Раскрытие тайн квантового ИИ: что это такое, что это не такое и почему это важно сейчас

ИИ вступил в новую фазу. Теперь это не только построение более крупных моделей или доступ к большему количеству данных. Сегодняшнее соревнование сосредоточено на скорости, эффективности и инновациях. Компании ищут новые инструменты, которые предлагают как технические, так и экономические преимущества. Для некоторых квантовые вычисления начинают выглядеть как один из этих инструментов.

Квантовый ИИ относится к сочетанию квантовых вычислений с искусственным интеллектом. Он предлагает новый способ решения сложных проблем в машинном обучении, оптимизации и анализе данных. Хотя он еще находится в стадии разработки, потенциал привлекает серьезное внимание. Глобальный опрос SAS 2024 года показал, что более 60 процентов руководителей бизнеса уже исследуют или инвестируют в квантовый ИИ. Однако большинство также заявили, что они не полностью понимают, что такое эта технология и как она может быть использована.

Эта статья объясняет, что такое квантовый ИИ, какие проблемы он может помочь решить и где он может оказать влияние в ближайшем будущем.

Почему команды ИИ смотрят на квантовые вычисления

Обучение крупным моделям ИИ требует времени, энергии и денег. Даже незначительные улучшения эффективности могут привести к значительным экономиям. Квантовые вычисления предоставляют новые методы решения определенных проблем более эффективно или точно, чем классические машины.

Например, квантовые компьютеры могут выполнять несколько вычислений одновременно, используя свойство, известное как суперпозиция. Это делает их хорошо подходящими для проблем, которые включают поиск в больших пространствах или оптимизацию сложных систем. Эти возможности хорошо соответствуют многим задачам в машинном обучении, таким как выбор функций, настройка модели и выборка данных.

Хотя современные квантовые машины еще эволюционируют, исследователи находят способы объединить их с классическими инструментами. Эти гибридные системы позволяют командам ИИ тестировать квантовые методы сейчас, не дожидаясь полностью разработанного квантового оборудования.

Что такое квантовый ИИ и что он не такое

Квантовый ИИ не о том, чтобы заменить текущие системы ИИ на квантовые версии. Он не о том, чтобы запускать модели глубокого обучения полностью на квантовом оборудовании.

Вместо этого он фокусируется на использовании квантовых алгоритмов для поддержки частей трубопровода ИИ. Это могут быть задачи, такие как ускорение оптимизации, улучшение выбора функций или улучшение выборки из распределений прибыльности. В этих случаях квантовые компьютеры не заменяют существующие инструменты; они поддерживают их.

Работа еще экспериментальна. Большинство примеров полагаются на гибридные методы, в которых квантовые и классические части работают вместе. Но эти системы уже показывают результаты в узких случаях использования.

Текущие приложения, находящиеся в стадии разработки

Хотя область еще новая, квантовый ИИ уже тестируется в нескольких отраслях. Эти примеры используют реальные инструменты и опубликованные исследования. Они также отражают типы проблем, для решения которых квантовые методы лучше всего подходят.

Сжатие модели и отображение функций

Модели ИИ растут в размерах и становятся более дорогими в обучении. Квантовые технологии могут помочь уменьшить размер и сложность этих моделей. Одним из методов является квантовое отображение функций, при котором входные данные преобразуются с помощью квантовых цепей. Эти преобразования могут помочь разделить данные, которые трудно классифицировать с помощью стандартных методов.

В ранние дни 2021 года статья в Nature Physics исследовала, как квантовые ядра могут улучшить поддерживающие векторные машины, тип модели машинного обучения. Этот подход работает хорошо для высокоразмерных или разреженных наборов данных, где классические модели испытывают трудности.

Оптимизация портфеля в финансах

Банки и менеджеры активов часто используют ИИ для управления портфелями и оценки рисков. Эти задачи включают большое количество переменных и ограничений. Квантовые алгоритмы, такие как QAOA (Квантовый приближенный алгоритм оптимизации), тестируются для решения этих проблем более эффективно.

Citi Innovation Labs и AWS недавно изучали использование квантовых компьютеров для оптимизации портфеля, в частности, с использованием алгоритма QAOA и его производительности. Сотрудничество демонстрирует растущий интерес и инвестиции в квантовые вычисления как инструмент для решения реальных проблем.

Открытие лекарств и молекулярное моделирование

Разработка лекарств зависит от предсказания того, как молекулы взаимодействуют друг с другом. Модели ИИ могут помочь, но классические симуляции имеют ограничения. Квантовые вычисления лучше подходят для моделирования химических систем на квантовом уровне.

Новое исследование от IBM, The Cleveland Clinic и Michigan State University продемонстрировало новый способ симуляции сложных молекул с помощью текущих квантовых компьютеров, предлагая жизнеспособный путь вперед для квантово-ориентированного научного вычисления.

Оптимизация цепочки поставок

Цепочки поставок трудно управлять из-за их размера и сложности. ИИ может помочь, но определенные задачи, такие как планирование маршрутов и контроль запасов, остаются трудными для оптимизации. Квантовые методы исследуются для улучшения этих задач.

Fujitsu сотрудничает с Japan Post для оптимизации доставки в последней миле в Токио, где традиционные алгоритмы маршрутизации не смогли учесть динамические переменные, такие как пробки и колебания объема посылок. Развернув квантовый ИИ, они смогли начать работу над трансформацией некоторых из наиболее фундаментальных аспектов логистики.

Проблемы и ограничения

Квантовое оборудование остается проблемой. Хотя есть новые достижения почти каждый день, современные машины еще чувствительны к шуму, трудно масштабируются и ненадежны для длинных вычислений. Большинство приложений должны работать в этих пределах, используя более короткие и простые квантовые цепи.

Разработка квантового программного обеспечения также сложна. Квантовое программирование требует знаний в физике, математике и информатике. Немногие команды имеют правильную смесь навыков.

Чтобы снизить эту планку, создаются новые инструменты. Это включает в себя высокоуровневые 프еймворки программирования и автоматизированные системы проектирования цепей. Эти инструменты позволяют разработчикам ИИ тестировать квантовые методы без необходимости писать низкоуровневый квантовый код.

Что команды ИИ могут сделать сегодня

Квантовый ИИ еще не готов для полного развертывания. Однако команды, ориентированные на будущее, могут начать строить знания и системы, необходимые для использования его в будущем. Вот три шага, которые можно рассмотреть:

1. Создайте межфункциональные команды – Объедините экспертов ИИ с исследователями в области оптимизации и квантовых вычислений. Это позволяет командам исследовать новые идеи и подготовить будущие возможности.
2. Экспериментируйте с гибридными рабочими процессами – Сосредоточьтесь на узких проблемах, где квантовые компоненты могут поддерживать классические модели. Это включает в себя выбор функций, выборку или ограниченную оптимизацию.
3. Используйте инструменты, которые абстрагируют сложность – Принимайте платформы и фреймворки, которые скрывают низкоуровневые квантовые детали. Эти инструменты помогают командам сосредоточиться на применении, а не на оборудовании.

Квантовый ИИ еще развивается. Он не является捷径 или заменой классического ИИ. Однако это растущая область с реальным потенциалом в областях, где текущие модели не справляются или испытывают трудности. Наиболее вероятный путь вперед не является внезапным нарушением, а постепенной интеграцией.

По мере улучшения квантового оборудования и доступности программного обеспечения ранние принимающие будут лучше подготовлены к использованию этих новых инструментов. Для команд, уже работающих на пределе классических систем, квантовый ИИ может быть следующим местом, где можно найти ценность.