PSI utiliza IA para avanzar en el descubrimiento científico con un avance en computación cuántica

Image: TechCrunch · Source

La startup PSI utilizó un modelo de IA de Anthropic no publicado para resolver un problema antiguo en computación cuántica, ilustrando el creciente papel de la IA en la investigación científica y su potencial para transformar la física teórica en tecnologías prácticas.

Physical Superintelligence (PSI), un laboratorio startup enfocado en investigación científica impulsada por IA, hizo recientemente importantes avances al resolver un problema de 18 años en computación cuántica usando una versión no publicada del modelo de IA Fable 5.2 de Anthropic. David Turturean, exalumno del MIT y miembro del equipo técnico de PSI, utilizó acceso anticipado a este modelo avanzado para abordar la conjetura Aaronson-Ambainis, una cuestión fundamental sobre la capacidad de las computadoras cuánticas para superar a las clásicas en velocidad para resolver problemas.

Este problema, planteado por investigadores entre ellos Scott Aaronson, permaneció sin resolver casi dos décadas. Aunque Aaronson admitió incertidumbre sobre los detalles de la prueba generada por IA, expresó confianza en su corrección porque fue formalizada en Lean, un riguroso lenguaje matemático codificado, y revisada por un equipo de investigadores destacados que colaboran con PSI. La solución de la IA entregó un resultado negativo que eliminó una vía potencial que habrían podido tomar las computadoras cuánticas para lograr alta velocidad en resolución, enfocando así la investigación actual en computación cuántica.

El enfoque de PSI ejemplifica un nuevo paradigma en la investigación científica: integrar modelos especializados de IA con marcos e instrumentos de investigación extensos para abordar problemas complejos en física teórica. El CEO Matt Pines destacó la necesidad de tales sistemas para ofrecer exploraciones amplias y profundas de preguntas científicas mediante infraestructuras robustas que incluyen sistemas de memoria y capacidades de simulación.

Actualmente, PSI genera ingresos empleando sus herramientas de IA para optimizar operaciones en centros de datos físicos, simulando variables ambientales y físicas que afectan tanto el rendimiento como los efectos en la comunidad. Sin embargo, la visión a largo plazo de la empresa apunta a traducir avances en la física teórica — facilitados por la asistencia de IA — en tecnologías tangibles.

El avance de la startup refleja el potencial disruptivo de la IA en dominios tradicionalmente difíciles para el razonamiento automático, particularmente en ciencias experimentales donde fenómenos naturales deben ser validados mediante experimentos físicos. Pines señaló que a diferencia de las matemáticas, la física implica variables del mundo real que pueden confirmar o contradecir modelos computacionales, haciendo que la validación experimental sea un componente crucial. PSI está desarrollando por tanto ciclos iterativos entre hipótesis generadas por IA y pruebas empíricas para aprovechar efectivamente estos descubrimientos.

Con la IA acelerando el ritmo del descubrimiento científico, PSI y sus asesores académicos subrayan la importancia de la transparencia y la colaboración. La empresa retrasó la publicación de sus resultados hasta que el modelo de IA subyacente estuvo próximo a ser lanzado, permitiendo tiempo para consultar expertos y refinar la presentación para la comprensión humana. Este enfoque cauteloso destaca las mejores prácticas emergentes en investigación impulsada por IA, balanceando innovación rápida con rigor metodológico.

El caso PSI subraya un cambio más amplio con la aparición de "neolaboratorios para la ciencia" que aprovechan la IA para empujar fronteras en física y disciplinas relacionadas. Aunque persisten desafíos para estandarizar flujos de trabajo y validación en este nuevo panorama investigativo, los resultados demostrados afirman el papel transformador de la IA en expandir el conocimiento científico y finalmente habilitar nuevas tecnologías.