在計算機科學中，NP（非多項式時間）指的是一些問題，這些問題的解決方案可以迅速驗證，儘管找到這些解決方案可能需要耗費巨大的時間。這個類別在當代的複雜性理論中扮演了重要的角色，而其量子對應類別QMA（量子多項式時間）則更為複雜，證明不再是由一串位元組成，而是以脆弱的量子狀態呈現。最近的研究顯示，OpenAI的GPT-5模型在量子複雜性研究中提供了具體的步驟，幫助證明了QMA的嚴格界限。這項研究中，GPT-5提出了一個數學表達式，這為錯誤減少的極限提供了突破性見解。
這項研究或許是人工智能首次在量子複雜性研究中提供具體貢獻的案例之一。Scott Aaronson和Freek Witteveen兩位研究者發表了新的論文《Limits to black-box amplification in QMA》，這篇論文已上傳至arXiv。這項工作建立於Stacey Jeffery和Witteveen於2025年取得的成果之上，並擴展了Aaronson在2008年所做的oracle分離研究。在QMA中，證明者Merlin會向驗證者Arthur發送量子證人，然後Arthur運行量子算法來決定是否接受該證明。這些系統由兩個數字來定義，分別是完整性和健壯性，前者是Arthur接受有效證明的機會，後者則是他錯誤接受無效證明的機會。通過重複測試和結合結果，增強方法可以縮小錯誤範圍。Jeffery和Witteveen展示了完整性可以達到雙指數的接近值，但是否能超過此範圍尚未解決。
在解決這些挑戰的過程中，Aaronson遇到了困難，並轉向了GPT-5。起初，GPT-5的建議並不正確，但經過多次交流後，該模型提出了一種重新構建問題的思路，通過一個單一的函數來測量接受程度的確定性。這一想法最終被證明是至關重要的。研究人員利用近似理論證明了完整性無法超過雙指數的接近程度，而健壯性則無法低於指數級別的數值。Aaronson在他的博客Shtetl Optimized上寫道：“現在，在2025年9月，我想告訴大家，人工智能終於介入了我認為最具人類特色的智力活動：即證明量子複雜性類別之間的oracle分離。”這項證明顯示出黑箱增強的上限，完整性無法再向上突破，而健壯性也無法低於指數。
這項研究的結果確認了解決QMA是否等於QMA1將需要非相對化方法，即分析電路結構，而不是將其視為黑箱。這種不對稱性也非常明顯：完整性取決於單一的良好證人，而健壯性則必須針對每一個可能的證人保持有效。儘管一些評論者認為GPT-5的見解是顯而易見的，Aaronson卻回應道：“GPT-5的建議應該對我們來說是顯而易見的，但這需要我們擁有更多的知識，或者花更多的時間來研究文獻或詢問專家。”這項研究留下一些重要的問題，包括QMA是否等於QMA1的問題，但它標誌著一個轉折點：人工智能不再僅僅是撰寫論文或編寫代碼，而是幫助填補計算機科學中最抽象領域的幾個十年的空白。
