Hesabkirina Quantum ji bo AI-ya Generative çi digire?

Generative AI, wekî modelên zimanên mezin (LLM) mîna ChatGPT, wekî ku di a lêkolînê dawîn ji aliyê McKinsey Global. Van modelan, ku ji bo afirandina naverokên cihêreng ên ji nivîs û dîmenan bigire heya deng hatine çêkirin, di lênihêrîna tenduristî, perwerdehî, şahî û karsaziyê de serîlêdanan dibînin. Lêbelê, feydeyên berfereh ên AI-ya hilberîner bi girîng re têne hev kirin pirsgirêkên aborî û jîngehê. Mînakî, ChatGPT lêçûnek rojane ya 100,000 $ digire, ku tengasiya darayî ya bi van modelan re têkildar eşkere dike. Ji xeynî fikarên diravî, bandora jîngehê girîng e ji ber ku perwerdekirina modelek AI-ya afirîner a wekî LLM-ê ku der barê belavkirinê de ye. 300 ton CO2. Tevî perwerdehiyê, karanîna AI-ya hilberîner jî daxwazek girîng a enerjiyê digire. Ji bo nimûne, ew e ragihandin ku çêkirina 1,000 wêneyan bi karanîna modelek AI-ya afirîner a mîna Stable Diffusion, xwedan şopek karbonê ye ku bi qasî 4.1 mîl di otomobîlek navîn de vedigire. Li gorî raporekê, navendên daneyê yên ku AI-ya hilberîner piştgirî dikin beşdar dibin 2-3% belavbûna gaza serayê ya cîhanî.

Têkoşîna Pirsgirêkên Generative AI

Van kêşeyan di serî de ji mîmariya parameter-zirav a AI-ya hilberîner vedigire, ku bi mîlyaran parametreyên ku li ser daneyên berfireh hatine perwerde kirin vedihewîne. Vê pêvajoya perwerdehiyê xwe dispêre hardware-ya hêzdar ên wekî GPU an TPU, ku bi taybetî ji bo pêvajoyek paralel hatî xweşbîn kirin. Digel ku ev hardwareya pispor perwerdehî û karbidestiya karanîna modelên AI-ya hilberîner zêde dike, ew di heman demê de dibe sedema lêçûnên girîng ên têkildarî çêkirin, parastin û hewcedariya enerjiyê ya ji bo xebitandina vê hardware.

Ji ber vê yekê, niha hewldan têne kirin ku karûbarê aborî û aborî baştir bikin domdariya AI-ya hilberîner. Stratejiyek berbiçav tê de heye kêmkirina AI-ya hilberîner bi kêmkirina pîvanên berfireh di van modelan de. Lêbelê, ev nêzîkatî fikaran li ser bandorên potansiyel ên li ser fonksiyonê an performansa modelên AI-ya hilberîner zêde dike. Rêyek din a ku di binê keşfê de ye, çareserkirina kêşeyên di pergalên hesabkeriya kevneşopî de ku ji bo AI-ya hilberîner têne bikar anîn vedihewîne. Lekolînwan bi aktîvî pergalên analogê pêş dixin da ku bi ser bikevin Kêşeya Von Neumann, ku pêvajo û bîranînê ji hev vediqetîne, dibe sedema pêwendiyek girîng.

Ji xeynî van hewldanan, domanek kêm-lêkolînkirî di nav paradîgmaya komputera dîjîtal a klasîk de ku ji bo modelên AI-ya afirîner tê xebitandin de dijwariyan vedihewîne. Ev tê de temsîlkirina daneyên tevlihev ên bi jimareyên binaryê, ku dibe ku ji bo perwerdekirina modelên mezin ên AI-ê yên hilberîner sînordar bike. Ya girîngtir, pêvajoyek rêzdar a paradîgmaya hesabkirina dîjîtal di paralelîzmê de tengasiyan destnîşan dike, ku di encamê de demên perwerdehiyê dirêj dibe û xerckirina enerjiyê zêde dike. Ji bo çareserkirina van pirsgirêkan, komplomasyonê wekî paradîgmayeke bi hêz derdikeve holê. Di beşên jêrîn de, em prensîbên hesabkirina quantum û potansiyela wan ji bo çareserkirina pirsgirêkan di AI-ya hilberîner de vedikolin.

Têgihiştina Computing Quantum

Hesabkirina quantum paradîgmayeke derketî ye ku ji tevgera keriyan di pîvanên herî piçûk de îlhamê digire. Di komputera klasîk de, agahdarî bi bitsên ku di yek ji du rewşan de hene, 0 an 1, têne hilberandin. Lêbelê, komputerên kuantum bit an qubitên quantum bikar tînin, ku dikarin di heman demê de di gelek dewletan de hebin - diyardeyek ku wekî superposition tê zanîn.

Ji bo ku hûn cûdahiya di navbera komputerên klasîk û kuantum de bi awayek têgihîştî fam bikin, komputerek klasîk wekî guhezek ronahiyê bifikirin, li ku derê ew dikare bibe (1) an jî off (0). Naha, komputerek kuantûmê wekî guhêrbarek ronahiyê ya ku dikare bi hevdemî di cîhên cihêreng de hebe, gelek dewletan temsîl dike, wêne bikin. Ev jêhatî dihêle ku komputerên kuantum bi yekcarî îmkanên cihêreng bikolin, ji bo hin cûreyên hesaban wan bi taybetî bi hêz dike.

Ji bilî superpozisyonê, hesabkirina kuantûmê prensîbek din a bingehîn-tevlihevkirinê bi kar tîne. Têkilî dikare wekî girêdanek mîstîk a di navbera pirtikan de were fikirîn. Ger du qubit tevlihev bibin, guhartina rewşa qubitek yekser bandorê li rewşa ya din dike, bêyî ku dûrahiya laşî ya di navbera wan de hebe.

Van taybetmendiyên quantum-sûperpozisyonê û tevlihevî- dihêle ku komputerên quantumê bi paralelî operasyonên tevlihev pêk bînin, ji bo pirsgirêkên taybetî li hember komputerên klasîk avantajek girîng peyda dikin.

 Hesabkirina Quantum ji bo AI-ya Generative ya Berbiçav û Berdewam

Komputera quantum xwedî potansiyel e ku di lêçûn û domdariya AI-ya hilberîner de pirsgirêkan çareser bike. Perwerdehiya modelên AI-ê yên hilberîner bi eyarkirina gelek parametreyan û hilberandina daneyên berfireh pêk tîne. Hesabkirina quantum dikare vekolîna hevdem a veavakirinên pirjimar ên parametreyê hêsan bike, potansiyel lezkirina perwerdeya. Berevajî hesabkirina dîjîtal, ku di pêvajoyek birêkûpêk de mêldarê tengasiyên demê ye, tevliheviya quantum destûrê dide pêvajoyek paralel a verastkirinên parametreyê, ku bi girîngî perwerdehiyê zûtir dike. Wekî din, teknîkên îlhama quantumî yên mîna torên tensor dikarin modelên hilberîner, wek veguherîner, bi rêya "tensorization. Ev dikare lêçûn û şopa karbonê kêm bike, modelên hilberî hêsantir bike, bicîhkirina li ser cîhazên devê çalak bike, û ji modelên tevlihev sûd werbigire. Modelên hilberîner ên tensorkirî ne tenê berhev dikin, lê di heman demê de qalîteya nimûneyê jî zêde dikin, bandorê li çareserkirina pirsgirêka AI-ya hilberîner dike.

Wekî din, fêrbûna makîneya Quantum, dîsîplînek pêşkeftî, dikare nêzîkatiyên manîpulasyona daneya nû pêşkêş bike. Wekî din, komputerên quantum dikarin hêza hesabkirinê ya ku ji bo peywirên tevlihev ên AI-yê hilberîner hewce dike peyda bikin, mîna mîna simulkirina hawîrdorên mezin ên virtual an hilberîna naverokek rezîliya bilind di wextê rast de. Ji ber vê yekê, yekbûna hesabkirina quantumê ji bo pêşkeftina kapasîteyên AI-ê yên hilberîner û karîgeriyê soz digire.

Pirsgirêkên Di Hesabkirina Quantum de ji bo AI-ya Generative

Digel ku feydeyên potansiyel ên hesabkirina quantumê ji bo AI-ya hilberîner sozdar in, ew hewce dike ku kêşeyên girîng derbas bike. Pêşkeftina komputerên quantum ên pratîkî, ji bo entegrasyona bêkêmasî di AI-ya hilberîner de girîng e, hîn di qonaxên xwe yên destpêkê de ye. Îstîqrara qubitan, ji bo agahdariya kuantumê bingehîn e, ji ber qelsiya wan pirsgirêkek teknîkî ya dijwar e, ku domandina hesabên domdar dijwar dike. Serlêdankirina xeletiyên di pergalên quantumê de ji bo perwerdehiya rastîn a AI-ê tevliheviyek din destnîşan dike. Gava ku lêkolîner bi van astengan re mijûl dibin, geşbîniyek ji bo pêşerojek heye ku AI-ya hilberîner, ku ji hêla hesabkirina quantum ve hatî hêzdar kirin, guhertinên veguherîner li pîşesaziyên cihêreng tîne.

The Bottom Line

AI-ya hilberîner bi lêçûn û fikarên jîngehê re mijûl dibe. Çareseriyên mîna kêmkirin û çareserkirina kêşeyan di pêşdeçûnê de ne, lê hesabkirina quantum dikare wekî çareseriyek bi hêz derkeve holê. Komputerên quantum, ku paralelîzim û tevliheviyê bi kar tînin, soza bilezkirina perwerdehiyê û xweşbînkirina vekolîna parametreyê ji bo AI-ya hilberîner pêşkêş dikin. Zehmetiyên di pêşkeftina qubit a domdar de berdewam dikin, lê lêkolîna domdar a komputera quantum çareseriyên veguherîner destnîşan dike.

Digel ku komputerên kuantum ên pratîkî hîn di qonaxên xwe yên destpêkê de ne, potansiyela wan a şoreşgerîkirina kargêriya modelên AI-ê yên hilberîner bilind dimîne. Lêkolîn û pêşkeftinên domdar dikarin rê li ber çareseriyên berbiçav ên kêşeyên tevlihev ên ku ji hêla AI-ya hilberîner ve têne derxistin vekin.