In einer bahnbrechenden Leistung hat ein Quantensystem eine klassische künstliche Intelligenz (KI) bei der Datenklassifizierung übertroffen, einem Bereich, der traditionell von herkömmlichen Maschinen dominiert wird. Diese bemerkenswerte Leistung, angeführt von Forschern der Universität Wien, zeigte nicht nur eine überlegene Genauigkeit, sondern erreichte diese auch mit deutlich geringerem Energieverbrauch.
Dieser Durchbruch, der in der Zeitschrift Nature Photonics veröffentlicht wurde, markiert einen entscheidenden Moment im Quanten-Maschinellen Lernen. Das Experiment des Teams zeigt, dass selbst kleine Quantenprozessoren ihre klassischen Pendants bei bestimmten Maschinellen Lernaufgaben übertreffen können, ein Eckpfeiler der modernen KI. Der Schlüssel liegt in der Verwendung von Licht.
Das Gerät, ein photonischer Quantenprozessor, der an der Polytechnischen Universität Mailand gebaut wurde, verwendet Photonen, oder Lichtteilchen, um Algorithmen auszuführen. Die Aufgabe bestand darin, verschiedene Arten von Daten zu klassifizieren, ein Prozess, der routinemäßig von KI-Systemen in Anwendungen von der Gesichtserkennung bis zur Wettervorhersage durchgeführt wird. Der Quantenalgorithmus, der von der britischen Firma Quantinuum entwickelt wurde, machte weniger Fehler als sein klassischer Konkurrent.
Darüber hinaus zeigte das Quantensystem eine überlegene Energieeffizienz. Im Gegensatz zu herkömmlichen Computern, die erhebliche Mengen an Strom zur Informationsverarbeitung benötigen, verbrauchen photonische Systeme minimal Energie, indem sie direkt mit Licht arbeiten. Dieser Unterschied wird in einer Welt, in der KI-Modelle immer leistungsfähiger, aber auch energieintensiver werden, entscheidend.
Projektleiter und Wissenschaftler an der Universität Wien, Philip Walther, erklärte: "Wir haben festgestellt, dass unser Algorithmus für bestimmte Aufgaben weniger Fehler macht als sein klassisches Gegenstück." Diese Leistung ist nicht nur technischer Natur, sondern signalisiert auch einen Paradigmenwechsel in dem aufstrebenden Bereich des Quanten-Maschinellen Lernens.
Quanten-Maschinelles Lernen untersucht, wie die Prinzipien der Quantenphysik die Geschwindigkeit, Genauigkeit oder Effizienz von KI-Algorithmen verbessern können. Dieser Durchbruch deutet darauf hin, dass Quantencomputing eine schnellere, präzisere und nachhaltigere Alternative zur traditionellen KI bieten kann. Diese Entdeckung eröffnet Türen zu effizienteren und nachhaltigeren KI-Anwendungen.