita que ela está correta porque foi autoformalizada em Lean, uma linguagem de codificação para matemática, e explicada por uma equipe de pesquisadores de ponta com quem a PSI compartilhou a solução.
A solução parece fechar a porta para um caminho que os computadores quânticos poderiam seguir para resolver certos problemas difíceis em alta velocidade, mas não todos. “É um resultado negativo que permite às pessoas saberem, ok, não estamos mais olhando para lá”, disse Turturean.
De forma mais ampla, reflete a agitação no mundo científico causada pela resolução de problemas de IA.
“Uma prova completa (conjectura de Aaronson-Ambainis) foi um dos últimos problemas em aberto restantes na complexidade da consulta quântica que todos pareciam concordar que era de importância central”, escreveu Aaronson, que se descreveu sentindo-se satisfeito, impressionado, desapontado e cansado com a notícia. “Fiquei surpreso, honestamente, ao ver que ele desapareceu do despejo Mathocalypse da OpenAI há algumas semanas. Certamente eles tentaram, então foi realmente muito mais difícil do que todos os problemas que foram resolvidos?”
Esse é um ponto a favor do modelo do PSI, que consiste em resolver problemas científicos com modelos especializados de arneses e andaimes.
“Um tipo eficaz de sistema de pesquisa deve ter muitas coisas relacionadas a chicotes, muitas coisas relacionadas a ferramentas, sistemas de memória, infraestrutura de simulação”, disse Matt Pines, CEO da PSI, ao TechCrunch. “Você quer ser capaz de realmente ir atrás de um problema em amplitude e profundidade e ser capaz de considerar uma ampla gama de alternativas potenciais.”
Por enquanto, a receita da empresa vem do uso de suas ferramentas para otimizar data centers, simulando as variáveis de calor, energia, água, som – “onde o desempenho desse site, bem como seu impacto na comunidade, são uma função direta de sua física”. O longo caminho, no entanto, é converter os avanços da física teórica em tecnologias reais.
“Seis a nove meses atrás, quando eu estava conversando com investidores, tive que me esforçar para validar essa condicional, certo? Tipo, ‘não, não, não, acredite em mim, em breve, a física teórica será principalmente o domínio das máquinas'”, disse Pines. “E ainda não chegou, mas está a caminho.”
Ainda assim, embora a IA tenha reivindicado soluções importantes em campos como a matemática e a ciência da computação, onde é possível expressá-las em código validado, fazê-lo em disciplinas menos abstratas, como as ciências da vida ou a física, revelou-se mais difícil. Na semana passada, a start-up Discovered Materials lançou um grande desafio de US$ 1 milhão para pesquisadores que usam IA para entender problemas como supercondutividade e dissipação de calor.
“No final das contas, a física é diferente da matemática porque é o mundo real… a natureza tem direito a voto em seus modelos de realidade”, disse Pines. Ele disse que a startup está focada em entender como pegar resultados computacionais e validá-los com experimentos da forma mais eficiente possível.
“Se for um fato verdadeiro da natureza, é um truque que você pode explorar”, disse Pines. “Você poderia construir um dispositivo com isso, certo? A IA sugere uma ideia; ela permite que você faça algo no mundo que você não era capaz de fazer antes… e então cada um desses são uma espécie de loop que a PSI está construindo.”
À medida que os “neolabs para a ciência” se tornam um caminho para uma ciência potencialmente inovadora, os participantes ainda estão a descobrir quais são os padrões para este novo mundo. Como o PSI teve que reter o seu resultado até que o modelo da Anthropic estivesse quase pronto para lançamento, eles puderam partilhá-lo com investigadores relevantes para melhor compreendê-lo.
“Como acadêmicos, queríamos desempenhar nosso papel de fazer as coisas da maneira certa”, disse Jim Halverson, professor da Northeastern University que assessora a PSI. Ele participará de uma cúpula no MIT na próxima semana, onde importantes físicos tentarão encontrar uma resposta ao novo ritmo da ciência. “As melhores práticas ainda estão surgindo… Achamos que a transparência é um bom caminho a percorrer e contactar especialistas é um bom caminho a seguir.”
“Tivemos algum tempo para pensar nisso… e foi a primeira vez que realmente imprimi uma de minhas soluções induzidas por IA, li-a e pensei, ok, como posso fazer isso… ser apresentado de forma mais natural para um humano?” Turturean, que disse que a comunidade acadêmica espera que ele seja capaz de explicar o resultado, disse ao TechCrunch. “E acho que também me fez perceber, meu Deus, o peso do que a IA pode fazer.”
Quando você compra por meio de links em nossos artigos, podemos ganhar uma pequena comissão. Isso não afeta nossa independência editorial.




