Amerykański startup Physical Superintelligence (PSI) ogłosił, że jego system badawczy działający na niepublicznym modelu Anthropic udowodnił hipotezę Aaronsona-Ambainisa, otwartą od 2008 r. i przesądzającą, że przy pytaniach typu tak/nie zadawanych losowym danym komputer kwantowy nie może być wykładniczo szybszy od zwykłego. Dowód zaakceptował program Lean, który komputerowo sprawdza każdy krok rozumowania, i 8 listopada za poprawny uznał go również Scott Aaronson, współautor hipotezy.
- System badawczy firmy Physical Superintelligence (PSI), działający na niepublicznym modelu Anthropic, udowodnił hipotezę Aaronsona-Ambainisa z 2008 r., a dowód – formalnie zweryfikowany przez program Lean – uznał za poprawny 8 listopada 2026 r. Scott Aaronson, współautor hipotezy.
- Kompletny dowód pojawił się trzeciego dnia pracy systemu PSI, a hipoteza wykazuje, że przy pytaniach tak/nie zadawanych losowym danym zwykły komputer potrzebuje co najwyżej stałej potęgi liczby zapytań T – nie wykładniczo więcej – niż komputer kwantowy.
- Wynik nie podważa algorytmu Shora ani kwantowych symulacji chemicznych, bo dotyczy wyłącznie pytań decyzyjnych względem losowych wyroczni; Aaronson sprostował błędne interpretacje, m.in. wpis Pedro Domingosa z Uniwersytetu Waszyngtońskiego, który ogłosił swoim 137 tys. obserwujących, że dowód oznacza koniec marzeń o kwantowej supremacji.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
PSI: system z modelem Anthropic miał gotowy dowód trzeciego dnia pracy
PSI opublikowało wyniki 6 listopada 2026 r. Według firmy dowód powstał w systemie badawczym zbudowanym wewnętrznie i uruchomionym na własnej infrastrukturze, przy użyciu instancji niepublicznego modelu Anthropic. Kompletny dowód pojawił się trzeciego dnia pracy systemu i Lean go przyjął. Potem system dostał pokrewne otwarte problemy, w trakcie poprawił wynik dwukrotnie, a ostateczną wersję Lean również zaakceptował. Artykuł i pełna formalizacja leżą publicznie na GitHubie, więc każdy może samodzielnie ponownie uruchomić weryfikację.
PSI szczegółowo opisało podział ról. Pracami kierował David Turturean z zespołu technicznego PSI: zbudował system, wybrał problem i uruchomił na nim system, następnie polecił modelowi złożyć wyniki w pierwszą wersję artykułu, przejrzał ją i odpowiada za poprawność pracy. Doradca Jim Halverson przeprowadził audyt dowodu, a doradczyni Phiala Shanahan skomentowała formalizację w Lean.
Sam wynik jest mocniejszy, niż wymagała hipoteza w najprostszej postaci. PSI wykazało, że jeśli wartość wielomianu nie jest stała, to któraś zmienna ma wpływ co najmniej c·v^(5/2)/d^6, gdzie v to wariancja, d to stopień wielomianu, a stała c wynosi około 0,0025. Aaronson streścił to krócej: istnieje zmienna o wpływie rzędu 1/d^6.
Kim jest PSI? Firma z Cambridge w stanie Massachusetts wyszła z ukrycia 1 września 2026 r. z 58 mln dolarów finansowania zalążkowego. Rundę poprowadził Breakthrough Energy Ventures, założycielami są Matt Pines, Alex Klokus i Alexander Wissner-Gross. Głównym produktem jest Emmy, zespół wirtualnych fizyków AI, których pierwszym komercyjnym zadaniem jest projektowanie wydajniejszych centrów danych. Dowód hipotezy Aaronsona-Ambainisa to drugie duże ogłoszenie PSI w ciągu mniej więcej dwóch tygodni.
Hipoteza Aaronsona-Ambainisa wyznacza granicę kwantowego przyspieszenia na losowych danych
Wszystkie znane wykładnicze przyspieszenia kwantowe wymagają struktury w danych. Algorytm Petera Shora z 1994 r. rozkłada duże liczby na czynniki dużo szybciej od znanych metod klasycznych, bo problem ukrywa powtarzający się wzorzec, którego okres komputer kwantowy potrafi znaleźć. Pytanie Aaronsona i Ambainisa brzmiało: co dzieje się, gdy takiego wzorca nie ma, bo dane są po prostu losowe?
Teoretycy mierzą to liczbą zapytań, czyli tym, ile razy algorytm musi odczytać fragment danych wejściowych. Robert Beals, Harry Buhrman, Richard Cleve, Michele Mosca i Ronald de Wolf wykazali, że po T zapytaniach prawdopodobieństwo odpowiedzi „tak” algorytmu kwantowego jest wielomianem od bitów wejścia, stopnia co najwyżej 2T, o wartościach między 0 a 1. Aaronson i Ambainis zauważyli, że jeśli każdy taki wielomian ma przynajmniej jedną wyraźnie wpływową zmienną, to zwykły komputer może naśladować kwantowy. Odczytuje najbardziej wpływowy bit, aktualizuje przewidywanie i powtarza, aż wynik przestanie się zmieniać. Teraz wiadomo, że liczba odczytów potrzebnych zwykłemu komputerowi rośnie co najwyżej jak stała potęga T, a nie wykładniczo.
Droga do dowodu była długa i usiana porażkami:
- 2008-2009: Aaronson formułuje problem, a wspólny artykuł z Andrisem Ambainisem z Uniwersytetu Łotewskiego „The Need for Structure in Quantum Speedups” trafia do arXiv w 2009 r.
- 2007: wcześniejsze ograniczenie wynikające z prac Dinura, Friedguta, Kindlera i O’Donnella słabło wykładniczo wraz ze stopniem wielomianu, więc nie wystarczało.
- listopad 2019: Nathan Keller i Ohad Klein publikują rzekomy dowód, wycofany po około dwóch tygodniach, gdy Paata Ivanisvili znalazł błąd w jednym z lematów.
- 2023: Shachar Lovett i Jiapeng Zhang przedstawiają plan dowodu z jedną niedowiedzioną nierównością.
- sierpień 2026: zespół ze Stanforda (Guy Blanc, Jordan Docter, Carmen Strassle, Li-Yang Tan) dowodzi przypadku szczególnego dla algorytmów odczytujących dane w stałej liczbie równoległych rund.
- 6 listopada 2026: PSI publikuje pełny dowód.
Dowód PSI realizuje plan Lovetta i Zhanga, zastępując brakującą nierówność nową, którą da się udowodnić. Kluczowe parowanie ustawień bitów jeden do jednego daje wyznacznik macierzy i jest wzmocnioną wersją „lematu motylkowego” Davida Reimera.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Scott Aaronson uznaje dowód za poprawny. Sam jeszcze go nie przeanalizował
Scott Aaronson z Uniwersytetu Teksańskiego w Austin opublikował 8 listopada wpis pod przekornym tytułem „Aaronson-Ambainis Conjecture proved! (By AI, of course)”. Przyznał, że PSI poinformowało go o wyniku kilka tygodni wcześniej i do ogłoszenia musiał trzymać to w tajemnicy. Napisał też, że dowodu jeszcze nie zrozumiał. Mimo to wierzy w jego poprawność z dwóch powodów: istnieje certyfikat w Lean, a ludzcy eksperci przeszli już przez dowód i go zrozumieli. Z autoironią dodał, że sam nie jest już ekspertem od własnej hipotezy.
Aaronson wprost nazywa użyty model „wewnętrznym modelem Claude”. Zaznacza jednak, że nie wie, jaką rolę odegrała autorska infrastruktura badawcza PSI w porównaniu z samym modelem. To pytanie, które w przypadku kolejnych „odkryć AI” będzie wracać.
Wśród swoich reakcji Aaronson wymienia satysfakcję z tego, że hipoteza okazała się prawdziwa, i zmęczenie lawiną rozwiązywanych ostatnio problemów. Najwięcej mówi trzecia:
„Rozczarowany, że ludzie nie zdążyli zgarnąć tej hipotezy przed robotami” / „Disappointed that humans didn’t get to snag this conjecture before the robots did”
Dodał, że jego zdaniem ludzie przy kilku kolejnych latach pracy bardzo prawdopodobnie by ją udowodnili. Zauważył też, że dziwiło go wcześniej, że tego problemu zabrakło w pakiecie rozwiązanych zagadnień, który kilka tygodni temu opublikowało OpenAI.
Zespół ze Stanforda, który w sierpniu rozwiązał przypadek szczególny, czyta teraz pełny dowód i pisze jego krótszą wersję dla specjalistów. W oświadczeniu przekazanym PSI badacze nazwali wynik ogromnym i ocenili, że łączy kilka nurtów analizy funkcji boolowskich i kombinatoryki probabilistycznej. O samej konstrukcji dowodu napisali:
„Wszystko zostaje połączone w dość magiczny sposób” / „Everything is brought together in a rather magical way.”
Piszę o kolejnych „odkryciach AI” od dawna i ten przypadek wyróżnia się na plus. Jest publiczny dowód, jest formalizacja w Lean, którą każdy może uruchomić, jest konkretny człowiek, David Turturean, który podpisuje się pod poprawnością pracy. Jest wreszcie autor hipotezy, który zamiast się obrażać, gratuluje.
Mam jednak dwie wątpliwości. Pierwsza: Lean gwarantuje tylko, że udowodniono twierdzenie zapisane w Lean. Jeśli definicja w kodzie choć trochę rozjechała się z tym, co miał na myśli Aaronson, mamy prawdziwe twierdzenie o czymś innym. Tę lukę wciąż zamykają ludzie. Druga: nie wiemy, ile zrobił model, ile infrastruktura PSI, ile człowiek, który wybrał problem i sterował pracą. Anthropic milczy, model nie jest dostępny.
Najbardziej poruszyło mnie słowo „zmęczony” u Aaronsona. Jeśli najlepsi teoretycy nie nadążają z trawieniem wyników, to wąskim gardłem nauki przestaje być odkrywanie. Staje się nim zrozumienie. Kto będzie rozumiał dowody, których nikt już nie musi wymyślać?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Dowód nie podważa algorytmu Shora ani symulacji chemicznych
Wynik szybko zaczęto czytać jako wyrok na komputery kwantowe i to jest błąd. Aaronson opisał, jak Pedro Domingos z Uniwersytetu Waszyngtońskiego ogłosił swoim 137 tys. obserwujących na X, że dowód oznacza koniec marzeń o kwantowej supremacji. Wpis Domingosa jest pod adresem twitter.com/pmddomingos, a nieporozumienia wokół wyniku wcześniej wyłapał Ashley Montanaro.
Według Aaronsona dowód wyklucza tylko jeden rodzaj przewagi kwantowej, dla pytań tak/nie względem losowych wyroczni, którego istnienia i tak nikt się nie spodziewał. Nie ma żadnego wpływu na algorytm Shora, który w kluczowym kroku korzysta z wyroczni okresowej, czyli silnie nielosowej. Nie dotyczy też symulacji fizyki i chemii kwantowej, które zwykle w ogóle nie opierają się na algorytmach z wyrocznią. Wynik Yamakawy i Zhandry’ego z 2022 r. pokazał przy tym, że dla problemów wyszukiwania (zamiast decyzyjnych) wykładnicze przyspieszenie względem losowych wyroczni jest możliwe.
Twierdzenie liczy też odczyty danych, nie czas działania na prawdziwym sprzęcie. Przyspieszenia wielomianowe, jak w algorytmie Grovera, nadal są dozwolone. Inna sprawa, że w 2021 r. Ryan Babbush i współpracownicy z Google ocenili, że kwadratowe przyspieszenia nie dadzą przewagi na pierwszych maszynach z korekcją błędów, jeśli sama korekcja radykalnie się nie poprawi. W praktyce firmy obiecujące wykładnicze zyski na nieuporządkowanych danych muszą od teraz pokazać, gdzie w tych danych kryje się struktura.
Rynek spółek kwantowych jest dziś nerwowy niezależnie od teorii. Według danych Zacks cytowanych przez Yahoo Finance w ciągu 30 dni do początku listopada IonQ straciło 31,7 proc., D-Wave 35,7 proc., Rigetti 28 proc. Bank B. Riley 2 listopada obniżył ceny docelowe dla tej grupy nawet o 32,5 proc., wskazując na obawy o finansowanie i rozwadnianie akcji. Nic nie wskazuje, żeby dowód PSI te notowania ruszył. Pokazuje jednak, jak łatwo uproszczony nagłówek może trafić na podatny grunt.
Poznańskie komputery kwantowe i tak celują w zadania ze strukturą
Polska ma już własną kwantową infrastrukturę badawczą i dowód PSI nie zmienia jej przeznaczenia. 23 czerwca 2025 r. w Poznańskim Centrum Superkomputerowo-Sieciowym (PCSS) uruchomiono PIAST-Q, komputer kwantowy na spułapkowanych jonach z projektu EuroQCS-Poland, współfinansowanego przez Ministerstwo Cyfryzacji, Ministerstwo Nauki i Szkolnictwa Wyższego oraz EuroHPC JU. 25 maja 2026 r. na Politechnice Poznańskiej zainaugurowano komputer IQM Radiance 5, przy współpracy uczelni z UAM i PCSS. PCSS jest też od lutego 2022 r. polskim węzłem sieci IBM Quantum Network.
Moja interpretacja: twierdzenie Aaronsona-Ambainisa porządkuje mapę dla polskich zespołów, które dopiero wybierają zastosowania. Zadania, w których naprawdę można liczyć na wykładniczą przewagę, to te z wewnętrzną strukturą: chemia kwantowa, nowe materiały, problemy algebraiczne. Projekty obiecujące cudowne przyspieszenie na dowolnych danych biznesowych powinny od teraz budzić u recenzentów grantów więcej pytań.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Anthropic nie ujawnia, jakiego modelu użyło PSI
Nazwa modelu pozostaje tajemnicą. Ani artykuł, ani strona PSI nie wymieniają Anthropic jako autora ani współpracownika, a model nadal nie jest dostępny publicznie. Kelsey Vlamis z Business Insidera podała, że Anthropic nie odpowiedział na pytanie, którego niewydanego modelu użyto.
Praca nie przeszła jeszcze recenzji w czasopiśmie. Niezależne programy mogą ponownie odtworzyć zakodowany dowód, jednak eksperci muszą jeszcze potwierdzić, że formalne twierdzenie w Lean odpowiada hipotezie Aaronsona i Ambainisa, oraz ocenić części artykułu leżące poza formalizacją. Andris Ambainis do tej pory publicznie się nie wypowiedział.
PSI zapowiada, że system pracuje już nad pokrewnymi problemami. Firma nie podała jakimi. Jej komunikat cytuje wrześniową pracę Umy Girish, Kunala Mittala, Baraka Nehorana i Rana Raza o wariantach hipotezy dla danych o innych rozkładach prawdopodobieństwa, co sugeruje naturalny kolejny cel.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym komunikatu badawczego Physical Superintelligence (PSI) z dnia 06.11.2026, repozytorium z artykułem i formalizacją w Lean oraz wpisu Scotta Aaronsona na blogu Shtetl-Optimized z dnia 08.11.2026. Kontekst historyczny i rynkowy zweryfikowano m.in. w materiałach Quantum Zeitgeist, The Quantum Insider i Unite.AI. Polski kontekst: komunikat Ministerstwa Cyfryzacji o uruchomieniu PIAST-Q.
Cytaty Scotta Aaronsona, profesora Uniwersytetu Teksańskiego w Austin, oraz zespołu badaczy ze Stanforda zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o recenzji dowodu hipotezy Aaronsona-Ambainisa i modelu Anthropic użytym przez PSI.
