Dalam pencapaian terobosan, sebuah sistem kuantum telah melampaui kecerdasan buatan (AI) klasik dalam klasifikasi data, sebuah domain yang secara tradisional didominasi oleh mesin konvensional. Prestasi luar biasa ini, yang dipimpin oleh para peneliti dari Universitas Wina, tidak hanya menunjukkan akurasi yang unggul tetapi juga mencapainya dengan konsumsi energi yang jauh lebih sedikit.
Terobosan ini, yang diterbitkan dalam jurnal Nature Photonics, menandai momen penting dalam pembelajaran mesin kuantum. Eksperimen tim menunjukkan bahwa bahkan prosesor kuantum skala kecil dapat melampaui rekan-rekan klasik mereka dalam tugas pembelajaran mesin tertentu, sebuah landasan AI modern. Kuncinya terletak pada penggunaan cahaya.
Perangkat tersebut, sebuah prosesor kuantum fotonik yang dibangun di Politeknik Universitas Milan, menggunakan foton, atau partikel cahaya, untuk menjalankan algoritma. Tugasnya melibatkan pengklasifikasian berbagai jenis data, sebuah proses yang secara rutin dilakukan oleh sistem AI dalam aplikasi mulai dari pengenalan wajah hingga prakiraan cuaca. Algoritma kuantum, yang dirancang oleh perusahaan Inggris Quantinuum, membuat lebih sedikit kesalahan daripada pesaing klasiknya.
Selain itu, sistem kuantum menunjukkan efisiensi energi yang unggul. Tidak seperti komputer konvensional, yang membutuhkan listrik yang besar untuk memproses informasi, sistem fotonik mengkonsumsi energi minimal dengan beroperasi langsung dengan cahaya. Perbedaan ini menjadi sangat penting di dunia di mana model AI menjadi semakin kuat tetapi juga lebih intensif energi.
Pemimpin proyek dan ilmuwan di Universitas Wina, Philip Walther, menyatakan bahwa "kami menemukan bahwa untuk tugas-tugas tertentu algoritma kami membuat lebih sedikit kesalahan daripada rekan klasiknya." Pencapaian ini tidak hanya bersifat teknis tetapi juga menandakan perubahan paradigma dalam bidang pembelajaran mesin kuantum yang sedang berkembang.
Pembelajaran mesin kuantum mengeksplorasi bagaimana prinsip-prinsip fisika kuantum dapat meningkatkan kecepatan, akurasi, atau efisiensi algoritma AI. Terobosan ini menunjukkan bahwa komputasi kuantum dapat menawarkan alternatif yang lebih cepat, lebih tepat, dan lebih berkelanjutan untuk AI tradisional. Penemuan ini membuka pintu bagi aplikasi AI yang lebih efisien dan berkelanjutan.