211service.com
Kvantu skaitļošanai vajadzētu uzlabot šo mašīnmācīšanās paņēmienu
IBM
Gan kvantu skaitļošana, gan mākslīgais intelekts tiek smieklīgi popularizēti. Bet šķiet, ka abu kombinācija patiešām var apvienoties, paverot jaunas iespējas.
In pētnieciskais darbs Šodien publicētajā žurnālā Nature pētnieki no IBM un MIT parāda, kā IBM kvantu dators var paātrināt noteikta veida mašīnmācības uzdevumu, ko sauc par funkciju saskaņošanu. Komanda saka, ka nākotnes kvantu datoriem vajadzētu ļaut mašīnmācībai sasniegt jaunus sarežģītības līmeņus.
Kā pirmo reizi tika iedomāties pirms desmitiem gadu, kvantu datori tika uzskatīti par atšķirīgu informācijas aprēķināšanas veidu. Principā, izmantojot fizikas dīvaino, varbūtējo dabu kvantu vai atomu mērogā, šīm iekārtām jāspēj veikt noteikta veida aprēķinus ar ātrumu, kas ir daudz lielāks nekā tas, kas iespējams ar jebkuru parasto datoru (sk. Kas ir kvantu dators? ). Šobrīd ir milzīgs satraukums par viņu potenciālu, jo viņi beidzot ir tuvu punktam, kurā tie būs praktiski.
Tajā pašā laikā, tā kā mums vēl nav lielu kvantu datoru, nav pilnīgi skaidrs, kā tie pārspēs parastos superdatorus vai, citiem vārdiem sakot, ko tie darīs (skatiet Kvantu datori beidzot ir klāt. Kas būs mēs darām ar viņiem?).
Funkciju saskaņošana ir paņēmiens, kas pārvērš datus matemātiskā attēlojumā, kas ir piemērots mašīnmācības analīzei. Iegūtā mašīnmācīšanās ir atkarīga no šī procesa efektivitātes un kvalitātes. Izmantojot kvantu datoru, vajadzētu būt iespējai to veikt tādā mērogā, kas līdz šim bija neiespējams.
MIT-IBM pētnieki veica savu vienkāršo aprēķinu, izmantojot divu kubitu kvantu datoru. Tā kā iekārta ir tik maza, tas nepierāda, ka lielākiem kvantu datoriem būs būtiskas priekšrocības salīdzinājumā ar parastajiem datoriem, taču tas liecina, ka tas tā būtu. Lielākajiem šodien pieejamajiem kvantu datoriem ir aptuveni 50 kubiti, lai gan ne visi no tiem var izmantot aprēķiniem, jo ir jālabo kļūdas, kas rodas šo kvantu bitu trausluma dēļ.
Mēs joprojām esam tālu no kvantu priekšrocību sasniegšanas mašīnmācībā, norāda IBM pētnieki, kuru vadīja Džejs Gambeta , rakstiet emuāra ierakstā. Tomēr mūsu izstrādātās funkciju kartēšanas metodes drīzumā varētu klasificēt daudz sarežģītākas datu kopas nekā jebkas cits, ko varētu apstrādāt klasiskais dators. Tas, ko esam parādījuši, ir daudzsološs ceļš uz priekšu.
Mēs esam tādā stadijā, ka mums nav pieteikumu nākamajā mēnesī vai nākamajā gadā, bet mēs esam ļoti labā pozīcijā, lai izpētītu iespējas, saka Sjaodi Vu , Merilendas Universitātes Apvienotā kvantu informācijas un datorzinātņu centra docents. Vu saka, ka viņš sagaida, ka praktiski pielietojumi tiks atklāti gada vai divu laikā.
Kvantu skaitļošana un AI šobrīd ir aktuāli. Tikai pirms dažām nedēļām Toronto bāzētais kvantu skaitļošanas uzņēmums Xanadu nāca klajā ar gandrīz identiska pieeja MIT-IBM pētniekiem, ko uzņēmums ievietoja tiešsaistē. Maria Schuld, Xanadu mašīnmācības pētniece, saka, ka nesenais darbs var būt sākums virknei pētniecisko darbu, kas apvieno modes vārdus kvants un AI.
Viņa saka, ka tam ir milzīgs potenciāls.