MI és kvantumszámítások egyaránt népszerű, sok alkalmazásban hasznosítható szakterületek. Valószínűleg mindkettő megváltoztatja a világot; beláthatatlan a bennük rejlő potenciál.
Egyelőre azonban csak a kezdeteknél tartunk, mert a jelen MI-jei túlnyomórészt egyedi feladatokat autonóm módon kivitelező speciális gépitanulás-algoritmusok, valóban működő (konkrét alkalmazásokban hasznosítható) kvantumszámítógép pedig még nincs is.
A mai gépi tanuláshoz kapcsolódó folyamatokat viszont jelentősen feljavíthatják a kvantumszámítások.
A Szingapúri Nemzeti Egyetem (NUS) nemzetközi kutatócsoportja bemutatta, hogy a kvantumalgoritmusok egyik típusával, úgynevezett lineárisrendszer-algoritmusokkal gyorsabban és jobban elemezhetők nagy adatsorokon belüli kapcsolatok, ráadásul a vártnál szélesebb körű adattípuson működnek.
„A korábbi hasonló kvantumalgoritmusokat nagyon speciális problémafajtára alkalmazták. Másfajta adatokhoz már javítani kellett rajtuk ahhoz, hogy gyorsabban dolgozzunk velük” – jelentette ki Zhikuan Zha, a kutatást ismertető tanulmány szerzője.
Egy kvantumalgoritmust úgy terveznek, hogy valósághű kvantumszámítógép-modelleken fusson. A hagyományos algoritmusokhoz hasonlóan lépésről lépésre dolgozik, viszont a kvantumgépek egyedi tulajdonságait (összefonódás, szuperpozíció) is használja. ( Összefonódásnál két egymástól akár távol lévő objektum kvantumállapota úgy függ össze, hogy a teljes rendszer kvantumállapotát nem lehet a részrendszerek állapotának megadásával leírni. A szuperpozíció az az állapot, amikor a rendszerek egyidejűleg két vagy több helyzetben is létezhetnek.)
Lineárisrendszer-algoritmusok hatalmas adatmátrixon végeznek számításokat, kifejezetten kvantumgépeknek való munkát. Például 10 ezerszer 10 ezer bejegyzés elemzéséhez klasszikus komputerrel nehezen kivitelezhető, mert irdatlan mennyiségű (kb. 1 trillió lépésben megoldható) művelet kell hozzá.
Az MI és a gépi tanulás kvantumformáit kereső algoritmus első változatát 2009-ben tervezték. Nagy adatmátrixokon dolgozott, de csak kevesebb kapcsolatot tartalmazó szétszórt adatokkal boldogult, ami még így is komoly előrelépésnek bizonyult.
A hagyományos és kvantumelődeit is felülmúló mostani algoritmusnál már nincsenek ilyen megkötések.
„A kvantumalapú gépi tanulás a kvantum-információfeldolgozás erejével próbálja felgyorsítani hagyományos gépitanulás-feladatok megoldását” – nyilatkozta Zha.
Arról nem beszélt, hogy a mesterséges intelligencia intelligensebb lesz-e ettől.
A két technológia teszteken túli eredményes kombinációjához azonban valóban működő kvantumszámítógépek kellenének. A szingapúri kutatók az utóbbi évek újításaira hivatkozva bizakodnak; szerintük már nem kell sokáig várni.
„Talán 3-5 év” – prognosztizál Zha.
