Σε ένα σημαντικό άλμα προς το μέλλον της πληροφορικής, οι ερευνητές έχουν δείξει ότι ακόμη και οι μικρής κλίμακας κβαντικοί επεξεργαστές μπορούν να ξεπεράσουν τους κλασικούς αλγόριθμους σε εργασίες μηχανικής μάθησης.
Τα νέα κβαντικά ευρήματα
Το εύρημα προσφέρει μια ματιά σε μια ταχύτερη, πιο πράσινη εποχή μέσα στον σχετικά νέο ερευνητικό τομέα της Κβαντικής Μηχανικής Μάθησης, έναν χώρο που κερδίζει δυναμική τόσο στον ακαδημαϊκό χώρο όσο και στη βιομηχανία. Η νέα μελέτη συνδυάζει την κβαντική υπολογιστική και τη μηχανική μάθηση, δύο από τις πιο ανατρεπτικές τεχνολογίες της εποχής μας.
Οι πρόσφατες εξελίξεις και στους δύο τομείς αναδιαμορφώνουν τα τεχνολογικά σύνορα. Ενώ η Τεχνητή Νοημοσύνη είναι ήδη ενσωματωμένη σε όλα, από τους προσωπικούς βοηθούς έως την επιστημονική έρευνα, η κβαντική υπολογιστική υπόσχεται έναν θεμελιωδώς νέο τρόπο επεξεργασίας πληροφοριών. Η διασταύρωσή τους έχει οδηγήσει σε έναν ταχέως αναπτυσσόμενο τομέα: την κβαντική μηχανική μάθηση.
Η κβαντική υπολογιστική
Αυτός ο αναδυόμενος κλάδος διερευνά εάν τα κβαντικά συστήματα μπορούν να βελτιώσουν την ταχύτητα, την ακρίβεια ή την αποτελεσματικότητα των αλγορίθμων μηχανικής μάθησης. Ωστόσο, η απόδειξη ενός τέτοιου πλεονεκτήματος στο σημερινό περιορισμένο κβαντικό υλικό παραμένει μια σημαντική πρόκληση - μια πρόκληση που μόλις αρχίζουν να αντιμετωπίζουν οι ερευνητές.
Διεξήχθη από μια διεθνή ομάδα με επικεφαλής το Πανεπιστήμιο της Βιέννης, το πείραμα χρησιμοποίησε έναν φωτονικό κβαντικό επεξεργαστή για την ταξινόμηση σημείων δεδομένων, μια απαραίτητη εργασία στα σύγχρονα συστήματα Τεχνητής Νοημοσύνης.
Οι ερευνητές διαπίστωσαν ότι το κβαντικό σύστημα ξεπέρασε σε απόδοση το κλασικό του αντίστοιχο, κάνοντας λιγότερα λάθη - μια σπάνια, πραγματική ματιά στο κβαντικό πλεονέκτημα με το τρέχον υλικό.
Αυτή η ανακάλυψη επιτεύχθηκε χρησιμοποιώντας ένα κβαντικό φωτονικό κύκλωμα που αναπτύχθηκε στο Ιταλικό Πολυτεχνείο του Μιλάνου και έναν αλγόριθμο μηχανικής μάθησης που προτάθηκε από την Quantinuum με έδρα το Ηνωμένο Βασίλειο. Το πείραμα σηματοδοτεί μια από τις πρώτες επιδείξεις κβαντικής βελτίωσης σε πρακτικές εργασίες Τεχνητής Νοημοσύνης, αντί για προσομοιώσεις.
Πιο πράσινη, ταχύτερη, πιο έξυπνη Τεχνητή Νοημοσύνη
Απομονώνοντας την κβαντική συμβολή στη διαδικασία ταξινόμησης, η ομάδα μπόρεσε να εντοπίσει συγκεκριμένα σενάρια όπου τα κβαντικά συστήματα υπερέχουν.
Τα αποτελέσματά τους όχι μόνο επικυρώνουν τις δυνατότητες των φωτονικών κβαντικών επεξεργαστών, αλλά και θέτουν τις βάσεις για τον εντοπισμό εργασιών μηχανικής μάθησης όπου η κβαντική υπολογιστική μπορεί να έχει αντίκτυπο στον πραγματικό κόσμο, ακόμη και με το σημερινό υλικό περιορισμένης κλίμακας.
«Διαπιστώσαμε ότι για συγκεκριμένες εργασίες, ο αλγόριθμός μας κάνει λιγότερα σφάλματα από τον κλασικό αντίστοιχο», δήλωσε ο Philip Walther, επικεφαλής του έργου από το Πανεπιστήμιο της Βιέννης.
Η ενεργειακή απόδοση του συστήματος
Πέρα από την ακρίβεια, το πείραμα αποκαλύπτει επίσης ένα άλλο σημαντικό πλεονέκτημα στην ενεργειακή απόδοση.
Τα φωτονικά κβαντικά συστήματα επεξεργάζονται πληροφορίες χρησιμοποιώντας φως και επομένως καταναλώνουν σημαντικά λιγότερη ενέργεια από το παραδοσιακό υλικό, κάτι που αποκτά ολοένα και μεγαλύτερη σημασία καθώς οι ενεργειακές απαιτήσεις της Τεχνητής Νοημοσύνης συνεχίζουν να αυξάνονται.
«Αυτό θα μπορούσε να αποδειχθεί κρίσιμο στο μέλλον, δεδομένου ότι οι αλγόριθμοι μηχανικής μάθησης καθίστανται ανέφικτοι λόγω των υψηλών ενεργειακών απαιτήσεων», δήλωσε η συν-συγγραφέας Iris Agresti.
Δείχνοντας ότι οι σημερινές κβαντικές συσκευές μπορούν ήδη να προσφέρουν απτές βελτιώσεις, τα ευρήματα θα μπορούσαν να οδηγήσουν τόσο την κβαντική υπολογιστική όσο και την κλασική μηχανική μάθηση σε ένα πιο συμβιωτικό μέλλον, όπου οι κβαντικοί αλγόριθμοι ωθούν τα συμβατικά όρια και οι φωτονικές πλατφόρμες βοηθούν στην πιο βιώσιμη Τεχνητή Νοημοσύνη.
