Podemos finalmente saber como usar computadores quânticos para melhorar a IA

Os computadores quânticos poderão eventualmente ser capazes de lidar com algumas aplicações de IA que atualmente exigem grandes quantidades de poder de computação convencional. Tal desenvolvimento seria um grande impulso para o aprendizado de máquina e algoritmos similares de inteligência artificial.

Os computadores quânticos prometem a capacidade de completar certos cálculos que são impossíveis com computadores convencionais. Durante anos, os investigadores debateram se estas vantagens sobre os computadores convencionais se estendem a tarefas que envolvem muitos dados e aos algoritmos que os aprendem – por outras palavras, a aprendizagem automática subjacente a muitos programas de IA.

Agora, Hsin-Yuan Huang da empresa de computação quântica Oratomic e seus colegas acham que a resposta deveria ser “sim”. O seu trabalho matemático visa lançar as bases para um futuro em que os computadores quânticos ofereçam um amplo impulso à IA.

“O aprendizado de máquina é realmente usado em todos os lugares da ciência, da tecnologia e da vida cotidiana. Em um mundo onde podemos construir arquiteturas (de computação quântica), sinto que ele pode ser aplicado sempre que houver grandes conjuntos de dados disponíveis”, disse ele.

O trabalho da sua equipa aborda a questão chave de como os dados recolhidos no mundo não quântico, tais como análises de restaurantes ou resultados de sequenciação de ARN, podem ser alimentados num computador quântico de tal forma que o computador quântico possa ser aproveitado para processar os dados, e aprender com eles, de forma mais eficiente.

Isto requer colocar todos os dados num “estado de superposição”, que é uma combinação matemática que não pode ser criada numa máquina não quântica. Mas até agora, os investigadores consideraram impraticável realizar esta tarefa. Isso ocorre porque eles presumiram que todos os dados nesse estado sobreposto teriam que ser armazenados em um dispositivo de memória especial antes de serem processados ​​pelo computador quântico – mas o dispositivo de memória teria que ser muito grande, disseram os membros da equipe. Haimeng Zhao no Instituto de Tecnologia da Califórnia.

Huang e seus colegas adotaram uma abordagem diferente que não requer tais memórias. Isso envolve alimentar um computador quântico com dados em quantidades menores, sem precisar armazená-los antes de começar a processá-los, semelhante ao streaming de um filme, em vez de baixá-lo completo antes de assisti-lo.

Eles não apenas mostram que esta abordagem pode funcionar, mas também permitem que os computadores quânticos processem mais dados por uma fração do custo da memória do que qualquer computador convencional.

Na verdade, a vantagem da memória é tão grande que um computador quântico feito de cerca de 300 blocos de construção à prova de erros, chamados qubits lógicos, superaria um computador clássico feito usando todos os átomos do universo observável, disse Zhao.

Ainda podemos estar a anos de construir um computador quântico com 300 qubits lógicos, mas Huang disse que um computador com 60 qubits lógicos poderá ser possível até o final da década. A análise da equipe mostra que, nesta medida, já existem vantagens quânticas sobre os computadores clássicos para algumas tarefas que envolvem o processamento de grandes conjuntos de dados e a IA é usada para elas.

“Uma máquina quântica é um dispositivo muito poderoso, mas primeiro é preciso alimentá-la. Esse estudo fala sobre alimentá-la e como a máquina é suficiente para carregar (dados) aos poucos, sem superalimentá-la”, disse Adrian Perez-Salinas na ETH Zurique, na Suíça.

No entanto, ele disse que muitas questões sobre a aplicabilidade deste novo trabalho a dispositivos reais e dados do mundo real ainda precisam ser respondidas. Muitos algoritmos de aprendizado de máquina quântico no passado provaram ser passíveis de “desquantização”, que é o processo pelo qual eles são adaptados para não exigirem mais nenhum hardware quântico, mantendo seu excelente desempenho. Também é importante examinar a importância da quantumidade no novo algoritmo, disse Pérez-Salinas.

Vedran Dunjko da Universidade de Leiden, na Holanda, dizem que o novo trabalho pode ser adequado para grandes experiências científicas, como as do Large Hadron Collider, onde milhões de gigabytes de dados são constantemente gerados, mas muitos deles são descartados devido à memória insuficiente do computador.

Mas é provável que apenas algumas aplicações atuais de IA e tipos semelhantes de processamento de dados possam ser tratados com computadores quânticos, em comparação com centros de dados cheios de servidores convencionais, disse ele. “Não é o objetivo principal das GPUs aquecer a Terra, mas ainda pode ser importante”, disse Dunjko.

Os pesquisadores estão agora trabalhando para expandir os tipos de algoritmos para os quais seu método poderia ser útil e desenvolver novas maneiras de configurar computadores quânticos que os tornariam rápidos o suficiente para lidar com dados não apenas com muito pouca memória, mas também em um período de tempo prático.