شركة PSI تستفيد من الذكاء الاصطناعي لحل معضلة كمومية طويلة الأمد

أظهرت شركة Physical Superintelligence (PSI)، التي أسسها خريجو معهد ماساتشوستس للتقنية، أن أنظمة الذكاء الاصطناعي المتخصصة قادرة على حل مشكلات نظرية عالقة منذ عقود. وباستخدام الوصول المبكر إلى نموذج Fable 5.2 من شركة Anthropic، تمكن الباحث ديفيد تورتوريان من إثبات حدسية آرونسون-أمباينيس، وهي مسألة عمرها 18 عامًا في تعقيد الاستعلامات الكمية. تمت صياغة الإثبات آليًا بلغة Lean للتحقق من النظريات، وراجعه خبراء بارزون بمن فيهم سكوت آرونسون نفسه، الذي أكد صحته رغم مفاجأته الأولية.

لماذا يهم هذا البنية التحتية للذكاء الاصطناعي

يتجاوز نهج شركة PSI نماذج اللغة الكبيرة العامة. فالشركة تبني أطر بحث مخصصة تجمع بين استخدام الأدوات، والذاكرة، وبيئات المحاكاة، وهياكل الاستدلال التكراري. تتيح هذه البنية للنظام استكشاف مشكلة بعمق واتساع، وهي قدرة تفتقر إليها واجهات الدردشة العامة. بالنسبة لمزودي سحابة وحدات معالجة الرسوميات مثل AiGpu، فإن الدلالة واضحة: أعباء عمل الذكاء الاصطناعي العلمي تتطلب ليس فقط قوة حسابية خام، بل أيضًا حزم برمجية مصممة خصيصًا تدير الاستدلال طويل المدى، والتحقق الشكلي، والمحاكاة الخاصة بالمجال.

حاليًا، تحقق PSI إيرادات من خلال تحسين فيزياء مراكز البيانات - نمذجة قيود الحرارة، والطاقة، والماء، والصوت لتحسين أداء الموقع وتأثيره المجتمعي. الرؤية طويلة المدى هي تحويل الاختراقات النظرية المؤتمتة إلى ابتكارات ملموسة في الأجهزة والمواد. ومع ذلك، يعترف الرئيس التنفيذي مات باينز بأن الفيزياء تضع معيارًا أعلى من الرياضيات: الطبيعة هي التي تصادق على النموذج أو ترفضه في النهاية، مما يجعل حلقات التغذية الراجعة التجريبية ضرورية. المبادرات الأخيرة مثل تحدي شركة Discovered Materials البالغ مليون دولار لأبحاث الموصلية الفائقة المدعومة بالذكاء الاصطناعي تؤكد تزايد الاستثمار في هذا الاتجاه.

مع انتقال الذكاء الاصطناعي من مطابقة الأنماط إلى الاكتشاف الذاتي، يجب أن تتطور طبقة البنية التحتية لدعم خطوط أنابيب البحث المستمرة والمعززة بالأدوات. ستكون المؤسسات التي توفر عناقيد GPU مرنة، وتخزينًا منخفض الكمون، وأدوات MLOps متكاملة في أفضل وضع للاستحواذ على فئة أعباء العمل الناشئة هذه.