W przełomowym osiągnięciu system kwantowy przewyższył klasyczną sztuczną inteligencję (AI) w klasyfikacji danych, dziedzinie tradycyjnie zdominowanej przez konwencjonalne maszyny. To niezwykłe osiągnięcie, prowadzone przez naukowców z Uniwersytetu Wiedeńskiego, wykazało nie tylko wyższą dokładność, ale także osiągnęło ją przy znacznie mniejszym zużyciu energii.
Ten przełom, opublikowany w czasopiśmie Nature Photonics, stanowi kluczowy moment w kwantowym uczeniu maszynowym. Eksperyment zespołu pokazuje, że nawet niewielkie procesory kwantowe mogą przewyższać swoje klasyczne odpowiedniki w określonych zadaniach uczenia maszynowego, co jest kamieniem węgielnym nowoczesnej AI. Kluczem jest użycie światła.
Urządzenie, fotoniczny procesor kwantowy zbudowany na Politechnice Mediolańskiej, wykorzystuje fotony, czyli cząstki światła, do wykonywania algorytmów. Zadanie obejmowało klasyfikację różnych typów danych, proces rutynowo wykonywany przez systemy AI w aplikacjach od rozpoznawania twarzy po prognozowanie pogody. Algorytm kwantowy, zaprojektowany przez brytyjską firmę Quantinuum, popełnił mniej błędów niż jego klasyczny konkurent.
Co więcej, system kwantowy wykazał wyższą efektywność energetyczną. W przeciwieństwie do konwencjonalnych komputerów, które wymagają znacznej ilości energii elektrycznej do przetwarzania informacji, systemy fotoniczne zużywają minimalną energię, działając bezpośrednio ze światłem. Ta różnica staje się krytyczna w świecie, w którym modele AI stają się coraz potężniejsze, ale także bardziej energochłonne.
Kierownik projektu i naukowiec z Uniwersytetu Wiedeńskiego, Philip Walther, stwierdził, że „stwierdziliśmy, że w przypadku określonych zadań nasz algorytm popełnia mniej błędów niż jego klasyczny odpowiednik”. To osiągnięcie jest nie tylko techniczne, ale także sygnalizuje zmianę paradygmatu w rozwijającej się dziedzinie kwantowego uczenia maszynowego.
Kwantowe uczenie maszynowe bada, w jaki sposób zasady fizyki kwantowej mogą zwiększyć szybkość, dokładność lub wydajność algorytmów AI. Ten przełom sugeruje, że obliczenia kwantowe mogą oferować szybszą, dokładniejszą i bardziej zrównoważoną alternatywę dla tradycyjnej AI. To odkrycie otwiera drzwi do bardziej wydajnych i zrównoważonych zastosowań AI.