КВАНТОВОЕ ПРЕВОСХОДСТВО, КАК НОВАЯ СТУПЕНЬ В РАЗВИТИИ ИСКУСТВЕННОГО ИНТЕЛЛЕКТА

Современный уровень развития науки достиг небывалых высот:  синтезируются искусственные органы, ракеты способны поражать цели на расстоянии не одной тысячи километров с точностью до нескольких метров и даже разрабатываются планы по колонизации других планет. Выполнение столь серьёзных задач требует больших вычислительных  и производительных ресурсов, которые уже не способны предоставить ни стандартные ПК, ни суперкомпьютеры.

Как известно, современная архитектура ЭВМ предполагает хранение информации в виде нулей и единиц, обозначая одно из двух возможных состояний бита. Однако законы квантовой механики на примере квантовой суперпозиции доказывают, что совмещение состояний не только возможно, но и порой является единственным верным решением. Так появилось новое вычислительное устройство – квантовый компьютер. В его основе лежат кубиты, способные одновременно находиться и в состоянии нуля, и в состоянии единицы. Этому явлению так же дали название суперпозиции. Его суть заключается в том, что изменение одного кубита всегда влияет на состояние связанных с ним соседей. Благодаря этому квантовые компьютеры потенциально способны демонстрировать высочайшую производительность в вычислениях.

Для работы кубитов необходимо сохранение температуры абсолютного нуля [1]. Это объясняется тем, что в их основе лежат холодные атомы или петли суперпроводника. Эта система настолько чувствительна, что нарушение «когерентного состояния» может спровоцировать даже нахождение только лишь одного фотона.

В 2017 году журнал Naturel публикует статью группы исследователей квантовой физики. В ней учёные раскрывают возможности использования квантовых компьютеров для увеличения эффективности машинного обучения.

Искусственный интеллект (ИИ) и нейронные сети – термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира. Разработка систем ИИ предполагает экспериментирование с различными архитектурами, алгоритмами, наборами данных и параметрами обучения.

Выявление оптимального решения происходит в процессе проведения большого количества экспериментов. Чем сложнее поставлена задача, тем больше времени и вычислительной мощности компьютера необходимо. Необходимость в данных ресурсах растёт экспоненциально по отношению к сложности задачи. По предварительным подсчётам обучение систем промышленного уровня может занять от недели до нескольких месяцев, при условии, что будет организован доступ к облачным вычислительным ресурсам с предварительной оптимизацией под ИИ [3].

В ходе исследований выяснилось, что их использование значительно увеличивает потенциал и возможности квантовых технологий. Это объясняется тем, что искусственный интеллект обладает устойчивостью к ошибкам, что является одним из главных сдерживающих факторов развития квантовых систем. С другой стороны, задачи машинного обучения требуют огромных вычислительных мощностей. А высокая производительность - отличительная способность квантовых компьютеров.  Обучение нейронных сетей сопровождается внедрением ошибок, что помогает ей выработать «устойчивость» к ним и не прерывать процессы при  нахождении подобных примеров. 

Основная задача оптимизации – поиск наилучшего решения среди всех возможных. Предполагается, что именно квантовые компьютеры предназначены делать это лучше всех современных ЭВМ. Для быстрого обучения действительно сложных систем, состоящих из множества отдельных масштабных моделей, требуется принципиально иной уровень вычислительных мощностей [2, 317].

Множество исследований по всему миру уже направлены на решение этой проблемы, вырабатывая новые математические и технологические подходы, улучшающие и ускоряющие обучение систем ИИ. Наглядным примером может послужить направление, активно приобретающее популярность у исследователей. Оно описывает алгоритмы, которые в свою очередь изобретают или находят другие подходящие алгоритмы, способные наилучшим образом решить поставленную задачу.

В ближайшем времени нас ожидает резкий скачок в создании сильной формы искусственного интеллекта. Основная проблема на пути к реализации будущей формы заключается отсутствии четкого понимания реализации проекта. Это качается, как квантовой парадигмы, так и традиционной.

Однозначно можно сказать, что именно квантовые компьютеры представляют собой лучший инструмент для ведения данных разработок. Для совершения настоящей революции потребуются фундаментальные изменения в теоретических основах ИИ – алгоритмы и технологии, которые будут способствовать максимальному использованию возможностей, предоставляемых квантовыми компьютерами, в полной мере.

Многие специалисты, исследующие квантовые вычисления, отмечают, что как только люди научатся конвертировать проблемы и задачи в язык кубит, общество вступит в совершенно новую эру развития, где ИИ-решения будут способны на самые поразительные практические результаты.

Список литературы:

1. Григорьева М. Квантовый скачок: когда начнётся бум искусственного интеллекта : новостной портал / COMNEWS. [М]. URL: https://www.comnews.ru/digital-economy/content/116703/2018-12-17/kvantovyy-skachok-kogda-nachnetsya-bum-iskusstvennogo-intellekta (дата обращения: 12.11.2019)
2. М. Нильсен, И. Чанг. Квантовые вычисления и квантовая связь. 3-е изд., перераб. и доп. М.: Москва, 2006. — 824 с.
3. А.Баулин, А.Алексенко. Двое в голубом океане. Как квантовый компьютер и искусственный интелект помогают друг другу : сайт. URL: https://www.forbes.ru/tehnologii/367601-dvoe-v-golubom-okeane-kak-kvantovyy-kompyuter-i-iskusstvennyy-intellekt-pomogut (дата обращения: 01.11.2019)