La computación cuántica y la IA podrían algún día trabajar juntas
NESPIX/Shutterstock
Las computadoras cuánticas podrían llegar a ser capaces de manejar algunas aplicaciones de IA que actualmente requieren enormes cantidades de potencia informática convencional. Tal desarrollo sería un gran impulso para el aprendizaje automático y algoritmos de inteligencia artificial similares.
Las computadoras cuánticas prometen eventualmente poder completar ciertos cálculos que son imposibles para las computadoras convencionales. Durante años, los investigadores han estado debatiendo si estas ventajas sobre las computadoras convencionales se extienden a tareas que involucran muchos datos y a los algoritmos que aprenden de ellos; en otras palabras, el aprendizaje automático que subyace a muchos programas de IA.
Ahora, Hsin-Yuan Huang, de la empresa de computación cuántica Oratomic, y sus colegas sostienen que la respuesta debería ser “sí”. Su trabajo matemático tiene como objetivo sentar las bases para un futuro en el que las computadoras cuánticas ofrezcan un amplio impulso a la IA.
“El aprendizaje automático se utiliza realmente en todas partes de la ciencia y la tecnología y también en la vida cotidiana. En un mundo donde podamos construir esto [quantum computing] arquitectura, siento que se puede aplicar siempre que haya conjuntos de datos masivos disponibles”, dice.
El trabajo de su equipo aborda la cuestión clave de cómo los datos recopilados en el mundo no cuántico, como reseñas de restaurantes o resultados de la secuenciación de ARN, podrían ingresarse en una computadora cuántica de tal manera que se pueda aprovechar la cuántica de la computadora para procesar los datos y aprender de ellos de manera más eficiente.
Esto requiere poner todos los datos en un “estado de superposición”, que es una combinación matemática que no se puede crear en máquinas no cuánticas. Pero hasta ahora, los investigadores pensaban que realizar esta tarea no sería práctico. Esto se debe a que asumieron que todos los datos en ese estado de superposición tendrían que guardarse en dispositivos de memoria dedicados antes de ser procesados por la computadora cuántica, pero esos dispositivos de memoria tendrían que haber sido increíblemente grandes, dice el miembro del equipo Haimeng Zhao del Instituto de Tecnología de California.
Huang y sus colegas adoptaron un enfoque diferente que no requiere esos recuerdos. Implica ingresar los datos en la computadora cuántica en lotes más pequeños, sin tener que guardarlos todos antes de comenzar a procesarlos, similar a transmitir una película en lugar de descargarla completa antes de verla.
Demostraron no sólo que este enfoque puede funcionar sino que permitiría a la computadora cuántica procesar más datos con un costo de memoria menor que cualquier computadora convencional.
De hecho, la ventaja de la memoria es tan grande que una computadora cuántica hecha con alrededor de 300 bloques de construcción a prueba de errores llamados qubits lógicos superaría a una computadora clásica construida usando cada átomo del universo observable, dice Zhao.
Tal vez falten muchos años para construir computadoras cuánticas con 300 qubits lógicos, pero Huang dice que es posible construir una computadora de 60 qubits lógicos para finales de la década. El análisis del equipo sugiere que, con este tamaño, ya existiría una ventaja cuántica notable sobre las computadoras clásicas para algunas tareas que implican el procesamiento de grandes conjuntos de datos y para las que se utiliza la IA.
“La máquina cuántica es un dispositivo muy poderoso, pero primero es necesario alimentarla. Este estudio habla sobre la alimentación y cómo es suficiente para cargarla”. [data] poco a poco, sin sobrealimentar a la bestia”, dice Adrián Pérez-Salinas de ETH Zurich en Suiza.
Sin embargo, afirma que todavía es necesario abordar muchas cuestiones sobre la aplicación del nuevo trabajo a dispositivos reales y a datos del mundo real. Finalmente se demostró que muchos algoritmos de aprendizaje automático cuántico anteriores eran susceptibles de “descuantificación”, que es un proceso en el que los algoritmos se adaptaron para que ya no requirieran ningún hardware cuántico y conservaran su excelente rendimiento. También será importante examinar cuán crucial es la cuántica para este nuevo algoritmo, afirma Pérez-Salinas.
Vedran Dunjko, de la Universidad de Leiden (Países Bajos), dice que el nuevo trabajo podría ser una buena opción para grandes experimentos científicos como el Gran Colisionador de Hadrones, donde se crean continuamente millones de gigabytes de datos, pero la mayor parte se descarta debido a una memoria insuficiente en la computadora.
Pero es probable que sólo algunas aplicaciones actuales de IA y tipos similares de procesamiento de datos sean susceptibles de ser manejados con una computadora cuántica en lugar de con un centro de datos lleno de servidores convencionales, afirma. “Esto no es lo principal por lo que las GPU están calentando el planeta, pero aún así puede ser importante”, afirma Dunjko.
Los investigadores ahora están trabajando tanto para ampliar el tipo de algoritmos para los que su método podría ser útil como para idear nuevas formas de configurar computadoras cuánticas que las hagan lo suficientemente rápidas para manejar datos no sólo con muy poca memoria sino en una cantidad de tiempo práctica.
Temas:
inteligencia artificial/computación cuántica