"Quantum Particulars" on toimetuse külaliste veerg, mis sisaldab eksklusiivseid teadmisi ja intervjuusid kvantuurijate, arendajate ja ekspertidega, kes vaatlevad selle valdkonna peamisi väljakutseid ja protsesse. Selle artikli, mis keskendub kvanttehnoloogia ja tehisintellekti (AI) ristumiskohale, kirjutas Brian Lenahan, asutaja ja juhataja Kvantstrateegia instituut. 

Tehisintellekt (AI) ja kvanttehnoloogiad on kaks tipptasemel valdkonda, mis on valmis dünaamiliselt muutma iga sektorit, ja nende ristumiskohas on tohutult paljutõotust andmetöötluse, optimeerimise ja probleemide lahendamise tuleviku jaoks. Selle ristmiku keskmes on potentsiaal kasutada kvantarvutusvõimsust AI-algoritmide täiustamiseks ja vastupidi, hübriidsüsteemidega, mis loovad sünergiat, mis lubab läbimurret sellistes valdkondades nagu masinõpe, krüptograafia ja ravimite avastamine. Kuid teadus pole kaugeltki väljakujunenud.

Üks oluline piirkond, kus AI ja kvanttehnoloogiad ristuvad, on selles kvantmasina õppimine (QML). QML-i eesmärk on kasutada masinõppe algoritmide täiustamiseks kvantandmetöötluse ainulaadseid omadusi, nagu superpositsioon ja takerdumine. Mõned arvavad, et kvantarvutid töötlevad tõhusalt suuri andmehulki ja teevad keerukaid arvutusi, võimaldades tehisintellektisüsteemidel tohutuid andmekogumeid tõhusamalt analüüsida ja neist õppida.

Lisaks eeldatakse, et kvantarvutus kiirendab tehisintellekti treeningprotsesse, kiirendades arvutusi eksponentsiaalselt. See kiirendamine on eriti kasulik süvaõppemudelite koolitamiseks, mis tavaliselt nõuavad ulatuslikke arvutusressursse ja energiatarbimist. Kvantalgoritme võimendades saavad tehisintellekti teadlased potentsiaalselt treenida keerukamaid mudeleid ja saavutada suuremat täpsust sellistes ülesannetes nagu pildituvastus, loomuliku keele töötlemine ja autonoomne sõit.

Lisaks võivad kvant-täiustatud algoritmid muuta pöördeliselt optimeerimisprobleeme, mis on AI rakendustes levinud. KvantlõõmutamineNäiteks pakub uudset lähenemist optimeerimisülesannete lahendamisele, kasutades kvantpõhimõtteid, et tõhusamalt uurida tohutuid lahendusruume. See võimalus võib oluliselt parandada tehisintellektisüsteemide võimet leida optimaalseid lahendusi keerulistes stsenaariumides, nagu tarneahela juhtimine, finantsportfelli optimeerimine ja ressursside jaotamine.

Vastandlikud vaated

Mõned sidusrühmad väidavad, et tehisintellekti (AI) ja kvantarvutite vaheline pöördeline lähenemine seisneb viimase potentsiaalis täiustada suuri keelemudeleid (LLM), aidates seega kaasa tehisintellekti (AGI) edendamisele. Näiteks Multiverse Computing kavatseb selle kulusid vähendada LLM koolitus kvant-inspireeritud tarkvara kaudu.

Olivier Ezratty, tuntud tööstuse vaatleja, kirjutas hiljuti paberi pealkirjaga „Kuidas saavad tehisintellekt, LLM-id ja kvantteadus üksteisele jõudu anda?Tema järeldus? “Käesolevas artiklis uuritud maastik näitab tasakaalustamata olukorda, kus masinõpe aitab praegu kvanttehnoloogiaid rohkem kui vastupidi. Selle tulemusena "ärge küsige, mida saab kvantarvutus tehisintellekti jaoks teha, vaid küsige, mida AI saab kvantteaduse jaoks teha"?

Seega on Ezratty ja teised soovitanud, et tehisintellekti ja kvantandmetöötluse sulandumist käsitlev arutelu võiks olla täpsemalt raamitud masinõppe (ML) ja kvantandmetöötluse kontekstis. See ümberorienteerimine on eriti oluline, kui arvestada väiksemate andmekogumite töötlemise tõhususe kasvu - valdkond, kus kvantsimulaatorid on praegu paljulubavad, kuna kvantarvutid (QC) võivad neid võimalusi lähitulevikus veelgi laiendada. Selline lähenemine ei paku mitte ainult vahetut kasulikkust, vaid annab ka vihjeid tulevaste edusammude jaoks skaleeritavale teele.

Momentum AI-ga

On mõeldav, et QC võiks kaardistada sarnase trajektoori Väljal programmeeritavad väravamassiivid (FPGA). Üldised teegid ei pruugi realiseeruda konkreetsete kasutusjuhtude ja algoritmidega vastavusse viimise keerulise protsessi tõttu, millele lisandub väljakutse pakkuda käegakatsutavat väärtust, kuna klassikaline andmetöötlus jääb aluseks. Nendest algoritmidest väärtuse saamiseks on vaja erinevates tööstusharudes sisemisi meistreid, kellel on nii kvantteadmised kui ka sügavad teadmised oma vastavate valdkondade kohta. Kuigi müüjad ja akadeemikud võivad anda täiendavaid tööriistu, lasub kaubandusliku rakendamise kohustus suuresti nendel ekspertidel. Kui konkreetses tööstusharus on kasutusjuhtum märkimisväärne mõju, tõuseb hoog tõenäoliselt kogu selles sektoris.

See hoog realiseerub aga ainult siis, kui luuakse rakenduskihid, kus kvantarvutus sulandub sujuvalt olemasolevatesse rakendustesse ja töövoogudesse, ilma et lõppkasutaja peaks kubittide keerukusest aru saama. Lõpuks peaks tehnoloogia arenema punktini, kus lõppkasutaja ei pea isegi aluseks olevast kvantmehaanikast teadlik olema.

Lisateavet kvant- ja tehisintellekti ristumiskoha kohta leiate aadressilt Quantum Technology New Yorgis 2024. aasta oktoobris.

Brian Lenahan, Quantum Strategy Institute asutaja ja juhataja, on seitse korda ilmunud autor tehisintellekti ja kvanttehnoloogiatega seotud teemadel ning kolmekordne LinkedIn Quantum Top Voice. Ta konsulteerib ettevõtete ja VKEde organisatsioonidega, töötades välja eelkõige tehnoloogia tegevuskavasid. Brian kirjutab nendel kahel teemal põhjalikult LinkedIn ja tema alamvirnasKvant äri. "

Kategooriad:
tehisintellekti, Külalisartikkel, kvantarvutus, teadustöö

Sildid:
AI, Brian Lenahan, kvantarvutus

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• Allikas: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-plus-ai-an-intersection-to-innovation/