Совместное использование квантовых вычислений и искусственного интеллекта — QuantumAI — является в настоящее время актуальной темой. Но насколько оправданы ожидания? Портал HPCwire приводит мнение Боба Сутора, генерального директора и основателя компании Sutor Group Intelligence and Advisory, давнего исследователя высоких технологий и ветерана квантовой индустрии.
Вряд ли есть две более обсуждаемые темы в области глубоких технологий (Deep Tech), чем квантовые вычисления и ИИ. Будь то исследовательские группы крупных корпораций, ученые, ставшие предпринимателями, государственные и частные инвесторы, руководители компаний, образованные комментаторы, хорошо осведомленные отраслевые аналитики, биржевики или новоиспеченные эксперты социальных сетей, — эти направления захватили воображение многих людей по всему миру.
Конечно, мы можем рассматривать их по отдельности, но каков их совместный потенциал, если их возможности связаны или, по крайней мере, используются в одной области? Давайте рассмотрим три способа их совместного использования.
Квантовые вычисления для ИИ
Если ИИ — это здорово, и квантовые вычисления — это здорово, почему бы нам не использовать квантовые вычисления, чтобы сделать ИИ еще лучше?
Квантовые вычисления — это парадигма программирования, отличная от той, что мы имеем в классических вычислениях. Последняя, уходящая корнями в
Один кубит содержит два фрагмента числовых данных, и хотя связь между ними должна сохраняться, он содержит значительно больше информации, чем бит. Что еще более захватывающе, так это то, что вы удваиваете количество компонентов данных каждый раз, когда можете добавить дополнительный кубит. Таким образом, два кубита имеют 4 части информации, три — 8, четыре — 16 и т. д. Это настоящий экспоненциальный рост!
Этот рост заставил некоторых утверждать, что квантовые компьютеры смогут обрабатывать гораздо больше данных для приложений ИИ, чем классические системы. Звучит неплохо, но как поместить все эти данные в кубиты? Оказывается, для этого существует несколько схем, но ни одна из них не является очень быстрой. По этой причине будьте внимательны к фразам вроде «малый масштаб» или «прототип», когда люди рассказывают о своих квантовых инновациях в области ИИ. По большей части люди решают небольшие проблемы и ждут, пока квантовые компьютеры станут достаточно большими и мощными для коммерческого применения, возможно, с отказоустойчивостью и коррекцией ошибок.
Без коррекции ошибок у нас очень мало времени, чтобы сделать что-то интересное с кубитами. Если загрузка данных для ИИ занимает много времени, у нас может не остаться ничего для вычислений с этими данными. Это также означает, что когда мы запустим реальный алгоритм, мы можем оказаться не в состоянии выполнить многие инструкции. В общем, «квантовые вычисления для ИИ» звучит неплохо, если у вас есть небольшой объем данных и вы не хотите много чего с ними делать. Я подозреваю, что классический ИИ будет отлично работать с такими квантовыми вычислениями во многих случаях в краткосрочной перспективе.
Вендоры и исследователи могут спорить об этом ради пиара и финансирования, и я согласен, что некоторые из них добиваются хороших результатов. Я думаю, что квантовые вычисления для ИИ будут одним из последних значимых сценариев использования, который станет практичным. А до тех пор опасайтесь анонсов в этой области, которые в основном сочетают в себе звучные слова «квантовые вычисления» и «ИИ». Вы получите дополнительные баллы, если упомянете «генеративный ИИ»! Я не просто язвлю: будьте осторожны. Ищите сторонние экспертные подтверждения работы и ее масштабов.
Зачем изучать это сейчас? Большая часть машинного обучения — это поиск закономерностей в данных и последующее их осмысленное использование. Поскольку модель квантовых вычислений сильно отличается от классической, мы сможем обнаруживать новые или классически находимые закономерности гораздо быстрее. На этом этапе обсуждения докладчики и авторы обычно вбрасывают впечатляющие модные термины «суперпозиция», «запутанность», «интерференция» и «измерение», но на таком высоком уровне они нам не нужны.
Вендоры часто демонстрируют квантовые вычисления для ИИ на созданном ими оборудовании. Это разумно — показывать вехи в каждой области разработки. Однако я бы предпочел, чтобы мне показали пример из квантовой химии, поскольку я считаю, что это первая общая область применения, которая станет практичной для квантовых вычислений.
ИИ для квантовых вычислений
Для меня сегодня это гораздо интереснее, чем квантовые вычисления для ИИ. Можем ли мы использовать МО для создания лучших квантовых компьютеров?
Как я уже говорил, квантовые компьютеры используют кубиты в качестве основных единиц информации. Сколько кубитов нам нужно? Диапазон ответов на этот вопрос поражает воображение: люди утверждают, что будет достаточно от десятков до нескольких тысяч. Я считаю, что нам понадобится 100 000 физических кубитов — изготовленных или пойманных в ловушку природных объектов, которые демонстрируют желаемое квантовое поведение. Сверхпроводящие и кремниевые спиновые кубиты — примеры изготовленных кубитов, а пойманные в ловушку ионы, нейтральные атомы и фотоны — естественные. Существует еще пять разновидностей («модальностей») кубитов, но первые пять и их вариации — это технологии кубитов, используемые большинством вендоров.
Мы изучаем квантовые вычисления, потому что, очевидно, самый большой компьютер из всех — природа — использует модель квантовой механики, чтобы программировать все маленькие сущности, такие как электроны, фотоны, атомы, а значит, молекулы и практически все, что нас окружает. Мы могли бы подражать тому, как работает самый значительный компьютер, чтобы решать наши самые сложные проблемы.
Это звучит многообещающе, пока мы не поймем, что природа и созданные нами материалы являются квантовыми и не очень-то заботятся об интерференции с нашими преднамеренными вычислениями. Вместо того чтобы получить кубиты, которые сохраняют свои значения вечно, и операции над ними, которые выполняют свою работу идеально, мы получаем дополнительный шум от местного природного окружения. Шум приводит к ошибкам в кубитах и их операциях. Например, предположим, у вас есть калькулятор, но из-за электростатических помех результат 2,0 — 1,0 стал равен 0,99. Это ошибка в электронике.
Или другой пример: представьте, что вы слушаете радио или ведете телефонный разговор, в котором присутствуют помехи. Возможно, вы сможете разобрать важную информацию, но шумов может быть так много, что вы просто не сможете понять, о чем идет речь.
В квантовом компьютере есть разные виды шума, и они исходят из различных источников. Иногда мы можем обнаружить закономерности в шуме и использовать их для подавления или смягчения ошибок. Исследователи и инженеры используют несколько видов МО для обнаружения шумовых паттернов, чтобы повысить стабильность квантовых систем и точность того, что мы с ними делаем. Обзорный документ, опубликованный в 2024 г. исследователями Nvidia и их коллегами, хорошо подытоживает широту работ в этой области.
Вполне возможно, что сначала мы сделаем ИИ для квантовых вычислений, чтобы в итоге получить квантовые вычисления для ИИ.
Квантовые вычисления и ИИ в одном рабочем процессе
Ученые и исследователи в области физики и информатики не всегда знают о промышленных бизнес- и рабочих процессах, связанных с управлением компаниями и предоставлением ценности их клиентам. Это прекрасно — интенсивно работать в аппаратных и алгоритмических дебрях, но кто-то должен выбраться оттуда и посмотреть на контекст, в котором будут происходить вычисления.
Вместо того чтобы сразу думать о том, что квантовые вычисления и ИИ как-то объединились и работают вместе, сначала подумайте о том, как они работают в отдельных процессах. У нас есть и традиционные классические вычислительные процессы, в том числе некоторые модули, в которых задействованы высокопроизводительные вычисления (HPC). Данные поступают в каждый компонент, а затем другие данные выходят из них и служат входом в других местах. В середине 2024 г. Microsoft продемонстрировала химический рабочий процесс, начинающийся с HPC, переходящий к ИИ и заканчивающийся квантовыми вычислениями.
Другие поставщики, в том числе IonQ и Quantinuum, также продемонстрировали подобные рабочие процессы. Отметим, что идея не нова: в 2020 г. IBM объяснила, что будущее вычислений будет состоять из битов (классических), кубитов (квантовых) и нейронов (ИИ).
Каковы временные рамки?
ИИ для квантовых вычислений имеет ценность уже несколько лет и будет оставаться ценным инструментом до тех пор, пока мы создаем квантовые вычислительные системы.
Понимание потока обработки, ввода и вывода данных в системах HPC, квантовых системах и системах ИИ набирает темпы, и дифференцированная ценность, вероятно, будет получена в среднесрочной перспективе: мы должны увидеть практические результаты к концу этого десятилетия.
Нам предстоит разработать еще много технологий, прежде чем квантовые вычисления для ИИ выйдут за пределы стадии «мы продемонстрировали, что наша работа вроде как не так уж плоха для небольших задач по сравнению с классическим ИИ». Это может показаться грубым, но квантовый ИИ — это сценарий использования квантовых вычислений с самыми завышенными ожиданиями. Я думаю, что для этой области нам понадобятся большие системы с коррекцией ошибок, поэтому считаю, что это долгосрочная перспектива: от семи до десяти лет и далее в
По мере того как будет развиваться наша работа над квантовыми вычислениями, будет развиваться и то, что мы делаем с ИИ. Подходы, которые мы используем сейчас, возможно, не будут доминировать в обеих областях через десять лет. Обе области меняются независимо друг от друга. Мы должны учитывать это в своей работе, чтобы эффективно использовать их вместе.
