¿Cuál es la relación entre la computación cuántica y la inteligencia artificial?

Es curioso, nunca podría haber imaginado que mi tema universitario (menor) de trigonometría esférica se volvería tan genial hoy.

De todos modos, lo que ves a continuación es una esfera bloch, representación de un bit cuántico o qubit.

De todos modos, una computadora cuántica usa superposiciones y enredos (solo recuerde el espacio-tiempo por ahora; lea más la teoría de la relatividad especial de Einstein para obtener más información)

Y los cálculos (datos codificados) residen en estados de superposición en comparación con nuestras computadoras binarias actuales (1 o 0).

La inteligencia artificial está impulsando la carrera por la computación cuántica

El surgimiento de la TPU de Google, que pronto se anunciará El chip AI de Huawei, la APU de Apple (actualmente no anunciada), el propio plan de Microsoft para construir un procesador nos dicen que los cálculos matriciales, una nueva forma de entender el mundo que nos rodea, se está convirtiendo en un realidad.

¿Así que qué es lo? De acuerdo con el reciente artículo del MIT publicado [1]

Los chips cuánticos representan bits digitales de datos utilizando qubits, dispositivos que pueden atajar algunos cálculos difíciles explotando la física contraintuitiva de la mecánica cuántica. Sin embargo, los investigadores han demostrado hasta ahora la computación cuántica con solo pequeños grupos de qubits. Google ha publicado los resultados de un chip que tiene nueve qubits dispuestos en una línea, pero Martinis dice que necesitará una cuadrícula de 49 qubits para su experimento de supremacía cuántica.

Pronto podríamos ver computadoras cuánticas diseñadas que podrían ayudarlo a usted y a ejecutar simulaciones que anteriormente no podríamos haber imaginado como simular una estructura celular o química, simulando un futuro alternativo (de una compañía, ciudad, tierra o incluso algún segmento espacial interestelar) , cualquier otra verdad que deseamos descubrir en el planeta tierra, desde negocios mundanos o cosas cotidianas hasta cualquier cosa más loca o más grande.

Lo que pensamos que llevaría miles de millones de años simular puede ser en cuestión de minutos u horas . ¡Cuan genial es eso!

Y toda esa simulación es inteligencia artificial.

Notas al pie

[1] Google dice que está en camino de demostrar definitivamente que tiene una computadora cuántica en unos meses

La computación cuántica es el campo que se enfoca en la computación cuántica / procesamiento de la información, la teoría matemática y física para la cual, así como la ingeniería requerida para realizar diferentes circuitos y algoritmos en el rendimiento del hardware, así como otros problemas contingentes como toda la “cadena de cómputo “(Desde la ingeniería de software hasta el código de máquina cuántica y luego a la arquitectura física) y los problemas de dispositivos / hardware como la ingeniería térmica, electroóptica y nano.

La inteligencia artificial es otro campo de la ciencia computacional con un fuerte componente de ingeniería. Su objetivo es resolver y caracterizar / formalizar la inteligencia y poner a prueba ese conocimiento o trabajar creando sistemas de software y / o hardware que puedan procesar la información de tal manera que realicen operaciones “inteligentes”. Todos hemos escuchado mucho sobre el aprendizaje automático y el aprendizaje profundo (aplicado a todo, desde visión por computadora, reconocimiento de voz, simulación de física, generación de arte, lectura a través de datos genómicos, robótica autónoma) en estos días: estos enfoques tienen un enfoque muy centrado en los datos para clasificar y navegar por espacios de datos complejos (lo que puede ser la razón por la que son tan efectivos; grandes sistemas complejos construidos a partir de grandes cantidades de reglas / unidades pequeñas y simples): existen otros enfoques y ramas que involucran simbólica, lógica y estadística (pero supongo que la mayoría de las máquinas el aprendizaje es aprendizaje estadístico, en el sentido de que es estadística aplicada), enfoques de inteligencia artificial. Se están realizando esfuerzos para construir unidades de hardware personalizadas y optimizadas para ejecutar mejor los cálculos adecuados para las operaciones de inteligencia artificial, o para construir literalmente en el hardware a través de puertas y unidades aritméticas / lógicas, y pequeñas unidades de memoria, una red neuronal profunda y tenerla accesible. para programar a través de lenguajes con capacidad de bajo nivel como C o seguir la ruta de descripción de hardware como VHDL.

Por lo tanto, existe una relación en que ambas son ciencias computacionales y tienen superposiciones en varias áreas, tales como:

yo. Un conjunto común de problemas o aplicaciones de computación cuántica o IA sería útil para: procesamiento de datos / información, simulaciones

ii) ambos se basan en gran medida y requieren buenos métodos matemáticos / algorítmicos y buenas plataformas físicas / de hardware para operar, por ejemplo, la manipulación matricial es importante para ambos campos, al igual que los cálculos energéticamente eficientes (la arquitectura de hardware optimizada puede ayudar), por lo que los avances aumentan nuestra comprensión y El rendimiento en estas áreas fundamentales da un impulso a ambas tecnologías

iii) están relacionados pero también son ramas tecnológicas independientes / distantes, por lo tanto, los avances en uno pueden complementar al otro: aquí es donde se obtienen instancias de aprendizaje automático cuántico, donde se intenta utilizar las capacidades de procesamiento de información de qubits para mejorar sus algoritmos de aprendizaje automático y Su desempeño. También puede utilizar la inteligencia artificial para ayudar a configurar o diseñar nuevos circuitos o arquitecturas de computación cuántica.

Por lo tanto, se relaciona de manera fundamental o de bajo nivel, pero hay algunas aplicaciones cruzadas interesantes y sinergias que ocurren donde los dos campos se encuentran.

Estoy seguro de que ha escuchado que todos los programadores de inteligencia artificial y aprendizaje automático utilizan alguna forma de GPU para entrenar redes neuronales. ¿Porqué es eso?

Esto se debe a que las GPU son excelentes para hacer cálculos gráficos. ¿Por qué? Saben hacer cálculos matriciales muy rápido.

Se espera que una computadora cuántica realice estos cálculos matriciales incluso más rápido que las GPU normales.

Esto significa que los algoritmos de aprendizaje profundo pueden entrenarse de manera más efectiva, lo que conduce a una respuesta de IA mucho mejor a los estímulos.

Según tengo entendido, la ventaja de la computación cuántica es que sus cálculos pueden ser masivamente paralelos en comparación con el hardware que construimos actualmente. Los algoritmos AI y ML a menudo son susceptibles de ejecución paralela, por lo que podrían beneficiarse desproporcionadamente del control de calidad.