Моделът GPT-5 помогна за решаването на един от най-трудните проблеми в областта на квантовите изчисления

Това е първият случай, в който изкуственият интелект има ключов принос към изследването на квантовата теория на сложността. Авторите на статията, публикувана в arXiv.org, доказват, че методите за намаляване на грешките в задачата на Мерлин-Артур (QMA) – квантовата версия на NP в класическата теория на сложността – са изправени пред непреодолимо препятствие. В този случай решаващата стъпка в доказателството не бе направена от човек, а от GPT-5.

Задачата QMA се счита за квантов аналог на NP. „Доказващият“ Мерлин изпраща квантово доказателство – специално квантово състояние – на „проверяващия“ Артур, който изпълнява квантов алгоритъм, за да провери дали отговорът на задачата е „да“. Ако доказателството е вярно, Артур го приема; ако е невярно, той го отхвърля. Две числа са от решаващо значение и за двете системи: пълнотата, или вероятността Артур да приеме вярното доказателство, и последователността, или вероятността той погрешно да приеме невярното. Обичайните прагове са 2/3 и 1/3. Но тези числа могат да бъдат увеличени чрез амплификация, при която проверяващият повтаря теста и комбинира резултатите.

Авторите на изследването, Скот Ааронсън от Тексаския университет в Остин (САЩ) и Фрик Виттевеен от CWI Амстердам (Нидерландия), си поставят за цел да отговорят на въпрос, който остава открит от много години: доколко методите на черната кутия могат да подобрят надеждността на доказателствените системи на QMA?

Методите за усилване (амплификация) могат да намалят вероятността от грешки. Учените са доказали, че пълнотата може да се стреми към единство с двойно по-голяма експоненциална скорост. Оставаше открит въпросът дали тя може да надмине тази стойност, пише Quantum Insider.

Когато първоначалните опити за намиране на решение попадат в задънена улица, Ааронсон решава да се обърне към GPT-5. Първоначално версиите, предложени от модела, били погрешни. След няколко кръга дискусии обаче GPT-5 предложил да се преформулира проблемът, като се използва прост математически израз, който да отразява колко близо до сигурността може да се доближи вероятността дадено доказателство да бъде прието от проверяващата система.

Тази идея се оказва решаваща. Анализирайки израза със средствата на теорията на апроксимацията, изследователите най-накрая успяха да потвърдят строгите граници на компенсацията на грешките на QMA. Пълнотата не може да надвишава нивото на двойната експоненциална близост до единица, а валидността не може да пада под експоненциално малка стойност.

„Преди година се опитах да решавам подобни задачи, като използвах новите по онова време GPT модели за разсъждение, но резултатите ми далеч не бяха толкова добри“, пише Ааронсон в своя блог. – „Сега, през септември 2025 г., съм готов да съобщя, че ИИ най-накрая е започнал да извършва това, което според моя опит е най-типично човешката от всички интелектуални дейности: а именно, да докаже разделянето на оракулите между класовете на квантова сложност.

Резултатът потвърждава, че определянето на равенството между QMA и QMA1 ще изисква нерелативизиращи методи, които анализират структурите на схемите вместо да ги разглеждат като черни кутии. Очевидна е и една асиметрия: пълнотата зависи от едно надеждно доказателство, докато съгласуваността трябва да бъде потвърдена от всички възможни доказателства.

Изследването оставя открити важни въпроси, включително дали QMA е равнозначно на QMA1. Но то бележи повратна точка: изкуственият интелект вече не се ограничава само до съставяне на документи или писане на код.