Isang makabagong pag-aaral ang nagpakita na ang quantum computing ay hindi lamang pangako para sa hinaharap, kundi nagbibigay na ng konkretong benepisyo sa mga aplikasyon ng artificial intelligence sa kasalukuyan.
Pinangunahan ng University of Vienna ang isang internasyonal na koponan ng mga mananaliksik na matagumpay na nagpakita na kahit ang mga quantum processor na may katamtamang laki ay kayang higitan ang mga tradisyonal na machine learning algorithm sa ilang partikular na gawain. Ang kanilang pag-aaral, na inilathala ngayong buwan sa Nature Photonics, ay isa sa mga unang praktikal na aplikasyon ng quantum computing upang mapahusay ang mga pangkaraniwang AI system.
Gumamit ang mga mananaliksik ng photonic quantum circuit na binuo sa Politecnico di Milano sa Italya upang isagawa ang isang machine learning algorithm na orihinal na iminungkahi ng mga mananaliksik mula sa Quantinuum sa United Kingdom. Nakatuon ang eksperimento sa mga binary classification task, kung saan napatunayan ng quantum system na mas mataas ang accuracy kumpara sa mga classical na pamamaraan.
"Nalaman namin na para sa ilang partikular na gawain, mas kaunti ang nagagawang pagkakamali ng aming algorithm kumpara sa klasikong bersyon," paliwanag ni Philip Walther mula sa University of Vienna, na siyang namuno sa proyekto. "Ipinapahiwatig nito na ang mga umiiral na quantum computer ay maaaring magpakita ng mahusay na performance kahit hindi pa lumalagpas sa pinakabagong teknolohiya," dagdag ni Zhenghao Yin, pangunahing may-akda ng publikasyon.
Bukod sa mas pinahusay na accuracy, nag-aalok din ang photonic approach ng malaking bentahe pagdating sa pagtitipid ng enerhiya. "Mahalaga ito sa hinaharap, lalo na't nagiging hindi na praktikal ang mga machine learning algorithm dahil sa sobrang taas ng konsumo ng enerhiya," diin ni Iris Agresti, isa sa mga may-akda. Habang patuloy na lumalaki at nagiging mas kumplikado ang mga AI system, ang matinding paggamit ng enerhiya ay nagiging malaking usapin.
Pinagdugtong ng pananaliksik na ito ang agwat sa pagitan ng teoretikal na quantum advantage at mga praktikal na aplikasyon, na nagpapakita na ang kasalukuyang quantum technology ay kayang mapahusay ang mga machine learning system kahit hindi pa umaabot sa malakihang quantum computers. Binubuksan nito ang mga bagong posibilidad para sa mas episyenteng mga algorithm na inspirasyon ng quantum architectures, na posibleng magdulot ng rebolusyon sa paraan ng ating pagharap sa AI computation sa isang lalong data-driven na mundo.