By Gästförfattare postat 11 april 2024
"Quantum Particulars" är en redaktionell gästkolumn som innehåller exklusiva insikter och intervjuer med kvantforskare, utvecklare och experter som tittar på viktiga utmaningar och processer inom detta område. Den här artikeln, som fokuserar på skärningspunkten mellan kvantteknologi och artificiell intelligens (AI) skrevs av Brian Lenahan, grundare och ordförande för Quantum Strategy Institute.
Artificiell intelligens (AI) och kvantteknik är två banbrytande fält som är redo att dynamiskt förändra varje sektor, och deras skärningspunkt har ett enormt löfte för framtiden för datoranvändning, optimering och problemlösning. Kärnan i denna korsning ligger potentialen att utnyttja kvantberäkningskraft för att förbättra AI-algoritmer, och vice versa, med hybridsystem som skapar synergier som lovar genombrott inom områden som maskininlärning, kryptografi och läkemedelsupptäckt. Ändå är vetenskapen långt ifrån fastställd.
Ett viktigt område där AI och kvantteknik korsas är i kvantmaskininlärning (QML). QML syftar till att utnyttja kvantberäkningens unika egenskaper, såsom superposition och entanglement, för att förbättra maskininlärningsalgoritmer. Kvantdatorer, tror vissa, förväntas effektivt bearbeta stora mängder data och utföra komplexa beräkningar, vilket gör det möjligt för AI-system att analysera och lära av stora datamängder mer effektivt.
Dessutom förväntas kvantberäkningar påskynda AI-träningsprocesser genom att exponentiellt påskynda beräkningarna. Denna snabbhet är särskilt fördelaktig för utbildning av modeller för djupinlärning, som vanligtvis kräver omfattande beräkningsresurser och energiförbrukning. Genom att utnyttja kvantalgoritmer kan AI-forskare potentiellt träna mer komplexa modeller och uppnå högre nivåer av noggrannhet i uppgifter som bildigenkänning, naturlig språkbehandling och autonom körning.
Dessutom har kvantförstärkta algoritmer potential att revolutionera optimeringsproblem, som är genomgående i AI-tillämpningar. Kvantglödgning, till exempel, erbjuder ett nytt tillvägagångssätt för att lösa optimeringsuppgifter genom att utnyttja kvantprinciper för att utforska stora lösningsutrymmen mer effektivt. Denna förmåga kan avsevärt förbättra AI-systemens förmåga att hitta optimala lösningar i komplexa scenarier, såsom supply chain management, finansiell portföljoptimering och resursallokering.
Motsatta åsikter
Vissa intressenter föreslår att en avgörande konvergens mellan artificiell intelligens (AI) och kvantberäkningar ligger i den senares potential att förbättra stora språkmodeller (LLMs), och därmed bidra till utvecklingen av artificiell allmän intelligens (AGI). Multiverse Computing, till exempel, avser att minska kostnaderna för LLM utbildning genom kvantinspirerad programvara.
Olivier Ezratty, välkänd industriobservatör skrev nyligen en artikel med titeln "Hur AI, LLM och kvantvetenskap kan stärka varandra?”Hans slutsats? "Landskapet som studeras i denna artikel visar en obalanserad situation där maskininlärning för närvarande hjälper kvantteknologier mer än tvärtom. Som ett resultat, "fråga inte vad kvantberäkning kan göra för AI, fråga vad AI kan göra för kvantvetenskap"?
Så det har föreslagits av Ezratty och andra att diskussionen om sammanslagning av AI och kvantberäkning kan vara mer exakt inramad inom ramen för maskininlärning (ML) och kvantberäkning. Denna omorientering är särskilt relevant när man överväger effektivitetsvinsterna vid bearbetning av mindre datamängder – ett område där kvantsimulatorer för närvarande uppvisar lovande, med potential för kvantdatorer (QC) att ytterligare utöka dessa funktioner inom överskådlig framtid. Ett sådant tillvägagångssätt erbjuder inte bara omedelbar användbarhet utan antyder också en skalbar väg för framtida framsteg.
Momentum med AI
Det är tänkbart att QC kan kartlägga en bana liknande Fältprogrammerbara portarrayer (FPGA). Allmänna bibliotek kanske inte blir verklighet på grund av den komplicerade processen att anpassa specifika användningsfall med algoritmer, förvärrat av utmaningen att leverera påtagligt värde eftersom klassisk datoranvändning förblir baslinjen. Att härleda värde från dessa algoritmer kommer att kräva interna mästare inom olika branscher som besitter både kvantexpertis och djup kunskap om sina respektive områden. Även om leverantörer och akademiker kan bidra med ytterligare verktyg, kommer ansvaret för kommersiell implementering till stor del att falla på dessa experter. När ett användningsfall inom en specifik bransch visar betydande inverkan, kommer farten inom hela den sektorn sannolikt att öka.
Detta momentum kommer dock bara att förverkligas om applikationslager etableras, där kvantberäkningar sömlöst integreras i befintliga applikationer och arbetsflöden utan att slutanvändaren behöver förstå krångligheterna med qubits. Så småningom bör tekniken utvecklas till en punkt där slutanvändaren inte ens behöver vara medveten om den underliggande kvantmekaniken.
Lär dig mer om skärningspunkten mellan kvantum och artificiell intelligens på Inuti Quantum Technology New York i oktober 2024.
Brian Lenahan, grundare och ordförande för Quantum Strategy Institute, är en sju gånger publicerad Författaren om ämnen relaterade till artificiell intelligens och kvantteknik och en trefaldig LinkedIn Quantum Top Voice. Han samråder med företag och små och medelstora företag, och utvecklar främst tekniska färdplaner. Brian skriver mycket om dessa två ämnen LinkedIn och i sin understack "Quantums verksamhet. "
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
- PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
- Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
- PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
- Källa: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-plus-ai-an-intersection-to-innovation/
