PSI cherche à faire de la découverte scientifique pilotée par l'IA une activité commerciale
David Turturean, jeune diplômé du MIT et membre de l'équipe technique de la startup Physical Superintelligence (PSI), a utilisé un accès anticipé au modèle Fable 5.2 d'Anthropic pour résoudre un problème vieux de 18 ans en informatique quantique : la conjecture d'Aaronson-Ambainis, qui touche à la capacité des ordinateurs quantiques à résoudre certains problèmes plus vite que les machines classiques. Scott Aaronson, l'un des deux chercheurs ayant formulé la conjecture, indique ne pas comprendre entièrement la preuve, mais la juge correcte puisqu'elle a été autoformalisée en Lean, un langage de programmation dédié aux mathématiques, et expliquée par une équipe de chercheurs de haut niveau avec qui PSI a partagé la solution. Le résultat est négatif : il ferme une piste que pouvaient suivre les ordinateurs quantiques pour accélérer certains problèmes difficiles, mais pas toutes. « Cela permet aux gens de savoir qu'on ne cherche plus de ce côté », résume Turturean, qui a reporté un master au laboratoire d'informatique et d'IA du MIT pour rejoindre PSI et se dit prêt à admettre que ce pourrait être son dernier article scientifique.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de TechCrunch AI. Lire l'article original →
Pour Aaronson, qui se dit à la fois satisfait, impressionné, déçu et fatigué, la preuve complète de cette conjecture était l'un des derniers grands problèmes ouverts de la complexité de requêtes quantique sur lequel tout le monde s'accordait quant à l'importance centrale. Il s'étonne de ne pas l'avoir vue figurer dans la vaste série de résultats mathématiques publiée il y a quelques semaines par OpenAI, qu'il surnomme la « Mathocalypse ». Cet épisode vient appuyer le modèle de PSI, qui repose sur des systèmes spécialisés mêlant outils, mémoire, infrastructures de simulation et scaffolding autour des modèles. Son PDG, Matt Pines, défend l'idée d'un système de recherche capable d'attaquer un problème en largeur comme en profondeur. Plus largement, le cas illustre le bouleversement que l'IA provoque dans le monde scientifique, au point que Turturean se demande à quoi servira de publier un article dans quelques mois.
Le contexte reste celui d'une transition encore incertaine. Aujourd'hui, PSI tire ses revenus de l'optimisation de centres de données, en simulant chaleur, consommation électrique, eau et bruit, pour des sites dont la performance et l'impact local dépendent directement de la physique. L'objectif à long terme est de transformer des avancées de physique théorique en technologies concrètes, mais l'IA brille surtout là où les résultats peuvent être validés par du code, comme en mathématiques ou en informatique, alors que la physique ou les sciences du vivant exigent une confrontation à l'expérience : « la nature a son mot à dire », rappelle Pines. La startup Discovered Materials a d'ailleurs lancé la semaine dernière un défi de 1 million de dollars sur la supraconductivité et la dissipation thermique. Les normes de ces « néolabs pour la science » restent à définir. PSI a attendu que le modèle d'Anthropic soit presque prêt à sortir pour consulter des experts, une démarche de transparence défendue par Jim Halverson, professeur à Northeastern University et conseiller de l'entreprise, qui participera la semaine prochaine à un sommet au MIT où des physiciens de premier plan tenteront de définir une réponse à ce nouveau rythme de la science.