Dans une réalisation révolutionnaire, un système quantique a surpassé une intelligence artificielle (IA) classique dans la classification de données, un domaine traditionnellement dominé par les machines conventionnelles. Cet exploit remarquable, mené par des chercheurs de l'Université de Vienne, a non seulement démontré une précision supérieure, mais l'a également obtenue avec une consommation d'énergie significativement moindre.
Cette percée, publiée dans la revue Nature Photonics, marque un moment charnière dans l'apprentissage automatique quantique. L'expérience de l'équipe montre que même des processeurs quantiques à petite échelle peuvent surpasser leurs homologues classiques dans des tâches spécifiques d'apprentissage automatique, une pierre angulaire de l'IA moderne. La clé réside dans l'utilisation de la lumière.
L'appareil, un processeur quantique photonique construit à l'Université polytechnique de Milan, utilise des photons, ou particules de lumière, pour exécuter des algorithmes. La tâche consistait à classer différents types de données, un processus couramment effectué par les systèmes d'IA dans des applications allant de la reconnaissance faciale à la prévision météorologique. L'algorithme quantique, conçu par la société britannique Quantinuum, a fait moins d'erreurs que son concurrent classique.
De plus, le système quantique a fait preuve d'une efficacité énergétique supérieure. Contrairement aux ordinateurs conventionnels, qui nécessitent une électricité importante pour traiter l'information, les systèmes photoniques consomment un minimum d'énergie en opérant directement avec la lumière. Cette différence devient cruciale dans un monde où les modèles d'IA deviennent de plus en plus puissants, mais aussi plus énergivores.
Philip Walther, chef de projet et scientifique à l'Université de Vienne, a déclaré que "nous avons constaté que pour des tâches spécifiques, notre algorithme fait moins d'erreurs que son homologue classique". Cette réalisation n'est pas seulement technique, mais signale également un changement de paradigme dans le domaine émergent de l'apprentissage automatique quantique.
L'apprentissage automatique quantique explore comment les principes de la physique quantique peuvent améliorer la vitesse, la précision ou l'efficacité des algorithmes d'IA. Cette percée suggère que l'informatique quantique peut offrir une alternative plus rapide, plus précise et plus durable à l'IA traditionnelle. Cette découverte ouvre des portes à des applications d'IA plus efficaces et durables.