In un risultato rivoluzionario, un sistema quantistico ha superato un'intelligenza artificiale (IA) classica nella classificazione dei dati, un dominio tradizionalmente dominato dalle macchine convenzionali. Questa notevole impresa, guidata da ricercatori dell'Università di Vienna, non solo ha dimostrato una precisione superiore, ma l'ha anche ottenuta con un consumo energetico significativamente inferiore.
Questa svolta, pubblicata sulla rivista Nature Photonics, segna un momento cruciale nell'apprendimento automatico quantistico. L'esperimento del team dimostra che anche i processori quantistici su piccola scala possono superare le loro controparti classiche in specifici compiti di apprendimento automatico, una pietra miliare dell'IA moderna. La chiave sta nell'uso della luce.
Il dispositivo, un processore quantistico fotonico costruito presso il Politecnico di Milano, utilizza fotoni, o particelle di luce, per eseguire algoritmi. Il compito consisteva nel classificare diversi tipi di dati, un processo eseguito di routine dai sistemi di IA in applicazioni che vanno dal riconoscimento facciale alle previsioni meteorologiche. L'algoritmo quantistico, progettato dall'azienda britannica Quantinuum, ha commesso meno errori rispetto al suo concorrente classico.
Inoltre, il sistema quantistico ha mostrato un'efficienza energetica superiore. A differenza dei computer convenzionali, che richiedono una notevole quantità di elettricità per elaborare le informazioni, i sistemi fotonici consumano un'energia minima operando direttamente con la luce. Questa differenza diventa fondamentale in un mondo in cui i modelli di IA stanno diventando sempre più potenti, ma anche più energivori.
Il responsabile del progetto e scienziato dell'Università di Vienna, Philip Walther, ha dichiarato che "abbiamo scoperto che per compiti specifici il nostro algoritmo commette meno errori rispetto alla sua controparte classica". Questo risultato non è solo tecnico, ma segnala anche un cambio di paradigma nel campo emergente dell'apprendimento automatico quantistico.
L'apprendimento automatico quantistico esplora come i principi della fisica quantistica possono migliorare la velocità, la precisione o l'efficienza degli algoritmi di IA. Questa svolta suggerisce che il calcolo quantistico può offrire un'alternativa più rapida, precisa e sostenibile all'IA tradizionale. Questa scoperta apre le porte a applicazioni di IA più efficienti e sostenibili.