La AI scientifica sta evolvendo da una fase dimostrativa a un approccio più industriale, con l'obiettivo di trasformare le scoperte automatizzate in un vero e proprio business. Physical Superintelligence (PSI) si posiziona come pioniere in questo campo, puntando a convertire scoperte teoriche, simulazioni e validazioni formali in prodotti e servizi concreti. L'azienda ha recentemente avanzato una rivendicazione ambiziosa: un proprio sistema di intelligenza artificiale avrebbe contribuito alla soluzione della congettura di Aaronson-Ambainis, un problema irrisolto nella teoria della complessità quantistica dal 2008, presentando una prova formalizzata nel linguaggio Lean.
Il modello di business di PSI: dalla ricerca all'infrastruttura economica
David Turturean, membro dello staff tecnico di PSI e laureato al MIT, ha utilizzato un modello Anthropic (con accesso anticipato) per affrontare la congettura. Questo risultato è significativo non solo per l'avanzamento della computazione quantistica, ma anche per la strategia di PSI. La startup intende dimostrare che la AI scientifica può fungere da infrastruttura economica fondamentale, oltre il mero laboratorio di ricerca.
Il modello sviluppato da PSI integra agenti intelligenti, strumenti di simulazione avanzati, memoria e sistemi di verifica. Parallelamente, l'azienda genera entrate significative attraverso l'ottimizzazione dei data center.
Qui, la gestione di variabili fisiche (calore, energia, acqua, rumore) incide direttamente su prestazioni e costi. Questa scelta pragmatica finanzia una visione a lungo termine, orientata alla scoperta di nuova fisica applicabile.
La prova formalizzata in Lean e la necessità di verifica
La prova della congettura è stata pubblicata con una formalizzazione in Lean 4, un proof assistant per la verifica meccanica dei passaggi logici. La formalizzazione include quattro teoremi principali, senza placeholder "sorry" né assiomi aggiuntivi, oltre ai principi standard di Lean. Tuttavia, questa pubblicazione non conclude automaticamente il dibattito scientifico.
Lean, infatti, verifica la correttezza del teorema così come formulato nel suo linguaggio formale.
È essenziale che esperti stabiliscano se la formalizzazione corrisponda con precisione alla congettura originale e se le parti non formalizzate del lavoro, inclusa l'interpretazione nel contesto della complessità quantistica, siano accurate. Questo rappresenta il vero banco di prova per la AI scientifica: la capacità di produrre una prova verificabile che sia anche comprensibile, replicabile e accettabile dalla comunità scientifica.
Le implicazioni per la computazione quantistica
La congettura di Aaronson-Ambainis riguarda i limiti dell'accelerazione quantistica su problemi sì/no basati su dati casuali e non strutturati. Se il risultato fosse confermato, indicherebbe che in questi casi il vantaggio quantistico non può essere esponenziale, ma è al massimo polinomiale. Vantaggi esponenziali, invece, richiederebbero l'esistenza di una struttura nascosta sfruttabile.
