¿La computación cuántica cambiará el aprendizaje automático?

Ciertamente tendrá algún efecto en el aprendizaje automático, pero aún no sabemos qué tan grande. Si alguien te dice que hoy sabemos que el efecto será enorme, esa persona no sabe de qué está hablando o intenta deliberadamente engañarte.

Con más detalle, existen algoritmos cuánticos conocidos que casi con certeza lograrán aceleraciones enormes y prácticas sobre lo mejor que podemos hacer de manera clásica, pero que son para tareas como la factorización y la simulación cuántica, sin ninguna relevancia obvia para el aprendizaje automático.

Luego están los ‘algoritmos de aprendizaje automático cuántico’, desarrollados durante la última década tras un avance de Harrow, Hassidim y Lloyd, que abordan problemas como la agrupación, clasificación, máquinas de vectores de soporte, etc. Pero estos algoritmos generalmente requieren un montón de condiciones para trabajar: por ejemplo, que los datos estén bien condicionados; que se puede acceder a ellos en superposición cuántica (por ejemplo, utilizando una “RAM cuántica”) o que se pueden calcular sobre la marcha; y que las propiedades de los datos que nos interesan realmente pueden estimarse midiendo los estados cuánticos resultantes. Y aún no sabemos con qué frecuencia se cumplirán esas condiciones en aplicaciones prácticas, e igualmente importante, en los casos en que se cumplen , no tenemos pruebas sólidas de que no pueda haber algoritmos de muestreo aleatorio clásico con un rendimiento similar a los algoritmos cuánticos.

Para obtener más detalles, puede disfrutar de mi artículo de comentarios de Nature Physics , “Algoritmos de aprendizaje automático cuántico: lea la letra pequeña”.

De todos modos, esta es un área de investigación en rápido desarrollo. Vuelva a consultar en 5–10 años; probablemente sabremos más. 🙂

Una perspectiva ligeramente diferente a la de Scott: no solo hay grandes problemas de diseño algorítmico abiertos, sino que todavía sabemos muy poco sobre cómo implementarlos en máquinas construibles. La notación Big-O oculta la importante cuestión de los factores constantes. E / S y (como dijo Scott) la preparación del estado son increíblemente importantes, y todavía no tenemos un control sobre eso. Los pocos análisis orientados a sistemas que se han realizado sugieren tiempos de ejecución poco prácticos (p. Ej., Números del tipo vida del Universo).

Las redes neuronales cuánticas enviarían chips neuromórficos actuales y redes neuronales artificiales corriendo por su dinero. Las redes clásicas son códigos en computadoras o circuitos eléctricos / de luz integrados en un chip. Con fenómenos cuánticos, las redes neuronales cuánticas codificadas en una computadora cuántica, o incluso mejor, construidas como un circuito de chip neuromórfico con neurona cuántica, estarán lo más cerca que la ciencia pueda llegar a imitar el cerebro humano, y con efectos cuánticos combinados con una red de espigas arquitectura, será mucho más inteligente que las actuales