Myšlenkové vůdce
Demystifikace kvantové umělé inteligence: Co to je, co to není a proč na tom teď záleží
Umělá inteligence vstoupila do nové fáze. Už se nejedná jen o vytváření větších modelů nebo přístup k většímu množství dat. Dnešní konkurence se soustředí na rychlost, efektivitu a inovace. Společnosti hledají nové nástroje, které nabízejí technické i ekonomické výhody. Pro některé se kvantové výpočty začínají jevit jako jeden z těchto nástrojů.
Kvantová umělá inteligence označuje kombinaci kvantových výpočtů s umělou inteligencí. Nabízí nový způsob řešení složitých problémů v oblasti strojového učení, optimalizace a analýzy dat. I když je stále ve fázi vývoje, její potenciál přitahuje vážnou pozornost. Globální cíl pro rok 2024 průzkum SAS zjistila, že více než 60 procent vedoucích pracovníků v podnikání již zkoumá kvantovou umělou inteligenci nebo do ní investuje. Většina z nich však také uvedla, že plně nechápe, co tato technologie je nebo jak by se dala využít.
Tento článek vysvětluje, co je kvantová umělá inteligence, jaké problémy by mohla pomoci vyřešit a kde by mohla mít v blízké budoucnosti dopad.
Proč se týmy s umělou inteligencí zaměřují na kvantové technologie
Trénování velkých modelů umělé inteligence vyžaduje čas, energii a peníze. I drobná zlepšení efektivity mohou vést k významným úsporám. Kvantové výpočty poskytují nové metody pro řešení určitých problémů efektivněji nebo přesněji než klasické stroje.
Například kvantové počítače mohou provádět více výpočtů současně s využitím vlastnosti známé jako superpozice. Díky tomu se dobře hodí pro problémy, které zahrnují prohledávání velkých prostorů nebo optimalizaci složitých systémů. Tyto schopnosti se dobře shodují s mnoha úkoly strojového učení, jako je výběr prvků, ladění modelu a vzorkování dat.
Zatímco dnešní kvantové stroje se stále vyvíjejí, vědci nacházejí způsoby, jak je kombinovat s klasickými nástroji. Tyto hybridní systémy umožňují týmům umělé inteligence testovat kvantové metody již nyní, bez čekání na plně vyvinutý kvantový hardware.
Co je a co není kvantová umělá inteligence
Kvantová umělá inteligence neznamená nahrazení současných systémů umělé inteligence kvantovými verzemi. Nejde o to, aby modely hlubokého učení běžely výhradně na kvantovém hardwaru.
Místo toho se zaměřuje na využití kvantových algoritmů k podpoře částí vývoje umělé inteligence. Ty mohou zahrnovat úkoly, jako je zrychlení optimalizace, zlepšení výběru funkcí nebo vylepšení vzorkování z rozdělení ziskovosti. V těchto případech kvantové počítače nenahrazují stávající nástroje, ale pouze je podporují.
Práce je stále experimentální. Většina příkladů se opírá o hybridní metody, ve kterých kvantové a klasické části spolupracují. Tyto systémy však již vykazují výsledky v úzkých případech použití.
Aktuální aplikace ve vývoji
Přestože se jedná o novou oblast, kvantová umělá inteligence se již testuje v několika odvětvích. Tyto příklady využívají reálné nástroje a publikovaný výzkum. Odrážejí také typy problémů, k jejichž řešení se kvantové metody nejlépe hodí.
Komprese modelu a mapování prvků
Modely umělé inteligence se zvětšují a jejich trénování je stále nákladnější. Kvantové technologie mohou pomoci zmenšit velikost a složitost těchto modelů. Jednou z metod je kvantové mapování rysů, kde se vstupní data transformují pomocí kvantových obvodů. Tyto transformace mohou pomoci oddělit datové body, které je obtížné klasifikovat standardními technikami.
V „raných“ dnech roku 2021 papír v Fyzika přírody zkoumali, jak by kvantová jádra mohla vylepšit support vector machines, což je typ modelu strojového učení. Tento přístup funguje dobře pro vysokodimenzionální nebo řídké datové sady, kde klasické modely mají potíže.
Optimalizace portfolia ve financích
Banky a správci aktiv často používají umělou inteligenci ke správě portfolií a hodnocení rizik. Tyto úkoly zahrnují velké množství proměnných a omezení. Kvantové algoritmy, jako je QAOA (Quantum Approximate Optimization Algorithm), se testují, aby tyto problémy řešily efektivněji.
Citi Innovation Labs a AWS nedávno studoval využití kvantových počítačů pro optimalizaci portfolia, konkrétně algoritmus QAOA a jeho fungování. Tato spolupráce ukazuje rostoucí zájem a investice do kvantových počítačů jako nástroje pro řešení problémů reálného světa.
Objevování léčiv a molekulární modelování
Vývoj léčiv se spoléhá na předpovídání interakcí molekul. Modely umělé inteligence mohou pomoci, ale klasické simulace mají své limity. Kvantové výpočty jsou vhodnější pro modelování chemických systémů na kvantové úrovni.
A Nová studie z IBM, Clevelandské kliniky a Michiganské státní univerzity předvedli nový způsob simulace komplexních molekul pomocí kvantových počítačů současné generace, což nabízí schůdnou cestu vpřed pro kvantově orientované vědecké výpočty.
Optimalizace dodavatelského řetězce
Dodavatelské řetězce je obtížné řídit kvůli jejich velikosti a složitosti. Umělá inteligence může pomoci, ale určité úkoly, jako je plánování tras a řízení zásob, je stále obtížné optimalizovat. Pro zlepšení těchto úkolů se zkoumají kvantové metody.
Fujitsu se stala partnerem s Japan Post s cílem optimalizovat doručování na poslední míli v Tokiu, kde tradiční směrovací algoritmy nedokázaly zohlednit dynamické proměnné, jako jsou dopravní zácpy a kolísání objemu balíků. Nasazením kvantové umělé inteligence se jim podařilo zahájit práci na transformaci některých nejzákladnějších aspektů logistiky.
Výzvy a omezení
Kvantový hardware zůstává výzvou. Přestože se zdá, že každý den se objevují nové pokroky, dnešní stroje jsou stále citlivé na šum, obtížně škálovatelné a nespolehlivé pro dlouhé výpočty. Většina aplikací musí fungovat v rámci těchto limitů a využívat kratší a jednodušší kvantové obvody.
Vývoj kvantového softwaru je také obtížný. Kvantové programování vyžaduje znalosti fyziky, matematiky a informatiky. Jen málo týmů má správnou kombinaci dovedností.
Aby se tato bariéra snížila, vytvářejí se nové nástroje. Patří mezi ně frameworky pro programování na vysoké úrovni a automatizované systémy pro návrh obvodů. Ty umožňují vývojářům umělé inteligence testovat kvantové metody, aniž by museli psát kvantový kód na nízké úrovni.
Co dnes dokážou týmy s umělou inteligencí
Kvantová umělá inteligence není připravena k plnému nasazení. Týmy zaměřené na budoucnost však mohou začít budovat znalosti a systémy potřebné k jejímu využití v budoucnu. Zde jsou tři kroky, které je třeba zvážit:
- Budujte mezioborové týmy – Spojte experty na umělou inteligenci s výzkumníky v oblasti optimalizace a kvantových výpočtů. To umožňuje týmům zkoumat nové nápady a připravovat budoucí funkce.
- Experimentujte s hybridními pracovními postupy – Zaměřte se na úzké problémy, kde kvantové komponenty mohou podporovat klasické modely. Patří sem výběr prvků, vzorkování nebo optimalizace s omezeními.
- Používejte nástroje, které abstrahují složitost – Zavádějte platformy a frameworky, které skrývají nízkoúrovňové kvantové detaily. Tyto nástroje pomáhají týmům soustředit se na aplikaci, nikoli na hardware.
Kvantová umělá inteligence se stále vyvíjí. Není zkratkou ani náhradou klasické umělé inteligence. Je to však rostoucí oblast se skutečným potenciálem v oblastech, kde současné modely selhávají nebo se potýkají s problémy. Nejpravděpodobnější cestou vpřed není náhlý narušení, ale stabilní integrace.
S tím, jak se kvantový hardware zlepšuje a software se stává dostupnějším, budou mít ti, kteří tyto nové nástroje přijmou dříve, lepší pozici k jejich využití. Pro týmy, které již pracují na hranicích klasických systémů, může být kvantová umělá inteligence dalším místem, kde najdou hodnotu.
