كشف الغموض عن الذكاء الاصطناعي الكمومي: ما هو، وما ليس، وأهميته الآن

دخل الذكاء الاصطناعي مرحلة جديدة. لم يعد الأمر يتعلق ببناء نماذج أكبر أو الوصول إلى المزيد من البيانات. ينصب التركيز اليوم على السرعة والكفاءة والابتكار. تسعى الشركات إلى أدوات جديدة توفر ميزات تقنية واقتصادية. بالنسبة لبعضها، يبدو أن الحوسبة الكمومية هي واحدة من تلك الأدوات.

يُشير الذكاء الاصطناعي الكمومي إلى الجمع بين الحوسبة الكمومية والذكاء الاصطناعي. إنه يوفر طريقة جديدة لمواجهة المشكلات المعقدة في تعلم الآلة والتحسين والتحليل البياني. على الرغم من أنه لا يزال قيد التطوير، فإن الإمكانات تجذب الانتباه الجاد. وجد استطلاع عالمي عام 2024 conducted بواسطة SAS أن أكثر من 60٪ من قادة الأعمال يبحثون أو يستثمرون بالفعل في الذكاء الاصطناعي الكمومي. ومع ذلك، قال معظمهم أيضًا إنهم لا يفهمون تمامًا ما هي هذه التكنولوجيا أو كيف يمكن استخدامها.

يُشرح هذا المقال ما هو الذكاء الاصطناعي الكمومي، وما هي المشكلات التي قد يساعد في حلها، وأين يمكن أن يكون له تأثير في المستقبل القريب.

لماذا يبحث فرق الذكاء الاصطناعي عن الكمومية

يتطلب تدريب نماذج الذكاء الاصطناعي الكبيرة وقتًا وطاقة وأموالًا. حتى التحسينات الطفيفة في الكفاءة يمكن أن تؤدي إلى وفورات كبيرة. توفر الحوسبة الكمومية أساليب جديدة لحل بعض المشكلات بكفاءة أو دقة أكبر من الآلات الكلاسيكية.

على سبيل المثال، يمكن للحواسيب الكمومية إجراء حسابات متعددة في نفس الوقت، باستخدام خاصية تعرف باسم التأثير الفائق. هذا يجعلها مناسبة للمشكلات التي تتضمن البحث في مساحات كبيرة أو تحسين الأنظمة المعقدة. تتوافق هذه القدرات جيدًا مع العديد من المهام في تعلم الآلة، مثل اختيار الميزات وضبط النموذج وتصميم البيانات.

على الرغم من أن آلات الكمومية اليوم لا تزال تتطور، إلا أن الباحثين يجدون طرقًا لدمجها مع الأدوات الكلاسيكية. تسمح هذه الأنظمة الهجينة لفرق الذكاء الاصطناعي باختبار الطرق الكمومية الآن، دون انتظار تطوير الأجهزة الكمومية بالكامل.

ما هو الذكاء الاصطناعي الكمومي وما ليس

الذكاء الاصطناعي الكمومي ليس عن استبدال الأنظمة الحالية بالنسخ الكمومية.

بدلاً من ذلك، يركز على استخدام الخوارزميات الكمومية لدعم أجزاء من трубة الذكاء الاصطناعي. قد تتضمن هذه المهام مثل تسريع التحسين أو تحسين اختيار الميزات أو تعزيز العينة من التوزيعات القائمة على الربحية. في هذه الحالات، لا تستبدل الحواسيب الكمومية الأدوات الحالية؛ بل تدعمها.

ما زالت الأعمال قيد التجربة. تعتمد معظم الأمثلة على أساليب هجينة، حيث تعمل الأجزاء الكمومية والكلاسيكية معًا. ومع ذلك، تظهر هذه الأنظمة بالفعل نتائج في حالات استخدام ضيقة.

التطبيقات الحالية قيد التطوير

على الرغم من أن المجال جديد، إلا أن الذكاء الاصطناعي الكمومي يتم اختباره بالفعل في عدة صناعات. تستخدم هذه الأمثلة أدوات حقيقية وأبحاث منشورة. كما تعكس أنواع المشكلات التي هي أكثر ملاءمة للأساليب الكمومية.

ضغط النموذج وتصميم الميزات

تُنمو نماذج الذكاء الاصطناعي وتُصبح أكثر تكلفة في التدريب. يمكن للتكنولوجيا الكمومية مساعدة في تقليل حجم و复杂ية هذه النماذج. واحدة من هذه الطرق هي تصميم الميزات الكمومي، حيث تُحول البيانات الإدخالية باستخدام الدوائر الكمومية. يمكن أن تساعد هذه التحويلات في فصل النقاط البيانية التي يصعب تصنيفها باستخدام التقنيات الكلاسيكية.

في “الأيام الأولى”، بحثت ورقة في Nature Physics عام 2021 عن كيفية تحسين نوى الكمومية لآلات دعم المتجه، وهي نوع من نماذج تعلم الآلة. يعمل هذا النهج جيدًا للبيانات عالية الأبعاد أو النادرة، حيث تتعثر النماذج الكلاسيكية.

تحسين المحفظة في التمويل

غالبًا ما تستخدم البنوك ومديري الأصول الذكاء الاصطناعي لإدارة المحافظ وتقييم المخاطر. تتضمن هذه المهام عددًا كبيرًا من المتغيرات والقيود. يتم اختبار خوارزميات كمومية مثل QAOA (خوارزمية التحسين الكمومي التقريبي) لحل هذه المشكلات بكفاءة أكبر.

دراسة حديثة بواسطة Citi Innovation Labs و AWS درست استخدام الحواسيب الكمومية لتحسين المحفظة، و特别 استخدام خوارزمية QAOA وكيف أدت. تُظهر هذه التعاونات الاهتمام والاستثمار المتزايدين في الحوسبة الكمومية كأداة لحل مشكلات العالم الحقيقي.

اكتشاف الأدوية ونمذجة الجزيئات

يعتمد تطوير الأدوية على التنبؤ بكيفية تفاعل الجزيئات مع بعضها البعض. يمكن لنماذج الذكاء الاصطناعي أن تساعد، ولكن المحاكاة الكلاسيكية لها حدود. تكون الحوسبة الكمومية أكثر ملاءمة لنمذجة الأنظمة الكيميائية على المستوى الكمومي.

دراسة جديدة بواسطة IBM و Cleveland Clinic و Michigan State University أظهرت طريقة جديدة لتحاكي الجزيئات المعقدة باستخدام الحواسيب الكمومية الحالية، مما يوفر طريقًا قابلاً للتطبيق للمحاكاة العلمية الكمومية.

تحسين سلسلة التوريد

تُعد سلسلة التوريد صعبة الإدارة بسبب حجمها و复杂يتها. يمكن للذكاء الاصطناعي أن يساعد، ولكن بعض المهام، مثل تخطيط المسار ومراقبة المخزون، لا تزال صعبة التحسين. يتم استكشاف الأساليب الكمومية لتحسين هذه المهام.

شريك Fujitsu مع Japan Post لتحسين التوصيل الأخير في طوكيو، حيث فشلت الخوارزميات التقليدية في مراعاة المتغيرات الديناميكية مثل الازدحام المروري وتقلبات حجم الحزم. من خلال نشر الذكاء الاصطناعي الكمومي، تمكنوا من بدء العمل على تحويل بعض الجوانب الأساسية لللوجستيات.

التحديات والقيود

لا تزال الأجهزة الكمومية تحديًا. على الرغم من أن هناك تقدمًا جديدًا تقريبًا كل يوم، إلا أن الآلات الحالية لا تزال حساسة للضوضاء وصعبة في التوسيع وغير موثوقة للحسابات الطويلة. يجب أن تعمل معظم التطبيقات داخل هذه القيود، باستخدام دوائر كمومية أقصر وأبسط.

تُعد برمجة البرمجيات الكمومية صعبة également. تتطلب البرمجة الكمومية معرفة بالفيزياء والرياضيات وعلوم الحاسوب. لا تملك معظم الفرق المزيج الصحيح من المهارات.

لخفض هذه العوائق، يتم إنشاء أدوات جديدة. تشمل هذه الإطارات البرمجية عالية المستوى وأنظمة تصميم الدوائر التلقائي. تسمح هذه الأدوات لمطوري الذكاء الاصطناعي باختبار الأساليب الكمومية دون الحاجة إلى كتابة رمز كمومي منخفض المستوى.

ما يمكن أن تفعله فرق الذكاء الاصطناعي اليوم

الذكاء الاصطناعي الكمومي ليس جاهزًا للتطبيق الكامل. ومع ذلك، يمكن للفرق التي تتطلع إلى المستقبل أن تبدأ في بناء المعرفة والنظم اللازمة للاستفادة منه في المستقبل. إليك ثلاث خطوات للنظر فيها:

1. ابنوا فرقًا متعددة التخصصات – جمّعوا خبراء الذكاء الاصطناعي مع الباحثين في التحسين والحوسبة الكمومية. هذا يسمح للفرق باختبار أفكار جديدة والاستعداد للقدرات المستقبلية.
2. جربوا سير عمل هجينة – ركزوا على مشكلات ضيقة حيث يمكن للمكونات الكمومية دعم النماذج الكلاسيكية. تشمل هذه اختيار الميزات أو العينة أو التحسين المقيد.
3. استخدموا أدواتًا تabstract التعقيد – اعتمدوا منصات وإطارات تُخفي تفاصيل الحوسبة الكمومية منخفضة المستوى. تساعد هذه الأدوات الفرق على التركيز على التطبيق، وليس على الأجهزة.

الذكاء الاصطناعي الكمومي لا يزال قيد التطوير. إنه ليس طريقًا مختصرًا أو بديلاً للذكاء الاصطناعي الكلاسيكي. ومع ذلك، فهو مجال يتطور مع إمكانات حقيقية في المجالات التي تتعثر فيها النماذج الحالية أو ت투ق.

随着 تحسين الأجهزة الكمومية وزيادة إمكانية الوصول إلى البرمجيات، سيكون المبتكرون الأوائل في وضع أفضل لاستخدام هذه الأدوات الجديدة. بالنسبة للفرق التي تعمل بالفعل على حدود الأنظمة الكلاسيكية، قد يكون الذكاء الاصطناعي الكمومي المكان التالي للعثور على القيمة.