Desmistificando a IA Quântica: O que é, o que não é e por que é importante agora

A IA entrou em uma nova fase. Não se trata mais apenas de construir modelos maiores ou acessar mais dados. A competição atual se concentra em velocidade, eficiência e inovação. As empresas buscam novas ferramentas que ofereçam vantagens técnicas e econômicas. Para alguns, a computação quântica está começando a se assemelhar a uma dessas ferramentas.

IA quântica refere-se à combinação de computação quântica com inteligência artificial. Ela oferece uma nova maneira de lidar com problemas complexos em aprendizado de máquina, otimização e análise de dados. Embora ainda em desenvolvimento, seu potencial está atraindo muita atenção. Uma visão global de 2024 pesquisa da SAS  descobriram que mais de 60% dos líderes empresariais já estão explorando ou investindo em IA Quântica. No entanto, a maioria também afirmou não compreender completamente o que é a tecnologia ou como ela pode ser usada.

Este artigo explica o que é IA Quântica, quais problemas ela pode ajudar a resolver e onde ela pode causar impacto no futuro próximo.

Por que as equipes de IA estão olhando para a tecnologia quântica

Treinar grandes modelos de IA consome tempo, energia e dinheiro. Mesmo pequenas melhorias de eficiência podem resultar em economias significativas. A computação quântica oferece novos métodos para resolver certos problemas com mais eficiência ou precisão do que as máquinas clássicas.

Por exemplo, computadores quânticos podem realizar múltiplos cálculos simultaneamente, utilizando uma propriedade conhecida como superposição. Isso os torna ideais para problemas que envolvem buscas em grandes espaços ou otimização de sistemas complexos. Essas capacidades se alinham bem com muitas tarefas em aprendizado de máquina, como seleção de recursos, ajuste de modelos e amostragem de dados.

Embora as máquinas quânticas atuais ainda estejam evoluindo, pesquisadores estão encontrando maneiras de combiná-las com ferramentas clássicas. Esses sistemas híbridos permitem que equipes de IA testem métodos quânticos agora, sem esperar pelo hardware quântico totalmente desenvolvido.

O que é e o que não é IA quântica

A IA quântica não visa substituir os sistemas de IA atuais por versões quânticas. Não se trata de executar modelos de aprendizado profundo inteiramente em hardware quântico.

Em vez disso, concentra-se no uso de algoritmos quânticos para dar suporte a partes do pipeline de IA. Isso pode incluir tarefas como acelerar a otimização, aprimorar a seleção de recursos ou aprimorar a amostragem de distribuições de lucratividade. Nesses casos, os computadores quânticos não substituem as ferramentas existentes; eles as suportam.

O trabalho ainda é experimental. A maioria dos exemplos se baseia em métodos híbridos, nos quais partes quânticas e clássicas trabalham juntas. Mas esses sistemas já estão mostrando resultados em casos de uso específicos.

Aplicações atuais em desenvolvimento

Embora o campo seja novo, a IA Quântica já está sendo testada em diversos setores. Esses exemplos utilizam ferramentas reais e pesquisas publicadas. Eles também refletem os tipos de problemas que os métodos quânticos são mais adequados para resolver.

Compressão de Modelo e Mapeamento de Recursos

Os modelos de IA estão se tornando cada vez maiores e mais caros para treinar. As tecnologias quânticas podem ajudar a reduzir o tamanho e a complexidade desses modelos. Um método é o mapeamento quântico de características, em que os dados de entrada são transformados usando circuitos quânticos. Essas transformações podem ajudar a separar pontos de dados difíceis de classificar com técnicas padrão.

Nos primeiros dias de 2021 em papel Física da Natureza explorou como kernels quânticos poderiam aprimorar máquinas de vetores de suporte, um tipo de modelo de aprendizado de máquina. Essa abordagem funciona bem para conjuntos de dados esparsos ou de alta dimensão, onde os modelos clássicos têm dificuldades.

Otimização de Portfólio em Finanças

Bancos e gestores de ativos frequentemente usam IA para gerenciar carteiras e avaliar riscos. Essas tarefas envolvem um grande número de variáveis e restrições. Algoritmos quânticos como o QAOA (Algoritmo de Otimização Aproximada Quântica) estão sendo testados para resolver esses problemas com mais eficiência.

Laboratórios de Inovação do Citi e AWS estudaram recentemente o uso de computadores quânticos para otimização de portfólios, especificamente empregando o algoritmo QAOA e seu desempenho. A colaboração demonstra o crescente interesse e investimento na computação quântica como ferramenta para a resolução de problemas do mundo real.

Descoberta de fármacos e modelagem molecular

O desenvolvimento de medicamentos depende da previsão de como as moléculas interagem entre si. Modelos de IA podem ajudar, mas simulações clássicas têm limitações. A computação quântica é mais adequada para modelar sistemas químicos em nível quântico.

A novo estudo da IBM, The Cleveland Clinic e Michigan State University demonstraram uma nova maneira de simular moléculas complexas usando computadores quânticos de geração atual, oferecendo um caminho viável para a computação científica centrada em quantum.

Otimização da cadeia de suprimentos

Cadeias de suprimentos são difíceis de gerenciar devido ao seu tamanho e complexidade. A IA pode ajudar, mas certas tarefas, como planejamento de rotas e controle de estoque, ainda são difíceis de otimizar. Métodos quânticos estão sendo explorados para aprimorar essas tarefas.

A Fujitsu fez parceria com a Japan Post para otimizar a entrega de última milha em Tóquio, onde os algoritmos de roteirização tradicionais não conseguiam levar em conta variáveis dinâmicas como congestionamento e flutuações no volume de encomendas. Ao implementar a Quantum AI, eles puderam começar a trabalhar na transformação de alguns dos aspectos mais fundamentais da logística.

Desafio e Limitações

O hardware quântico continua sendo um desafio. Embora novos avanços pareçam surgir todos os dias, as máquinas atuais ainda são sensíveis a ruídos, difíceis de escalar e pouco confiáveis para cálculos longos. A maioria das aplicações precisa operar dentro desses limites, utilizando circuitos quânticos mais curtos e simples.

O desenvolvimento de software quântico também é difícil. A programação quântica exige conhecimentos em física, matemática e ciência da computação. Poucas equipes possuem a combinação certa de habilidades.

Para reduzir essa barreira, novas ferramentas estão sendo criadas. Entre elas, estão estruturas de programação de alto nível e sistemas de projeto de circuitos automatizados. Elas permitem que desenvolvedores de IA testem métodos quânticos sem a necessidade de escrever código quântico de baixo nível.

O que as equipes de IA podem fazer hoje

A IA quântica ainda não está pronta para implantação completa. No entanto, equipes com visão de futuro podem começar a desenvolver o conhecimento e os sistemas necessários para aproveitá-la no futuro. Aqui estão três etapas a serem consideradas:

1. Crie equipes multifuncionais – Combine especialistas em IA com pesquisadores em otimização e computação quântica. Isso permite que as equipes explorem novas ideias e preparem capacidades futuras.
2. Experimente fluxos de trabalho híbridos – Concentre-se em problemas específicos onde componentes quânticos podem suportar modelos clássicos. Isso inclui seleção de recursos, amostragem ou otimização com restrições.
3. Use ferramentas que abstraem a complexidade – Adote plataformas e frameworks que ocultem detalhes quânticos de baixo nível. Essas ferramentas ajudam as equipes a se concentrarem na aplicação, não no hardware.

A IA quântica ainda está em desenvolvimento. Não é um atalho nem um substituto para a IA clássica. No entanto, é um campo em crescimento com potencial real em áreas onde os modelos atuais falham ou apresentam dificuldades. O caminho mais provável a seguir não é uma disrupção repentina, mas uma integração constante.

À medida que o hardware quântico melhora e o software se torna mais acessível, os pioneiros estarão mais bem posicionados para utilizar essas novas ferramentas. Para equipes que já trabalham nos limites dos sistemas clássicos, a IA Quântica pode ser o próximo passo para encontrar valor.