Komputery kwantowe i maszynowe uczenie

Informatycy z IBM prowadzą badania mające udowodnić, że w niektórych obszarach komputery kwantowe pracują tak szybko, że wręcz deklasują standardowe systemy obliczeniowe bazujące na klasycznych układach CPU. Takim obszarem jest jedna z gałęzi sztucznej inteligencji, jaką jest maszynowe uczenie.

Komputer kwantowy

Uczenie maszynowe polega - w największym skrócie - na analizowaniu bardzo dużych zestawów danych i w efekcie znalezienie najlepszej odpowiedzi na zadane pytanie. Okazuje się, że komputery kwantowe nadają się doskonale do prowadzenia takich obliczeń. Wynika to z faktu, że jedna z metod prowadzenia obliczeń przez takie komputery, wykorzystująca tzw. kwantowe jądra, nadaje się wyjątkowo dobrze do takich analiz.

Rzecz w tym iż komputer kwantowy jest w stanie rozróżnić więcej funkcji, a zatem wybrać optymalne wzorce nawet w ogromnej bazie danych, czego klasyczny komputer nie potrafi, a co najwyżej widziałby tylko - jak to określają naukowcy- losowy szum.

Zobacz również:

  • Jak obronić sieci blockchain przed atakami komputerów kwantowych?
  • Powstał kriogeniczny komputer kwantowy

Badacze IBM postanowili wiec wykorzystać jądra kwantowe do rozwiązania określonego problemu, jakim jest klasyfikacja, czyli identyfikowanie obiektów. Klasycznym przykładem takiego problemu rozwiązywanemu przez uczenie maszynowe jest sytuacja, gdy program otrzymuje zdjęcia np. kobiet i mężczyzn i zaczyna trenować, po to aby mógł w przyszłości rozróżnić takie osoby na prezentowanych zdjęciach.

Naukowcy z Big Blue odkryli, że algorytm kwantowy wykorzystujący metodę jądra kwantowego jest w stanie wykonać to zadanie błyskawicznie, podczas gdy w przypadku klasycznych komputerów odpowiedzi były na tyle nieprecyzyjne, że wyglądały jak losowy zestaw danych. .

Należy zaznaczyć iż eksperyment IBM dotyczył tylko określonego rodzaju problemu, jakim zajmuje się uczenie maszynowe. Nie oznacza więc, że wszystkie problemy związane z uczeniem maszynowym skorzystają na metodzie wykorzystującej kwantowe jądra. Jednak otwiera to drzwi do prowadzenia dalszych badań mających sprawdzić, czy inne problemy z uczeniem maszynowym mogłyby być rozwiązywane z wykorzystaniem tej metody.


TOP 200