Demistifikasi Quantum AI: Apa itu, Apa yang Tidak, dan Mengapa Hal Ini Penting Sekarang

AI telah memasuki fase baru. Ini tidak lagi hanya tentang membangun model yang lebih besar atau mengakses lebih banyak data. Persaingan saat ini berfokus pada kecepatan, efisiensi, dan inovasi. Perusahaan mencari alat baru yang menawarkan keunggulan teknis dan ekonomis. Bagi beberapa perusahaan, komputasi kuantum mulai terlihat seperti salah satu alat tersebut.

Quantum AI merujuk pada kombinasi komputasi kuantum dengan kecerdasan buatan. Ini menawarkan cara baru untuk menangani masalah kompleks dalam pembelajaran mesin, optimisasi, dan analisis data. Meskipun masih dalam tahap pengembangan, potensinya telah menarik perhatian serius. Survei global 2024 oleh SAS menemukan bahwa lebih dari 60 persen pemimpin bisnis sudah menjelajahi atau berinvestasi di Quantum AI. Namun, sebagian besar juga mengatakan bahwa mereka tidak sepenuhnya memahami apa teknologi ini atau bagaimana cara menggunakannya.

Artikel ini menjelaskan apa itu Quantum AI, masalah apa yang mungkin dapat membantu, dan di mana ia dapat membuat dampak di masa depan.

Mengapa Tim AI Melihat Kuantum

Pelatihan model AI besar membutuhkan waktu, energi, dan uang. Bahkan perbaikan efisiensi kecil dapat menghasilkan penghematan yang signifikan. Komputasi kuantum menyediakan metode baru untuk menyelesaikan masalah tertentu dengan lebih efisien atau akurat daripada mesin klasik.

Sebagai contoh, komputer kuantum dapat melakukan perhitungan multiple secara bersamaan, menggunakan sifat yang dikenal sebagai superposisi. Ini membuatnya cocok untuk masalah yang melibatkan pencarian ruang besar atau optimisasi sistem kompleks. Kemampuan ini sesuai dengan banyak tugas dalam pembelajaran mesin, seperti pemilihan fitur, pengaturan model, dan pengambilan sampel data.

Meskipun mesin kuantum saat ini masih berkembang, peneliti menemukan cara untuk menggabungkannya dengan alat klasik. Sistem hibrida ini memungkinkan tim AI untuk menguji metode kuantum sekarang, tanpa menunggu perangkat keras kuantum yang sepenuhnya dikembangkan.

Apa Quantum AI dan Apa yang Tidak

Quantum AI bukan tentang menggantikan sistem AI saat ini dengan versi kuantum. Ini bukan tentang menjalankan model pembelajaran dalam secara keseluruhan pada perangkat keras kuantum.

Sebaliknya, ini fokus pada menggunakan algoritma kuantum untuk mendukung bagian dari pipa AI. Ini mungkin termasuk tugas seperti mempercepat optimisasi, memperbaiki pemilihan fitur, atau meningkatkan pengambilan sampel dari distribusi keuntungan. Dalam kasus ini, komputer kuantum tidak menggantikan alat yang ada; mereka mendukungnya.

Pekerjaan ini masih eksperimental. Sebagian besar contoh bergantung pada metode hibrida, di mana bagian kuantum dan klasik bekerja bersama. Namun, sistem ini sudah menunjukkan hasil dalam kasus penggunaan yang sempit.

Aplikasi Saat Ini yang Sedang Dikembangkan

Meskipun bidang ini baru, Quantum AI sudah diuji di beberapa industri. Contoh ini menggunakan alat dan penelitian yang diterbitkan. Mereka juga mencerminkan jenis masalah yang paling sesuai untuk metode kuantum.

Model Kompresi dan Pemetaan Fitur

Model AI tumbuh lebih besar dan lebih mahal untuk dilatih. Teknologi kuantum dapat membantu mengurangi ukuran dan kompleksitas model ini. Salah satu metode adalah pemetaan fitur kuantum, di mana data input diubah menggunakan sirkuit kuantum. Transformasi ini dapat membantu memisahkan titik data yang sulit diklasifikasikan dengan teknik standar.

Di awal hari, sebuah makalah 2021 di Nature Physics menjelajahi bagaimana kernel kuantum dapat meningkatkan mesin pembelajaran vektor dukungan, jenis model pembelajaran mesin. Pendekatan ini bekerja dengan baik untuk dataset berdimensi tinggi atau sparse, di mana model klasik bergelut.

Optimisasi Portofolio di Keuangan

Bank dan manajer aset sering menggunakan AI untuk mengelola portofolio dan menilai risiko. Tugas ini melibatkan banyak variabel dan kendala. Algoritma kuantum seperti QAOA (Quantum Approximate Optimization Algorithm) sedang diuji untuk menyelesaikan masalah ini dengan lebih efisien.

Citi Innovation Labs dan AWS baru-baru ini mempelajari penggunaan komputer kuantum untuk optimisasi portofolio, khususnya menggunakan algoritma QAOA dan kinerjanya. Kolaborasi ini menunjukkan minat dan investasi yang tumbuh di komputasi kuantum sebagai alat untuk menyelesaikan masalah dunia nyata.

Penemuan Obat dan Pemodelan Molekuler

Pengembangan obat bergantung pada prediksi bagaimana molekul berinteraksi satu sama lain. Model AI dapat membantu, tetapi simulasi klasik memiliki keterbatasan. Komputasi kuantum lebih sesuai untuk memodelkan sistem kimia pada tingkat kuantum.

Sebuah studi baru dari IBM, The Cleveland Clinic, dan Michigan State University menunjukkan cara baru untuk mensimulasikan molekul kompleks menggunakan komputer kuantum generasi saat ini, menawarkan jalur yang layak untuk komputasi ilmiah kuantum-sentris.

Optimisasi Rantai Pasokan

Rantai pasokan sulit dikelola karena ukurannya dan kompleksitasnya. AI dapat membantu, tetapi tugas tertentu, seperti perencanaan rute dan kontrol inventori, tetap sulit dioptimalkan. Metode kuantum sedang diuji untuk meningkatkan tugas ini.

Fujitsu bermitra dengan Japan Post untuk mengoptimalkan pengiriman terakhir di Tokyo, di mana algoritma routing tradisional gagal memperhitungkan variabel dinamis seperti kemacetan lalu lintas dan fluktuasi volume paket. Dengan menerapkan Quantum AI, mereka dapat memulai pekerjaan pada transformasi beberapa aspek fundamental logistik.

Tantangan dan Keterbatasan

Perangkat keras kuantum tetap menjadi tantangan. Meskipun ada kemajuan baru hampir setiap hari, mesin saat ini masih sensitif terhadap gangguan, sulit diskalakan, dan tidak dapat diandalkan untuk perhitungan panjang. Sebagian besar aplikasi harus beroperasi dalam keterbatasan ini, menggunakan sirkuit kuantum yang lebih pendek dan lebih sederhana.

Pengembangan perangkat lunak kuantum juga sulit. Pemrograman kuantum memerlukan pengetahuan dalam fisika, matematika, dan ilmu komputer. Sedikit tim yang memiliki campuran keterampilan yang tepat.

Untuk menurunkan hambatan ini, alat baru sedang dibuat. Ini termasuk kerangka pemrograman tingkat tinggi dan sistem desain sirkuit otomatis. Alat ini memungkinkan pengembang AI untuk menguji metode kuantum tanpa perlu menulis kode kuantum tingkat rendah.

Apa yang Dapat Dilakukan Tim AI Saat Ini

Quantum AI belum siap untuk penerapan penuh. Namun, tim yang berpikiran ke depan dapat mulai membangun pengetahuan dan sistem yang diperlukan untuk mengambil keuntungan dari teknologi ini di masa depan. Berikut adalah tiga langkah yang dapat dipertimbangkan:

1. Build tim lintas fungsional – Gabungkan ahli AI dengan peneliti dalam optimisasi dan komputasi kuantum. Ini memungkinkan tim untuk menjelajahi ide baru dan mempersiapkan kemampuan masa depan.
2. Eksperimen dengan alur kerja hibrida – Fokus pada masalah sempit di mana komponen kuantum dapat mendukung model klasik. Ini termasuk pemilihan fitur, pengambilan sampel, atau optimisasi terbatas.
3. Gunakan alat yang mengabstraksi kompleksitas – Adopsi platform dan kerangka yang menyembunyikan detail kuantum tingkat rendah. Alat ini membantu tim fokus pada aplikasi, bukan perangkat keras.

Quantum AI masih berkembang. Ini bukan jalan pintas atau pengganti untuk AI klasik. Namun, ini adalah bidang yang tumbuh dengan potensi nyata di area di mana model saat ini kurang atau bergelut. Jalur yang paling mungkin ke depan bukanlah gangguan mendadak, tetapi integrasi yang stabil.

Saat perangkat keras kuantum meningkat dan perangkat lunak menjadi lebih mudah diakses, pengadopsi awal akan lebih baik posisinya untuk memanfaatkan alat baru ini. Bagi tim yang sudah bekerja di batas sistem klasik, Quantum AI mungkin menjadi tempat berikutnya untuk menemukan nilai.