Giải mã Trí tuệ nhân tạo lượng tử: Nó là gì, nó không phải là gì và tại sao nó lại quan trọng bây giờ

Trí tuệ nhân tạo đã bước vào một giai đoạn mới. Nó không chỉ là về việc xây dựng các mô hình lớn hơn hoặc truy cập vào nhiều dữ liệu hơn. Cuộc cạnh tranh ngày nay tập trung vào tốc độ, hiệu quả và đổi mới. Các công ty đang tìm kiếm các công cụ mới cung cấp cả lợi thế kỹ thuật và kinh tế. Đối với một số công ty, tính toán lượng tử đang bắt đầu giống như một trong những công cụ đó.

Trí tuệ nhân tạo lượng tử đề cập đến sự kết hợp giữa tính toán lượng tử với trí tuệ nhân tạo. Nó cung cấp một cách mới để giải quyết các vấn đề phức tạp trong học máy, tối ưu hóa và phân tích dữ liệu. Mặc dù vẫn đang trong quá trình phát triển, nhưng tiềm năng của nó đang thu hút sự chú ý nghiêm túc. Một cuộc khảo sát toàn cầu năm 2024 của SAS đã tìm thấy rằng hơn 60 phần trăm các nhà lãnh đạo doanh nghiệp đã đang khám phá hoặc đầu tư vào Trí tuệ nhân tạo lượng tử. Tuy nhiên, hầu hết cũng cho biết họ không hiểu đầy đủ về công nghệ này là gì hoặc cách nó có thể được sử dụng.

Bài viết này giải thích Trí tuệ nhân tạo lượng tử là gì, những vấn đề nào nó có thể giúp giải quyết và nơi nó có thể tạo ra tác động trong tương lai gần.

Tại sao các đội Trí tuệ nhân tạo lại xem xét lượng tử

Việc đào tạo các mô hình Trí tuệ nhân tạo lớn đòi hỏi thời gian, năng lượng và tiền bạc. Ngay cả những cải tiến hiệu suất nhỏ cũng có thể dẫn đến tiết kiệm đáng kể. Tính toán lượng tử cung cấp các phương pháp mới để giải quyết một số vấn đề một cách hiệu quả hoặc chính xác hơn so với máy tính cổ điển.

Ví dụ, máy tính lượng tử có thể thực hiện nhiều tính toán đồng thời, sử dụng một tính chất được gọi là siêu vị trí. Điều này làm cho chúng phù hợp với các vấn đề liên quan đến việc tìm kiếm các không gian lớn hoặc tối ưu hóa các hệ thống phức tạp. Những khả năng này phù hợp với nhiều nhiệm vụ trong học máy, chẳng hạn như chọn tính năng, điều chỉnh mô hình và lấy mẫu dữ liệu.

Mặc dù máy lượng tử ngày nay vẫn đang phát triển, các nhà nghiên cứu đang tìm cách kết hợp chúng với các công cụ cổ điển. Những hệ thống lai này cho phép các đội Trí tuệ nhân tạo thử nghiệm các phương pháp lượng tử ngay bây giờ, mà không cần chờ đợi phần cứng lượng tử được phát triển đầy đủ.

Trí tuệ nhân tạo lượng tử là gì và không phải là gì

Trí tuệ nhân tạo lượng tử không phải là về việc thay thế các hệ thống Trí tuệ nhân tạo hiện tại bằng các phiên bản lượng tử. Nó không phải là về việc chạy các mô hình học sâu hoàn toàn trên phần cứng lượng tử.

Thay vào đó, nó tập trung vào việc sử dụng các thuật toán lượng tử để hỗ trợ các phần của đường ống Trí tuệ nhân tạo. Những phần này có thể bao gồm các nhiệm vụ như tăng tốc tối ưu hóa, cải thiện cách chọn tính năng hoặc tăng cường lấy mẫu từ các phân phối lợi nhuận. Trong những trường hợp này, máy tính lượng tử không thay thế các công cụ hiện có; chúng hỗ trợ chúng.

Công việc vẫn còn trong giai đoạn thử nghiệm. Hầu hết các ví dụ dựa trên các phương pháp lai, trong đó các phần lượng tử và cổ điển hoạt động cùng nhau. Nhưng những hệ thống này đã cho thấy kết quả trong các trường hợp sử dụng hẹp.

Ứng dụng hiện tại đang được phát triển

Mặc dù lĩnh vực này mới, Trí tuệ nhân tạo lượng tử đã được thử nghiệm trong một số ngành công nghiệp. Những ví dụ này sử dụng các công cụ thực và nghiên cứu đã được công bố. Chúng cũng phản ánh các loại vấn đề mà các phương pháp lượng tử phù hợp nhất để giải quyết.

Nén mô hình và ánh xạ tính năng

Các mô hình Trí tuệ nhân tạo đang trở nên lớn hơn và tốn kém hơn để đào tạo. Các công nghệ lượng tử có thể giúp giảm kích thước và độ phức tạp của các mô hình này. Một phương pháp là ánh xạ tính năng lượng tử, nơi dữ liệu đầu vào được biến đổi bằng các mạch lượng tử. Những biến đổi này có thể giúp phân biệt các điểm dữ liệu khó phân loại với các kỹ thuật tiêu chuẩn.

Trong những “ngày đầu”, một bài báo năm 2021 trên Nature Physics đã khám phá cách các hạt nhân lượng tử có thể cải thiện các máy học vector hỗ trợ, một loại mô hình học máy. Phương pháp này hoạt động tốt cho các tập dữ liệu có chiều cao hoặc thưa thớt, nơi các mô hình cổ điển gặp khó khăn.

Tối ưu hóa danh mục đầu tư trong tài chính

Các ngân hàng và nhà quản lý tài sản thường sử dụng Trí tuệ nhân tạo để quản lý danh mục đầu tư và đánh giá rủi ro. Những nhiệm vụ này liên quan đến số lượng lớn các biến và ràng buộc. Các thuật toán lượng tử như QAOA (Thuật toán Tối ưu hóa lượng tử gần đúng) đang được thử nghiệm để giải quyết những vấn đề này một cách hiệu quả hơn.

Citi Innovation Labs và AWS gần đây đã nghiên cứu việc sử dụng máy tính lượng tử để tối ưu hóa danh mục đầu tư, đặc biệt là việc sử dụng thuật toán QAOA và hiệu suất của nó. Sự hợp tác này thể hiện sự quan tâm và đầu tư ngày càng tăng vào tính toán lượng tử như một công cụ để giải quyết các vấn đề thực tế.

Khám phá thuốc và mô hình phân tử

Phát triển thuốc phụ thuộc vào việc dự đoán cách các phân tử tương tác với nhau. Các mô hình Trí tuệ nhân tạo có thể hỗ trợ, nhưng các mô phỏng cổ điển có giới hạn. Tính toán lượng tử phù hợp hơn với việc mô hình hóa các hệ thống hóa học ở mức lượng tử.

Một nghiên cứu mới từ IBM, The Cleveland Clinic và Đại học Michigan State đã chứng minh một cách mới để mô phỏng các phân tử phức tạp bằng máy tính lượng tử hiện tại, cung cấp một con đường tiến bộ cho tính toán khoa học lượng tử.

Tối ưu hóa chuỗi cung ứng

Chuỗi cung ứng khó quản lý do kích thước và độ phức tạp của chúng. Trí tuệ nhân tạo có thể giúp đỡ, nhưng các nhiệm vụ nhất định, như lập kế hoạch tuyến đường và kiểm soát hàng tồn kho, vẫn khó tối ưu hóa. Các phương pháp lượng tử đang được khám phá để cải thiện những nhiệm vụ này.

Fujitsu đã hợp tác với Japan Post để tối ưu hóa giao hàng cuối cùng tại Tokyo, nơi các thuật toán định tuyến truyền thống không thể tính đến các biến động động như tắc nghẽn giao thông và sự thay đổi về khối lượng gói hàng. Bằng cách triển khai Trí tuệ nhân tạo lượng tử, họ đã có thể bắt đầu công việc chuyển đổi một số khía cạnh cơ bản nhất của hậu cần.

Thử thách và hạn chế

Phần cứng lượng tử vẫn còn là một thách thức. Mặc dù có những tiến bộ mới gần như mỗi ngày, nhưng máy móc ngày nay vẫn nhạy cảm với tiếng ồn, khó mở rộng và không đáng tin cậy cho các tính toán dài. Hầu hết các ứng dụng phải hoạt động trong những giới hạn này, sử dụng các mạch lượng tử ngắn hơn và đơn giản hơn.

Phát triển phần mềm lượng tử cũng khó khăn. Lập trình lượng tử đòi hỏi kiến thức về vật lý, toán học và khoa học máy tính. Chỉ có một số ít đội có sự kết hợp đúng của các kỹ năng này.

Để giảm bớt rào cản này, các công cụ mới đang được tạo ra. Những công cụ này bao gồm các khuôn khổ lập trình cấp cao và các hệ thống thiết kế mạch tự động. Những công cụ này cho phép các nhà phát triển Trí tuệ nhân tạo thử nghiệm các phương pháp lượng tử mà không cần viết mã lượng tử cấp thấp.

Điều mà các đội Trí tuệ nhân tạo có thể làm ngày nay

Trí tuệ nhân tạo lượng tử không sẵn sàng cho việc triển khai đầy đủ. Tuy nhiên, các đội tiên phong có thể bắt đầu xây dựng kiến thức và hệ thống cần thiết để tận dụng lợi thế của nó trong tương lai. Dưới đây là ba bước cần xem xét:

1. Xây dựng các đội chức năng chéo – Kết hợp các chuyên gia Trí tuệ nhân tạo với các nhà nghiên cứu trong tối ưu hóa và tính toán lượng tử. Điều này cho phép các đội khám phá các ý tưởng mới và chuẩn bị các khả năng trong tương lai.
2. Thử nghiệm với các quy trình công việc lai – Tập trung vào các vấn đề hẹp nơi các thành phần lượng tử có thể hỗ trợ các mô hình cổ điển. Những điều này bao gồm chọn tính năng, lấy mẫu hoặc tối ưu hóa có约束.
3. Sử dụng các công cụ trừu tượng hóa sự phức tạp –採 dụng các nền tảng và khuôn khổ che giấu các chi tiết lượng tử cấp thấp. Những công cụ này giúp các đội tập trung vào ứng dụng, không phải phần cứng.

Trí tuệ nhân tạo lượng tử vẫn đang phát triển. Nó không phải là một lối tắt hoặc thay thế cho Trí tuệ nhân tạo cổ điển. Tuy nhiên, nó là một lĩnh vực đang phát triển với tiềm năng thực sự trong các lĩnh vực mà các mô hình hiện tại không đủ hoặc gặp khó khăn.

Khi phần cứng lượng tử được cải thiện và phần mềm trở nên dễ tiếp cận hơn, những người tiên phong sẽ được đặt ở vị trí tốt hơn để tận dụng những công cụ mới này. Đối với các đội đang làm việc ở giới hạn của các hệ thống cổ điển, Trí tuệ nhân tạo lượng tử có thể là nơi tiếp theo để tìm giá trị.