Dans quelle mesure les ordinateurs quantiques peuvent-ils aider à développer l’intelligence artificielle?

Réponses:

25

Les ordinateurs quantiques sont super géniaux pour la multiplication matricielle, avec quelques limitations . La superposition quantique permet à chaque bit d'être dans beaucoup plus d'états que zéro ou un, et les portes quantiques peuvent manipuler ces bits de nombreuses manières différentes. De ce fait, un ordinateur quantique peut traiter beaucoup d’informations en même temps pour certaines applications.

L'une de ces applications est la transformée de Fourier , utile dans de nombreux problèmes, tels que l' analyse du signal et le traitement par matrice. Il y a aussi l'algorithme de recherche quantique de Grover , qui trouve la valeur unique pour laquelle une fonction donnée renvoie quelque chose de différent. Si un problème d' intelligence artificielle peut être exprimé sous une forme mathématique adaptée à l'informatique quantique , il peut recevoir de grandes accélérations. Des accélérations suffisantes pourraient transformer une idée d'intelligence artificielle de "théoriquement intéressante mais incroyablement lente" en "assez pratique une fois que nous maîtriserons l'informatique quantique".

— Ben N
source
1
Ajoutant à cette réponse, la multiplication de matrice est l’épine dorsale de la plupart des applications d’apprentissage automatique aujourd’hui. Aujourd'hui, tout ce qui utilise un processeur graphique pourrait utiliser un ordinateur quantique, ce qui nous rapprocherait d'autant plus de l'IA.
— Harsh
2
ML est un sous-ensemble si AI. Deep ML est un sous-ensemble si ML. Par conséquent, nous ne construisons aucune IA en multipliant les matrices. Nous coupons simplement les meilleurs morceaux d'un cadavre comme des piranhas. Pour les partitions, les diplômes accordent des durées de service et de l'argent. Je doute vraiment qu'une IA réelle puisse avoir quelque chose à voir avec la vitesse de multiplication des matrices. Le cerveau humain produit une intelligence sans effort en utilisant un appareil infiniment plus lent que celui d’un ordinateur quantique.
— Boppity Bop
8

Jusqu'à ce que nous puissions créer un ordinateur quantique avec beaucoup plus de qubits, le potentiel de développement ultérieur de l'IA restera le même.

D-Wave (qui vient de créer un système de plus de 2 000 qubits vers 2015) est un ordinateur quantique adiabatique , et non un ordinateur quantique à usage général. Il se limite à certains problèmes d'optimisation (pour lesquels son efficacité aurait été mise en doute par l'un des auteurs de la théorie sur laquelle elle est basée).

Supposons que nous puissions construire un ordinateur quantique polyvalent de 32 qubits (deux fois plus grand que les modèles actuels, à ma connaissance). Cela signifierait toujours que seules 2 32 possibilités existent en superposition. C'est un espace assez petit pour être exploré de manière exhaustive pour de nombreux problèmes. Par conséquent, il n’ya peut-être pas tellement de problèmes pour lesquels aucun des algorithmes quantiques connus (par exemple Shor , Grover ) ne serait utile pour ce nombre de bits.

— NietzscheanAI
source
"D-Wave (qui vient de mettre au point un système de plus de 2 000 qubits vers 2015)" Cette affirmation est au mieux trompeuse. Sachez que D-Wave a prétendu créer un ordinateur utilisant le recuit quantique adiabétique . Ce modèle de calcul est très différent des autres modèles d’informatique quantique. Par exemple, je ne sais pas si Shor et Grover travaillent sur ce modèle! Donc, parler de « qubits » 2,000+ est un peu trompeur: ordinateurs dans le modèle où nous soucions au sujet du comte qubit avez quelque chose autour de 50 qubits la frontière actuelle.
— lézard discret
Notez également que certains experts ne croient pas que le recuit quantique adiabétique peut apporter des améliorations significatives à la technique de calcul classique du recuit simulé .
— lézard discret
4

Les ordinateurs quantiques peuvent aider à développer davantage les algorithmes d'IA et à résoudre les problèmes dans la mesure de notre créativité et de notre capacité à définir le problème. Par exemple, interrompre la cryptographie peut prendre quelques secondes, voire plusieurs milliers d'années pour les ordinateurs standard. De même avec l'intelligence artificielle, il peut prédire toutes les combinaisons pour le problème donné défini par l'algorithme. Ceci est dû à la superposition d'états multiples de bits quantiques.

Actuellement, les ordinateurs quantiques en sont encore aux premiers stades de développement et peuvent effectuer des calculs complexes. Il existe déjà des technologies telles que les systèmes D-Wave , utilisées par Google et la NASA pour l'analyse de données complexes, qui utilisent des ordinateurs quantiques de type Multi-Qubit pour résoudre des problèmes d'intérêt liés à la dynamique des fluides NSE ou à une surveillance globale à des fins militaires. pas conscient.

À l'heure actuelle, seuls quelques ordinateurs quantiques sont accessibles au public, comme IBM Quantum Experience (la première plate-forme informatique quantique au monde fournie via le nuage IBM), mais sa programmation s'effectue au niveau des portes de la logique quantique. Nous avons donc plusieurs années de retard en matière de création d'intelligence artificielle. disponible au public. Il existe certains langages informatiques quantiques tels que QCL, Q ou Quipper, mais je ne connais aucune bibliothèque capable de fournir des cadres d'intelligence artificielle. Cela ne veut pas dire que ce n'est pas là, et je suis sûr que de grandes entreprises et de nombreux gouvernements l'utilisent dans le cadre de leur programme pour aboutir à la concurrence (analyse du marché financier, etc.).

— Kenorb
source
1

Réponse directe à votre question : -

Le domaine où l'informatique quantique et l'IA se croisent est appelé apprentissage par la machine quantique .

  1. L'intelligence artificielle est un domaine en développement, avec quelques antécédents (comme McCarthy, célèbre pour le LISP).

  2. L'informatique quantique est un domaine vierge en grande partie inexploré.

Un type particulier de complexité interagit avec un autre type de complexité pour créer un champ très riche.

Maintenant, combinez (1) et (2), et vous vous retrouvez avec encore plus d'incertitude. les détails techniques doivent être explorés dans cette réponse.

Google explique l'informatique quantique en une seule vidéo: Google et le laboratoire d'intelligence artificielle quantique de la NASA

Corps : -

IBM est une autorité: -

IBM: les ordinateurs Quantum pourraient être utiles, mais nous ne savons pas exactement comment

L'apprentissage machine quantique est un phénomène intéressant. Ce domaine étudie l'intersection entre l'informatique quantique et l'apprentissage automatique.

( https://en.wikipedia.org/wiki/Quantum_machine_learning )

"Alors que les algorithmes d'apprentissage automatique sont utilisés pour calculer d'immenses quantités de données, l'apprentissage automatique quantique augmente ces capacités de manière intelligente, en créant des opportunités d'analyse des états et des systèmes quantiques." Contributeurs Wikipedia. - "Apprentissage machine quantique." Wikipedia, l'encyclopédie libre . Wikipédia, The Free Encyclopedia, 7 octobre 2019. Web. 11 octobre 2019.

Miroir Technique : -

Cette section particulière sur les implémentations est à noter: -

( https://en.wikipedia.org/wiki/Quantum_machine_learning#Implementations_and_experiments )

"... Cette dépendance vis-à-vis des données est un puissant outil de formation. Mais elle présente des pièges potentiels. Si les machines sont formées pour rechercher et exploiter des modèles de données, elles ne font parfois que perpétuer les préjugés de race, de genre ou de classe propres à la société. intelligence humaine actuelle.

Mais l’installation informatique inhérente à l’apprentissage automatique a aussi le potentiel de générer des applications susceptibles d’améliorer des vies humaines. Des machines «intelligentes» pourraient aider les scientifiques à détecter plus efficacement le cancer ou à mieux comprendre la santé mentale.

Jusqu'ici, la plupart des progrès dans l'apprentissage automatique ont été classiques: les techniques que les machines utilisent pour apprendre suivent les lois de la physique classique. Les données qu’ils apprennent ont une forme classique. Les machines sur lesquelles les algorithmes sont exécutés sont également classiques.

Nous travaillons dans le domaine émergent de l'apprentissage de la machine quantique, qui explore si la branche de la physique appelée mécanique quantique pourrait améliorer l'apprentissage de la machine. La mécanique quantique se distingue fondamentalement de la physique classique: elle traite des probabilités et en fait un principe par incertitude. La mécanique quantique élargit également la physique pour inclure des phénomènes intéressants qui ne peuvent pas être expliqués à l'aide de l'intuition classique. ... "-" Explainer: Qu'est-ce que l'apprentissage de la machine Quantum et comment peut-il nous aider? ". Techxplore.Com , 2019, https://techxplore.com/news/2019-04-quantum-machine.html .

Applications professionnelles et utilisations pratiques : -

Lectures complémentaires : -

— Révélations Tautologiques
source
0

Avec la calculatrice quantique, la mécanique quantique et les mathématiques quantiques vont changer l'avenir de l'intelligence artificielle.

Dans les coûts de calcul et les limitations actuels, l’utilisation du nombre complexe de super invention est limitée, de nombreux problèmes statistiques et algorithmes sont en attente de traitement et de mise en production, les ordinateurs Quantum ne sont pas en mesure de le résoudre car l’erreur de calcul actuelle est élevée, Mathématiques quantiques ne mourra pas et une logique de calcul spéciale viendra s'y attaquer, Plus d'infos disponibles

— Krishnakumar Sekar
source
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.