W jakim stopniu komputery kwantowe mogą pomóc w rozwoju sztucznej inteligencji?


Odpowiedzi:


24

Komputery kwantowe są super niesamowite w mnożeniu macierzy, z pewnymi ograniczeniami . Superpozycja kwantowa pozwala, aby każdy bit był w znacznie większej liczbie stanów niż tylko zero lub jeden, a bramki kwantowe mogą manipulować tymi bitami na wiele różnych sposobów. Z tego powodu komputer kwantowy może przetwarzać wiele informacji naraz dla niektórych aplikacji.

Jedną z tych aplikacji jest transformata Fouriera , która jest przydatna w wielu problemach, takich jak analiza sygnałów i przetwarzanie macierzy. Istnieje również algorytm wyszukiwania kwantowego Grovera , który znajduje pojedynczą wartość, dla której dana funkcja zwraca coś innego. Jeśli problem sztucznej inteligencji można wyrazić w postaci matematycznej podatnej na obliczenia kwantowe , może on uzyskać duże przyspieszenie. Wystarczające przyspieszenie może przekształcić pomysł AI z „teoretycznie interesującego, ale szalenie powolnego” w „całkiem praktyczny, gdy już dobrze poradzimy sobie z obliczeniami kwantowymi”.


1
Dodając do tej odpowiedzi, mnożenie macierzy jest podstawą większości dzisiejszych aplikacji Machine Learning. Wszystko, co dziś korzysta z GPU, może jutro korzystać z komputera kwantowego, który zbliży nas do AI.
Surowy

2
ML jest podzbiór, jeśli AI. Głębokie ML jest podzbiorem, jeśli ML. Dlatego nie budujemy żadnej sztucznej inteligencji poprzez pomnożenie macierzy. Po prostu wycinamy najlepsze kawałki ze zwłok, takich jak piranie. W przypadku publikacji wyniki stopnie przyznają kadencje i pieniądze. Naprawdę wątpię, aby rzeczywista sztuczna inteligencja miała coś wspólnego z prędkością mnożenia macierzy. Ludzki mózg produkuje inteligencję bez wysiłku, używając nieskończenie wolniejszego aparatu w porównaniu do komputera kwantowego.
Boppity Bop

8

Dopóki nie będziemy w stanie stworzyć komputera kwantowego z dużo większą ilością kubitów, potencjał do dalszego rozwoju sztucznej inteligencji pozostanie taki.

D-Wave (który właśnie stworzył ponad 2000 systemów kubitowych około 2015 roku) jest adiabatycznym komputerem kwantowym , a nie komputerem kwantowym ogólnego zastosowania. Jest ograniczony do niektórych problemów związanych z optymalizacją (przy których podobno jego skuteczność została podważona przez jednego z twórców teorii, na której się opiera).

Załóżmy, że moglibyśmy zbudować 32-kubitowy komputer kwantowy ogólnego zastosowania (o ile wiem, dwa razy większy niż obecne modele). Oznaczałoby to, że w superpozycji istnieją tylko 2 32 możliwości. Jest to przestrzeń na tyle mała, że ​​można ją wyczerpująco zbadać na wiele problemów. Stąd, być może nie ma tak wielu problemów, dla których którykolwiek ze znanych algorytmów kwantowych (np. Shor , Grover ) byłby użyteczny dla tej liczby bitów.


„D-Wave (który właśnie stworzył ponad 2000 systemów kubitowych około 2015 roku)” To oświadczenie jest co najmniej mylące. Należy pamiętać, że D-Wave twierdzi, że stworzył komputer wykorzystujący adiabetyczne wyżarzanie kwantowe . Ten model obliczeniowy różni się znacznie od innych modeli obliczeń kwantowych. Na przykład nie wiem, czy Shor i Grover działają na tym modelu! Mówienie o „ponad 2000 kubitów” jest nieco mylące: komputery w modelu, w którym dbamy o liczbę kubitów, mają około 50 kubitów jako bieżącą granicę.
Dyskretna jaszczurka

Należy również zauważyć, że istnieją eksperci, którzy nie wierzą, że adiabetyczne wyżarzanie kwantowe może znacznie poprawić klasyczną technikę symulowanego wyżarzania .
Dyskretna jaszczurka

4

Komputery kwantowe mogą pomóc w dalszym rozwoju algorytmów AI i rozwiązywać problemy w zakresie naszej kreatywności i zdolności do zdefiniowania problemu. Na przykład zerwanie z kryptografią może zająć kilka sekund, a standardowe komputery mogą potrwać tysiące lat. To samo ze sztuczną inteligencją, może przewidzieć wszystkie kombinacje dla danego problemu zdefiniowanego przez algorytm. Wynika to z superpozycji wielu stanów bitów kwantowych.

Obecnie komputery kwantowe są wciąż na wczesnym etapie rozwoju i mogą wykonywać złożone obliczenia. Istnieją już technologie, takie jak systemy D-Wave , które są wykorzystywane przez Google i NASA do kompleksowej analizy danych, przy użyciu komputerów kwantowych typu Multi-Qubit do rozwiązywania problemów dynamiki płynów NSE będących przedmiotem zainteresowania lub globalnego nadzoru do celów wojskowych i wiele innych nieświadomy.

Obecnie dostępnych jest tylko kilka komputerów kwantowych, takich jak IBM Quantum Experience (pierwsza na świecie platforma obliczeń kwantowych dostarczana przez chmurę IBM), ale programuje na poziomie bramek kwantowych, więc jesteśmy o wiele lat za tworzeniem sztucznej inteligencji dostępne publicznie. Istnieje kilka języków obliczeń kwantowych, takich jak QCL, Q lub Quipper, ale nie znam żadnych bibliotek, które mogłyby dostarczać struktury sztucznej inteligencji. Nie oznacza to, że go tam nie ma, i jestem pewien, że wielkie firmy i organizacje rządowe wykorzystują go do realizacji swoich celów w celu osiągnięcia konkurencji (np. Analizy rynku finansowego itp.).


1

Bezpośrednia odpowiedź na twoje pytanie : -

Dziedzina, w której obliczenia kwantowe i sztuczna inteligencja przecinają się, nazywa się kwantowym uczeniem maszynowym .

  1. AI to dziedzina rozwijająca się, z pewnym doświadczeniem (ala McCarthy ze sławy LISP).

  2. Obliczenia kwantowe to dziewicza dziedzina, która jest w dużej mierze niezbadana.

Konkretny rodzaj złożoności współdziała z innym rodzajem złożoności, tworząc bardzo bogate pole.

Teraz połącz (1) i (2), a skończysz z jeszcze większą niepewnością; szczegóły techniczne zostaną zbadane w tej odpowiedzi.

Google wyjaśnia obliczenia kwantowe w jednym prostym filmie: Google i NASA Quantum Artificial Intelligence Lab


Body : -

IBM jest organem:

IBM: Komputery kwantowe mogą być przydatne, ale nie wiemy dokładnie, jak to zrobić

Kwantowe uczenie maszynowe jest interesującym zjawiskiem. W tej dziedzinie badane są przecięcia między obliczeniami kwantowymi a uczeniem maszynowym.

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

„Podczas gdy algorytmy uczenia maszynowego są wykorzystywane do obliczania ogromnych ilości danych, kwantowe uczenie maszynowe inteligentnie zwiększa takie możliwości, stwarzając możliwości przeprowadzenia analizy stanów i układów kwantowych”. Współtwórcy Wikipedii. - „Kwantowe uczenie maszynowe”. Wikipedia, wolna encyklopedia . Wikipedia, wolna encyklopedia, 7 października 2019 r. Internet. 11 października 2019 r.


Lustro techniczne : -

Warto zwrócić uwagę na tę szczególną sekcję dotyczącą implementacji:

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

„... Ta zależność od danych jest potężnym narzędziem szkoleniowym. Ale wiąże się z potencjalnymi pułapkami. Jeśli maszyny zostaną przeszkolone w wyszukiwaniu i wykorzystywaniu wzorców w danych, w niektórych przypadkach utrwalą jedynie uprzedzenia rasowe, płciowe lub klasowe dotyczące obecna ludzka inteligencja.

Ale narzędzie przetwarzania danych nieodłącznie związane z uczeniem maszynowym może również generować aplikacje, które mogą poprawić ludzkie życie. „Inteligentne” maszyny mogłyby pomóc naukowcom w skuteczniejszym wykrywaniu raka lub lepszym zrozumieniu zdrowia psychicznego.

Dotychczasowy postęp w uczeniu maszynowym był klasyczny: techniki używane przez maszyny do nauki są zgodne z prawami fizyki klasycznej. Dane, z których się uczą, mają klasyczną formę. Maszyny, na których działają algorytmy, są również klasyczne.

Pracujemy w rozwijającej się dziedzinie kwantowego uczenia maszynowego, która bada, czy dziedzina fizyki zwana mechaniką kwantową może poprawić uczenie maszynowe. Mechanika kwantowa różni się od fizyki klasycznej na poziomie podstawowym: zajmuje się prawdopodobieństwami i czyni zasadę z niepewności. Mechanika kwantowa rozszerza także fizykę o interesujące zjawiska, których nie można wyjaśnić za pomocą klasycznej intuicji. ... ”-„ Explainer: Co to jest kwantowe uczenie maszynowe i jak może nam pomóc? ”. Techxplore.Com , 2019, https://techxplore.com/news/2019-04-quantum-machine.html .


Aplikacje biznesowe i praktyczne zastosowania : -


Dalsza lektura : -


0

Wraz z komputerami kwantowymi mechanika kwantowa i matematyka kwantowa zmienią przyszłość sztucznej inteligencji.

W obecnych kosztach obliczeniowych i ograniczeniach użycie liczby superwizji kompleksu jest ograniczone, wiele problemów statystycznych i algorytmów czeka w kolejce na przetworzenie i produkcję w produkcji, komputery kwantowe nie są w stanie go rozwiązać, ponieważ obecny błąd obliczeń jest wysoki, matematyka kwantowa nie umrze i pojawi się specjalna logika obliczeniowa, aby rozwiązać ten problem, Więcej informacji dostępnych

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.