¿LA COMPUTACIÓN CUÁNTICA DEFINIRÁ EL FUTURO DE LA INTELIGENCIA ARTIFICIAL?

0
392

Google, esta semana, lanzó una nueva versión de su marco TensorFlow : TensorFlow Quantum (TFQ), que es una biblioteca de código abierto para la creación de prototipos de modelos cuánticos de aprendizaje automático.

Las computadoras cuánticas aún no son convencionales; sin embargo, cuando lleguen, necesitarán algoritmos. Por lo tanto, TFQ cerrará esa brecha y permitirá a los desarrolladores / usuarios crear algoritmos híbridos de IA que combinen técnicas de computación tradicionales y cuánticas. TFQ, una fusión inteligente de TensorFlow y Cinq , permitirá a los usuarios construir modelos de aprendizaje profundo para ejecutar en una computadora cuántica futura con líneas mínimas de Python.

Según la publicación del blog de Google AI , TFQ ha sido diseñado para proporcionar las herramientas necesarias para incorporar las técnicas de computación cuántica y las comunidades de investigación de aprendizaje automático para construir y controlar sistemas cuánticos naturales y artificiales. por ejemplo, procesadores Quantum de escala intermedia ruidosa (NISQ) con ~ 50 – 100 qubits.


El propósito de la computación cuántica es ayudar y extender las habilidades de la computación tradicional. Las computadoras cuánticas están diseñadas para realizar tareas de manera mucho más precisa y eficiente que las computadoras convencionales, brindando a los desarrolladores una nueva herramienta para aplicaciones específicas. Se cree que las computadoras cuánticas no reemplazarán a sus contrapartes tradicionales; en cambio, requerirán computadoras clásicas para soportar sus habilidades especializadas, como la optimización de sistemas.

Cómo la computación cuántica puede beneficiar la inteligencia artificial

Durante décadas, los científicos se han centrado en mejorar el software para ejecutar programas cada vez más complejos; Sin embargo, existen limitaciones para la optimización del software. Y, por lo tanto, tarde o temprano, las empresas necesitarán máquinas más potentes para cumplir con sus requisitos.


Y, por lo tanto, los investigadores están tratando de encontrar una manera de acelerar este proceso de extracción de valor de las franjas de datos inmanejables; dado lugar a una nueva disciplina que se ha denominado Quantum Machine Learning. De hecho, según un informe, para 2024, la computación cuántica general crecerá a USD 283 millones a una tasa compuesta anual de 24.9% de USD 93 millones en 2019.

Según Samuel Fernández Lorenzo, un investigador de algoritmos cuánticos, “el aprendizaje automático cuántico puede ser más eficiente que el aprendizaje automático clásico, al menos para ciertos modelos que son intrínsecamente difíciles de aprender usando computadoras convencionales”. Sin embargo, “todavía tenemos que descubrir en qué medida aparecen estos modelos en aplicaciones prácticas”.

Aquí hay algunas formas en que la computación cuántica podría cambiar el futuro de la inteligencia artificial:

Manejo de grandes conjuntos de datos

Las nuevas tecnologías como el aprendizaje automático y la inteligencia artificial consumen muchos datos, y es por eso que a las computadoras tradicionales les resulta difícil evaluar conjuntos de datos tan masivos. Las computadoras cuánticas, por otro lado, están diseñadas para administrar la gran cantidad de datos, junto con descubrir patrones y detectar anomalías extremadamente rápido. Con cada iteración recién lanzada del diseño de computadora cuántica y las nuevas mejoras realizadas en el código de corrección de errores cuántico, los desarrolladores ahora pueden administrar mejor el potencial de los bits cuánticos. Además de muestrear grandes conjuntos de datos, otra forma en que la computación cuántica facilitará una revolución será optimizar la misma para resolver todo tipo de problemas comerciales. Las computadoras cuánticas proporcionan un inmenso poder a las empresas y sus consumidores para tomar mejores decisiones,

Lea también   Criptografía a prueba de Quantum y su papel en la seguridad

Resolver problemas complejos rápidamente

Con el tamaño creciente de nuestros conjuntos de datos más rápido que nuestros recursos informáticos, por razones obvias, las empresas entienden que las computadoras cuánticas pueden completar los cálculos en segundos, lo que llevaría muchos años calcular las computadoras actuales. Las computadoras tradicionales se programan con bits en ceros (0) y unos (1) como unidades de datos; sin embargo, las computadoras cuánticas usan “qubits”, que representan una combinación de cero y uno al mismo tiempo, en base a un principio llamado superposición. Debido a esta diferencia, las computadoras cuánticas son exponencialmente más rápidas que las computadoras clásicas. Con la computación cuántica, los desarrolladores pueden hacer múltiples cálculos con múltiples entradas simultáneamente. Por ejemplo, la computadora cuántica de Google afirma calcular 100 millones de veces más rápido que cualquiera de los sistemas actuales. Un sistema tan rápido es crítico para procesar la cantidad monumental de datos que las empresas generan a diario, y el cálculo rápido se puede utilizar para resolver problemas muy complejos. La clave es traducir los problemas del mundo real que enfrentan las empresas al lenguaje cuántico.

Computador Cuántico

Construyendo mejores modelos

Con la creciente cantidad de datos generados en industrias como la industria farmacéutica, financiera y de ciencias de la vida, las empresas están perdiendo sus lazos con la cuerda informática clásica. Para tener un mejor marco de datos, estas compañías ahora requieren modelos complejos que tengan el poder de procesamiento potencial para modelar las situaciones más complejas. Y ahí es donde las computadoras cuánticas juegan un papel muy importante. Crear mejores modelos con tecnología cuántica conducirá a mejores tratamientos para las enfermedades en el sector de la salud, puede disminuir la implosión financiera en el sector bancario y mejorar la cadena logística en la industria manufacturera.

Integración de múltiples conjuntos de datos

Uno de los principales problemas a los que se enfrenta una organización es la cantidad de datos proporcionados; puede ser demasiado o, a veces, insuficiente, y muchas veces los datos se colocan en una variedad de conjuntos de datos. Para administrar e integrar múltiples números de conjuntos de datos, se pueden usar computadoras cuánticas, lo que agiliza el proceso y también facilita el análisis. Entonces, para las empresas, las computadoras cuánticas permitirán un rápido análisis e integración de grandes conjuntos de datos que, a su vez, mejoran y transforman las capacidades de aprendizaje automático e inteligencia artificial. La capacidad de manejar tantas apuestas hace que la computación cuántica sea una opción adecuada para resolver problemas comerciales en una variedad de campos.

Sundai Pichar, CEO de Google junto a un computador cuántico

Detección de fraude de combate

En el sector bancario y financiero, la aplicación de la computación cuántica en IA ayudará a mejorar y combatir la detección de fraudes. No solo, los modelos que se entrenan con computadoras cuánticas podrían ser capaces de detectar patrones que son difíciles de detectar con equipos convencionales, sino que la mejora en los algoritmos también ayudaría a administrar el volumen de información que las máquinas podrían manejar para este propósito. . Además, dado que las empresas del sector BFSI tienen como objetivo proporcionar a los clientes productos y servicios personalizados, el uso de sistemas de recomendación avanzados sería la mejor manera de lograrlo y hay varios modelos cuánticos que podrían utilizarse para mejorar el rendimiento de estos sistemas.

Pero cuando profundiza en los detalles, uno comienza a comprender las advertencias enterradas y los desafíos existentes de la computación cuántica, que deben resolverse antes de que las computadoras cuánticas alcancen ese potencial.

Obstáculos técnicos

Uno de los principales problemas con la computación cuántica es la naturaleza volátil de los qubits. Cada bit en un proceso informático debe estar en un estado de uno o cero y, por lo tanto, se requiere un gran esfuerzo para garantizar que los bits en el chip de la computadora no interfieran entre sí. Sin embargo, los qubits, por otro lado, pueden representar cualquier combinación de cero y uno y pueden interactuar con otros qubits. Y, por lo tanto, controlar estas interacciones se vuelve muy complicado, y la volatilidad de los qubits puede hacer que las entradas se pierdan o se alteren, lo que perjudica la precisión de los resultados.

Del mismo modo, algunos de los otros desafíos son:

Sensibilidad a la interacción con el medio ambiente. 

La computación cuántica siempre se ha considerado sensible, especialmente cuando las computadoras interactúan con entornos externos, ya que cualquier interacción o medición conduce a un colapso de la función de estado, también conocida como decoherencia. Es difícil aislar un sistema cuántico, especialmente uno diseñado para un cálculo, sin que se enrede con el entorno. Y, por lo tanto, cuanto mayor sea el número de qubits, más difícil será mantener la coherencia.

Error de corrección

La corrección de errores en la computación cuántica se utiliza para proteger la información cuántica de los errores debidos a la decoherencia y otros ruidos. Por lo tanto, es esencial lograr un cálculo cuántico tolerante a fallas, que puede tratar con ruido cuántico, compuertas cuánticas defectuosas, preparación cuántica defectuosa y mediciones defectuosas. Sin embargo, no es posible copiar información cuántica debido al teorema de no clonación, que a su vez constituye un obstáculo para formular una teoría de corrección de errores cuánticos.

Restricciones de preparación del estado

Uno de los pasos principales y esenciales para la computación cuántica es la preparación del estado. Pero, en la mayoría de los casos, para proceder correctamente, los qubits deben estar en un estado de superposición, y tal como lo conocemos, las empresas tienen una variedad de problemas debido a la naturaleza de la superposición y los enredos, y por lo tanto ‘transición de estado’ usando transformaciones locales. No es realista en un sistema grande. Los sistemas más grandes que se utilizan como modelos de sistemas de computación cuántica tienden a implementar mezclas en lugar del estado puro y, por lo tanto, el algoritmo cuántico no valida los experimentos de RMN (resonancia magnética nuclear).

Terminando

Google, Microsoft, IBM, junto con otros gigantes tecnológicos, también se ciernen sobre el espacio cuántico al invertir dinero en el aprendizaje automático cuántico. Según Jacob Biamonte, físico cuántico del Instituto Skolkovo de Ciencia y Tecnología en Moscú, “la inteligencia artificial y el aprendizaje automático son las últimas palabras de moda, y cuando se mezcla eso con ‘cuántico’, se convierte en una mega-palabra de moda”.

Sin embargo, la computación cuántica sufre un tipo de síndrome bloqueado, ya que opera en estados cuánticos, no en datos legibles por humanos, y la traducción entre los dos puede negar sus ventajas aparentes. Otro científico de la computación, Scott Aaronson, dijo: “Todavía no tenemos respuestas claras y, por lo tanto, las empresas y las personas a menudo han sido muy cautelosas acerca de si estos algoritmos proporcionan algún beneficio relevante”.