Развенчание мифов о квантовом ИИ: что это такое, чем это не такое и почему это важно сейчас

Искусственный интеллект вступил в новую фазу. Речь уже не идёт только о создании более крупных моделей или доступе к большему объёму данных. Сегодняшняя конкуренция сосредоточена на скорости, эффективности и инновациях. Компании ищут новые инструменты, предлагающие как технические, так и экономические преимущества. Для некоторых квантовые вычисления начинают восприниматься как один из таких инструментов.

Квантовый ИИ – это сочетание квантовых вычислений с искусственным интеллектом. Он предлагает новый подход к решению сложных задач машинного обучения, оптимизации и анализа данных. Хотя его потенциал всё ещё находится на стадии разработки, он привлекает серьёзное внимание. Глобальная цель 2024 года опрос SAS  Исследование показало, что более 60% руководителей компаний уже изучают квантовый ИИ или инвестируют в него. Однако большинство из них заявили, что не до конца понимают, что это за технология и как её можно использовать.

В этой статье объясняется, что такое квантовый ИИ, какие проблемы он может помочь решить и где он может оказать влияние в ближайшем будущем.

Почему команды разработчиков искусственного интеллекта обращают внимание на квантовые технологии

Обучение крупных моделей ИИ требует времени, энергии и денег. Даже незначительное повышение эффективности может привести к значительной экономии. Квантовые вычисления предоставляют новые методы решения некоторых задач, более эффективные и точные, чем классические машины.

Например, квантовые компьютеры могут выполнять несколько вычислений одновременно, используя свойство, известное как суперпозиция. Это делает их подходящими для задач, связанных с поиском в больших пространствах или оптимизацией сложных систем. Эти возможности хорошо сочетаются со многими задачами машинного обучения, такими как выбор признаков, настройка моделей и выборка данных.

Хотя современные квантовые машины всё ещё развиваются, исследователи ищут способы их комбинирования с классическими инструментами. Эти гибридные системы позволяют командам разработчиков ИИ тестировать квантовые методы уже сейчас, не дожидаясь полной разработки квантового оборудования.

Что такое квантовый ИИ, а что нет

Квантовый ИИ — это не замена существующих систем ИИ квантовыми версиями. Речь не идёт о запуске моделей глубокого обучения исключительно на квантовом оборудовании.

Вместо этого он фокусируется на использовании квантовых алгоритмов для поддержки отдельных этапов конвейера ИИ. Это может включать такие задачи, как ускорение оптимизации, улучшение выбора признаков или улучшение выборки из распределений прибыльности. В этих случаях квантовые компьютеры не заменяют существующие инструменты, а дополняют их.

Работа всё ещё находится на экспериментальном уровне. Большинство примеров основано на гибридных методах, в которых квантовые и классические компоненты работают вместе. Но эти системы уже демонстрируют результаты в ограниченных случаях применения.

Текущие приложения в стадии разработки

Несмотря на новизну этой области, квантовый ИИ уже тестируется в нескольких отраслях. Эти примеры основаны на реальных инструментах и опубликованных исследованиях. Они также отражают типы задач, для решения которых квантовые методы подходят лучше всего.

Сжатие модели и отображение признаков

Модели искусственного интеллекта становятся всё больше и сложнее в обучении. Квантовые технологии могут помочь уменьшить размер и сложность этих моделей. Одним из методов является квантовое картирование признаков, при котором входные данные преобразуются с помощью квантовых схем. Эти преобразования могут помочь разделить точки данных, которые трудно классифицировать стандартными методами.

В «первые» дни 2021 года бумага в Физика природы исследовали, как квантовые ядра могут улучшить методы опорных векторов, разновидность модели машинного обучения. Этот подход хорошо работает для многомерных или разреженных наборов данных, где классические модели неэффективны.

Оптимизация портфеля в финансах

Банки и управляющие активами часто используют ИИ для управления портфелями и оценки рисков. Эти задачи связаны с большим количеством переменных и ограничений. Квантовые алгоритмы, такие как QAOA (Quantum Approximate Optimization Algorithm), тестируются для более эффективного решения этих задач.

Лаборатории инноваций Citi и AWS Недавно было проведено исследование использования квантовых компьютеров для оптимизации портфеля, в частности, алгоритма QAOA и его эффективности. Это сотрудничество демонстрирует растущий интерес и инвестиции в квантовые вычисления как инструмент для решения реальных задач.

Открытие лекарств и молекулярное моделирование

Разработка лекарств основана на прогнозировании взаимодействия молекул друг с другом. Модели ИИ могут помочь в этом, но классическое моделирование имеет ограничения. Квантовые вычисления лучше подходят для моделирования химических систем на квантовом уровне.

A Новое исследование Компании IBM, Кливлендская клиника и Мичиганский государственный университет продемонстрировали новый способ моделирования сложных молекул с использованием квантовых компьютеров текущего поколения, открыв реальный путь развития научных вычислений на основе квантовых технологий.

Оптимизация цепочки поставок

Управлять цепочками поставок сложно из-за их размера и сложности. ИИ может помочь, но некоторые задачи, такие как планирование маршрутов и управление запасами, по-прежнему сложно оптимизировать. Для оптимизации этих задач изучаются квантовые методы.

Fujitsu стала партнером Совместно с Japan Post они оптимизировали доставку «последней мили» в Токио, где традиционные алгоритмы маршрутизации не учитывали динамические переменные, такие как загруженность дорог и колебания объёма посылок. Внедрив квантовый ИИ, они смогли начать работу по преобразованию некоторых из самых фундаментальных аспектов логистики.

Проблемы и ограничения

Квантовое оборудование остаётся сложной задачей. Несмотря на то, что новые разработки появляются практически каждый день, современные машины по-прежнему чувствительны к шуму, плохо масштабируются и ненадёжны для длительных вычислений. Большинство приложений вынуждены работать в этих рамках, используя более короткие и простые квантовые схемы.

Разработка квантового программного обеспечения также сложна. Квантовое программирование требует знаний в области физики, математики и информатики. Немногие команды обладают необходимым набором навыков.

Чтобы снизить этот барьер, создаются новые инструменты. К ним относятся высокоуровневые фреймворки программирования и системы автоматизированного проектирования схем. Они позволяют разработчикам ИИ тестировать квантовые методы без необходимости написания низкоуровневого квантового кода.

Что команды ИИ могут сделать сегодня

Квантовый ИИ пока не готов к полноценному внедрению. Однако дальновидные команды могут начать накапливать знания и системы, необходимые для его использования в будущем. Вот три шага, которые следует рассмотреть:

1. Создавайте кросс-функциональные команды — объединяйте экспертов по искусственному интеллекту с исследователями в области оптимизации и квантовых вычислений. Это позволяет командам исследовать новые идеи и разрабатывать будущие возможности.
2. Экспериментируйте с гибридными рабочими процессами — сосредоточьтесь на узких задачах, где квантовые компоненты могут поддерживать классические модели. К ним относятся выбор признаков, выборка или оптимизация с ограничениями.
3. Используйте инструменты, абстрагирующие сложность. Используйте платформы и фреймворки, скрывающие низкоуровневые квантовые детали. Эти инструменты помогают командам сосредоточиться на приложении, а не на оборудовании.

Квантовый ИИ всё ещё развивается. Он не является ни сокращением пути, ни заменой классического ИИ. Тем не менее, это растущая область с реальным потенциалом в областях, где текущие модели неэффективны или испытывают трудности. Наиболее вероятный путь развития — не внезапный прорыв, а стабильная интеграция.

По мере совершенствования квантового оборудования и повышения доступности программного обеспечения, первые пользователи будут иметь больше возможностей для использования этих новых инструментов. Для команд, уже работающих на пределе возможностей классических систем, квантовый ИИ может стать следующим источником прибыли.