Команда стартапа Physical Superintelligence с помощью модели Fable 5.2 компании Anthropic доказала гипотезу Ааронсона — Амбайниса. Об этом сообщил журнал New Scientist. Гипотеза описывает пределы преимуществ квантовых компьютеров в одном из классов задач и сокращает круг случаев, где имеет смысл искать квантовое ускорение.
Рассматриваемые задачи связаны с очень длинными случайными последовательностями, состоящими из нулей и единиц. Компьютер должен определить, относится ли такая последовательность к нужной категории, ответив «да» или «нет». Исследователей интересовало, сможет ли квантовая машина получить результат, обращаясь к исходным данным значительно меньшее число раз, чем обычный компьютер.
Согласно гипотезе, для большинства подобных последовательностей классические вычисления могут приблизиться к результату квантовых без существенного увеличения затрат. В 1999 году эту проблему начал изучать Скотт Ааронсон из Техасского университета в Остине. Он хотел понять, сохранится ли преимущество квантовых машин в задачах, где почти отсутствует математическая структура и используются случайные входные данные.
В 2011 году Ааронсон и Андрис Амбайнис из Латвийского университета сформулировали предположение об отсутствии такого преимущества. Позднее они представили его также в форме утверждения о многочленах, что привлекло к работе математиков, не специализировавшихся на квантовых вычислениях. Их исследования стали основой для нового доказательства.
Представитель Physical Superintelligence Дэвид Туртуреан сообщил, что модель Fable 5.2 работала над задачей около четырёх дней. За это время она подготовила доказательство, дважды внесла в него изменения и проверила итоговый вариант с помощью Lean — системы формальной проверки математических утверждений. На тот момент модель ещё не была доступна широкому кругу пользователей.
Математик Шахар Ловетт из Калифорнийского университета в Сан-Диего, участвовавший в создании ключевой части доказательства, считает, что найденные методы могут использовать другие исследователи. Он также допускает, что инструменты на основе искусственного интеллекта позволят ставить более сложные математические задачи, однако главным результатом назвал само доказательство. Ааронсон отметил, что работа закрывает только одно направление поиска квантового ускорения, тогда как преимущества также могут сохраняться при более коротких или менее случайных входных данных, а также в задачах с ответами, отличающимися от «да» или «нет», включая моделирование важных для промышленности молекул и некоторые задачи оптимизации.