Революционно изследване показа, че квантовите изчисления не са просто обещание за бъдещето, а вече предлагат осезаеми ползи за приложенията на изкуствения интелект днес.
Международен изследователски екип, ръководен от Виенския университет, успешно демонстрира, че дори скромни по размер квантови процесори могат да превъзхождат конвенционалните алгоритми за машинно обучение при определени задачи. Тяхната работа, публикувана този месец в Nature Photonics, представлява едно от първите практически приложения на квантовите изчисления за подобряване на ежедневните AI системи.
Изследователите използвали фотонна квантова схема, изградена в Политехническия университет в Милано, за да реализират алгоритъм за машинно обучение, първоначално предложен от учени в Quantinuum, Великобритания. Експериментът се фокусирал върху задачи за бинарна класификация, при които квантовата система показала по-висока точност в сравнение с класическите подходи.
„Открихме, че при определени задачи нашият алгоритъм допуска по-малко грешки от класическия си еквивалент“, обяснява Филип Валтер от Виенския университет, ръководител на проекта. „Това означава, че съществуващите квантови компютри могат да покажат добри резултати, без непременно да надхвърлят най-съвременните технологии“, допълва Джънхао Ин, първи автор на публикацията.
Освен по-добрата точност, фотонният подход предлага и значителни предимства по отношение на енергийната ефективност. „Това може да се окаже решаващо в бъдеще, тъй като алгоритмите за машинно обучение стават все по-неизпълними заради прекалено високите енергийни нужди“, подчертава съавторът Ирис Агрески. С нарастването на размера и сложността на AI системите, огромната им енергийна консумация се превръща във все по-належащ проблем.
Изследването преодолява пропастта между теоретичните квантови предимства и практическите приложения, като показва, че съвременните квантови технологии могат да подобрят системите за машинно обучение, без да се чака появата на мащабни квантови компютри. Това развитие отваря нови възможности за по-ефективни алгоритми, вдъхновени от квантовите архитектури, които потенциално могат да революционизират начина, по който подхождаме към AI изчисленията в един все по-ориентиран към данните свят.