← 返回部落格
Ai預計閱讀 11 分鐘

一個懸置 18 年的量子猜想在三天內被攻克。這份證明還附帶了一個檢查器。

發布於 2026年11月7日
一個懸置 18 年的量子猜想在三天內被攻克。這份證明還附帶了一個檢查器。

11 月 6 日,Physical Superintelligence(PSI)表示,其內部研究系統已證明 Aaronson–Ambainis 猜想。這次運行花了三天產生完整論證。Lean 這套會讓電腦檢查每一步的證明助理接受了它。接著,該系統轉向相關問題,兩度強化結果,Lean 也接受了最終版本。

PSI 同時以 Apache 2.0 發布了一份供人閱讀的論文,以及完整的 Lean 4 形式化。該儲存庫聲明,這套開發內容不含證明佔位符,也沒有添加公理;四個主要定理都透過 Lean 的內核,以及 lean4lean(同一個型別檢查器的獨立實作)重新執行驗證。一個同時使用 Lean 與 nanoda 內核的比較器接受了最終結果。在另一台機器上,同一個比較器接受了一個正確的玩具解法,並拒絕了四個刻意錯誤的解法。

那個對照測試正是我不斷回想的部分。它把「宣稱」和「收據」分開。

這個猜想到底說了什麼

大多數著名的量子加速都依賴結構。Shor 在 1994 年的因式分解演算法之所以有效,是因為輸入中隱藏著重複週期。若要求量子電腦回答關於均勻隨機輸入的是非題,這種結構就消失了,而這正是那個未解問題所在:量子機器是否仍能達到指數級加速?

Aaronson 與 Ambainis 把這個問題轉化為關於多項式的陳述。在查詢模型中,你要計算演算法讀取輸入的次數。經過 T 次查詢後,量子演算法回答「是」的機率可以寫成一個次數至多為 2T 的多項式,其值介於 0 與 1 之間。若要以古典方式模擬該演算法,你必須在不讀取指數級數量輸入位元的情況下估計這個多項式。

該猜想表示,每個有界、低次且並非接近常數的多項式,至少有一個座標具有高影響力。翻轉那一個位元,必須讓多項式的值平均而言移動一個有意義的幅度。若此事成立,古典機器就能用多項式於 T 的查詢次數,在多數輸入上模擬任何 T 次查詢的量子演算法。對於無結構輸入,不存在指數級加速。

PSI 的證明給出明確界限:某個位元的影響力至少為常數乘以 v 的 5/2 次方、再除以 d 的 6 次方,其中 v 是變異數、d 是次數,常數約為 0.0025。用更寬鬆的形式表示,至少是 (v/d)^7。

這條路線遵循 Shachar Lovett 與 Jiapeng Zhang 提出的計畫,建立在分數憑證與水平集之上。Lovett 與 Zhang 曾留下一個未解決的不等式,並將其表述為一個猜想。PSI 的系統用一個新的全配對不等式取代它;該不等式源自以行列式為基礎的輸入設定配對。PSI 表示,它透過限制能有多少座標一致,超越了 David Reimer 先前的 Butterfly 引理。

哪些部分經過機器檢查,哪些沒有

我認為大多數關於此事的報導會在這裡出錯。Lean 證明是強有力的產物。它不是對結果的完整認證,而 PSI 自己也這麼說。

有三件事落在機器檢查之外。Lean 內核、編譯器、Mathlib 的定義,以及執行檢查的硬體,都屬於信任基礎的一部分。文字論文沒有經過機器檢查,只有形式陳述經過檢查。而且仍然需要由人類確認:形式陳述與 Aaronson 與 Ambainis 在 2008 年印出的猜想相符。

PSI 已盡可能讓最後這一步變得容易。該儲存庫把一個名為 `PrintedConjecture` 的單一定義隔離在一個只匯入 Mathlib 的檔案中,因此抱持懷疑的讀者可以打開一個檔案,並與原始論文比對。這是針對驗證所作的周到介面設計,也告訴你作者知道脆弱環節在哪裡。

深色木桌上,幾張空白紙張被一把細長的黃銅直尺壓平,午後一道光線照在其上。

這次審計是內部的。Jim Halverson 審計了證明,Phiala Shanahan 對形式化發表了評論,而兩人都是 PSI 的顧問。尚未有同儕審查,也尚未有期刊發表。2026 年 8 月證明了一個特例的四位史丹佛研究者——Guy Blanc、Jordan Docter、Carmen Strassle 與 Li-Yang Tan——已閱讀完整證明並送來評論,且正在準備一份較短的闡述。他們被引用的評價稱其為重大結果。與感興趣專家的通信很有用,但那不是審查。

人類角色都有具名,這點我很欣賞。David Turturean 是一名技術團隊成員,曾在 MIT 研讀物理與 AI;他建構了研究系統、界定問題範圍、執行它、提示一個非公開的 Anthropic 模型實例整理出第一版草稿、審閱該草稿,並被列為對論文正確性負責的人。該儲存庫披露,AI 模型產生了數學陳述、第一版草稿與 Lean 形式化。

這種分工值得直說,因為它將成為常態。人挑選問題並承擔責任。模型產生候選論證。檢查器拒絕那些無法閉合的論證。產出是一項任何人都能用一台筆電和一個下午重新執行的主張。

為什麼檢查器比模型更重要

Anthropic 尚未說明這背後的模型何時或是否會發布。那個細節幾乎是種分散注意的事。這裡真正有趣的物件是這條管線,而這條管線的可重現性,是基準分數所沒有的。

想想一位抱持懷疑的數學家能如何利用這次發布。複製儲存庫。閱讀 `PrintedConjecture`。執行 Lean。執行 lean4lean。執行比較器。檢查沒有添加公理。上述每一步不是通過就是失敗,而且失敗模式都很具體。

把它和另一種情況相比。一家實驗室貼出一張圖表、一個產品頁面,以及一段關於推理能力提升的文字。你要嘛相信,要嘛不信。

形式驗證不是魔法,也不能終結數學。它解決的是更狹隘的事:某個特定的形式陳述,是否依特定規則從特定公理推導出來。至於該陳述是否為正確的陳述、那些公理是否為正確的公理,以及這個結果是否重要,全都留給人來判斷。

PSI 是一家位於麻薩諸塞州劍橋的公共利益公司,於 9 月公開亮相,並獲得由 Breakthrough Energy Ventures 領投的 5800 萬美元種子輪。它自稱為 AI 原生的物理實驗室,由虛擬物理學家組成,旨在像理論學家一樣推理,並像計算物理學家一樣驗證。它表示上個月解決了量子資訊理論中五個長期存在的問題,而這是它約兩週內的第二次重大宣布。這樣的速度,究竟是令人印象深刻還是警訊,取決於其中有多少在聚光燈之外仍站得住腳。

這對量子敘事意味著什麼

這個結果劃清了一條界線。對於關於無結構隨機輸入的是非題,量子機器無法省下指數級數量的查詢。演算法設計者應該尋找在數學或物理中具有真實結構的問題,而不是在一般輸入上尋找加速。

它並沒有告訴你哪些應用會帶來回報。查詢模型計算的是輸入讀取次數,而不是載入與處理資料的工作量,因此它對總執行時間或量子電腦的商業價值沒有限制。任何人若引用這篇論文來證明量子計算已死,引用的都不是論文裡有的東西。

它另一件沒有做的事,是終結關於 AI 做研究的爭論。單一結果,由內部系統產生、經內部審計,而且是在周邊文獻已把方法縮小到一個未解決不等式的問題上,終究只是一個資料點。Lovett 與 Zhang 有計畫。Reimer 有一個引理。系統補上了一個缺口。那是真正的工作,也只是數學研究所含內容的一小部分。

剩下的一步是 PSI 無法替自己完成的。該領域中必須有人閱讀形式陳述,同意它就是 Aaronson 與 Ambainis 的猜想,而不是它的一個方便表親,並公開這麼說。在那之前,存在的是一個經機器驗證的推導,推導出的東西非常接近一項著名主張,外加一個為了讓最後一哩路很短而打造的儲存庫。

這比大多數公告留給你的處境要好。

相關文章