Inwieweit können Quantencomputer zur Entwicklung der künstlichen Intelligenz beitragen?

Antworten:

24

Quantencomputer sind bei der Matrixmultiplikation mit einigen Einschränkungen fantastisch . Die Quantenüberlagerung ermöglicht, dass sich jedes Bit in viel mehr Zuständen als nur Null oder Eins befindet, und Quantentore können diese Bits auf viele verschiedene Arten fummeln. Aus diesem Grund kann ein Quantencomputer für bestimmte Anwendungen viele Informationen gleichzeitig verarbeiten.

Eine dieser Anwendungen ist die Fourier-Transformation , die bei vielen Problemen wie der Signalanalyse und der Array-Verarbeitung hilfreich ist . Es gibt auch den Quantensuchalgorithmus von Grover , der den einzelnen Wert findet, für den eine gegebene Funktion etwas anderes zurückgibt. Wenn ein KI-Problem in einer mathematischen Form ausgedrückt werden kann, die für das Quantencomputing geeignet ist , kann es große Beschleunigungen erfahren. Ausreichende Beschleunigungen könnten eine KI-Idee von "theoretisch interessant, aber wahnsinnig langsam" in "ziemlich praktisch" verwandeln, sobald wir einen guten Überblick über das Quantencomputing haben.

— Ben N
quelle
1
Neben dieser Antwort ist die Matrixmultiplikation heute das Rückgrat der meisten Anwendungen für maschinelles Lernen. Alles, was heute eine GPU verwendet, könnte morgen einen Quantencomputer verwenden, der uns der KI so viel näher bringt.
— Harsh
2
ML ist Teilmenge, wenn AI. Deep ML ist eine Teilmenge von ML. Daher bauen wir keine KI durch Multiplikation von Matrizen auf. Wir schneiden einfach die besten Stücke aus einer Leiche wie Piranhas. Für Veröffentlichungen werden Grade vergeben, Amtszeiten und Geld. Ich bezweifle wirklich, dass eine tatsächliche KI irgendetwas mit der Geschwindigkeit der Multiplikation von Matrizen zu tun hat. Das menschliche Gehirn erzeugt mühelos Intelligenz mit unendlich langsameren Geräten als ein Quantencomputer.
— Boppity Bop
8

Solange wir keinen Quantencomputer mit viel mehr Qubits herstellen können, bleibt das Potenzial zur Weiterentwicklung der KI erhalten.

D-Wave (das um 2015 ein Qubit-System mit über 2.000 Bit entwickelt hat) ist ein adiabatischer Quantencomputer , kein Allzweck-Quantencomputer. Es beschränkt sich auf bestimmte Optimierungsprobleme (an deren Wirksamkeit Berichten zufolge einer der Urheber der zugrunde liegenden Theorie zweifelte ).

Nehmen wir an, wir könnten einen 32-Qubit-Allzweck-Quantencomputer bauen (nach meinem Kenntnisstand doppelt so groß wie aktuelle Modelle). Dies würde immer noch bedeuten, dass nur 2 32 Möglichkeiten in Überlagerung existieren. Dies ist ein Raum, der klein genug ist, um für viele Probleme erschöpfend erforscht zu werden. Daher gibt es vielleicht nicht so viele Probleme, für die einer der bekannten Quantenalgorithmen (z. B. Shor , Grover ) für diese Anzahl von Bits nützlich wäre.

— NietzscheanAI
quelle
"D-Wave (das erst 2015 ein Qubit-System über 2.000 entwickelt hat)" Diese Aussage ist bestenfalls irreführend. Beachten Sie, dass D-Wave behauptet hat, einen Computer mit adiabetischem Quantenglühen zu erstellen . Dieses Berechnungsmodell unterscheidet sich erheblich von anderen Quantencomputermodellen. Zum Beispiel weiß ich nicht, ob Shor und Grover an diesem Modell arbeiten! Es ist also etwas irreführend, von über 2.000 Qubits zu sprechen: Computer in dem Modell, bei dem es um die Qubit-Anzahl geht, haben ungefähr 50 Qubits als aktuelle Grenze.
— Diskrete Eidechse
Beachten Sie auch, dass es Experten gibt, die nicht glauben, dass adiabetisches Quantenglühen die klassische Computertechnik des simulierten Glühens signifikant verbessern kann .
— Diskrete Eidechse
4

Quantencomputer können helfen, KI-Algorithmen weiterzuentwickeln und die Probleme im Rahmen unserer Kreativität und Fähigkeit, das Problem zu definieren, zu lösen. Das Unterbrechen der Kryptografie kann beispielsweise Sekunden dauern, während es bei Standardcomputern Tausende von Jahren dauern kann. Ähnlich wie bei der künstlichen Intelligenz können alle Kombinationen für das durch den Algorithmus definierte Problem vorhergesagt werden. Dies ist auf die Überlagerung mehrerer Zustände von Quantenbits zurückzuführen.

Gegenwärtig befinden sich Quantencomputer noch in einem frühen Entwicklungsstadium und können komplexe Berechnungen durchführen. Es gibt bereits Technologien wie D-Wave- Systeme, die von Google und der NASA für komplexe Datenanalysen verwendet werden. Dabei werden Quantencomputer vom Typ Multi-Qubit zur Lösung von NSE-Fluiddynamikproblemen oder zur globalen Überwachung für militärische Zwecke verwendet nicht bewusst.

Gegenwärtig stehen der Öffentlichkeit nur wenige Quantencomputer zur Verfügung, wie beispielsweise IBM Quantum Experience (die weltweit erste über die IBM Cloud bereitgestellte Quantencomputerplattform). Die Programmierung erfolgt jedoch auf Ebene der Quantenlogikgatter, sodass wir viele Jahre hinter der Schaffung künstlicher Intelligenz zurückbleiben für die Öffentlichkeit zugänglich. Es gibt einige Quantencomputersprachen wie QCL, Q oder Quipper, aber mir sind keine Bibliotheken bekannt, die Frameworks für künstliche Intelligenz bereitstellen können. Das bedeutet nicht, dass es nicht da ist, und ich bin sicher, dass große Unternehmen und Regierungsorganisationen es für ihre Agenda verwenden, um den Wettbewerb zu beenden (wie Finanzmarktanalysen usw.).

— Kenorb
quelle
1

Direkte Antwort auf Ihre Frage : -

Das Gebiet, in dem sich Quantencomputing und KI kreuzen, wird als quantenmaschinelles Lernen bezeichnet .

  1. AI ist ein sich entwickelndes Gebiet mit Hintergrundwissen (ua McCarthy von LISP).

  2. Quantum Computing ist ein jungfräuliches Gebiet, das weitgehend unerforscht ist.

Ein bestimmter Komplexitätstyp interagiert mit einem anderen Komplexitätstyp, um ein sehr umfangreiches Feld zu erstellen.

Kombinieren Sie nun (1) und (2), und Sie erhalten noch mehr Unsicherheit. Die technischen Details werden in dieser Antwort untersucht.

Google erklärt Quantum Computing in einem einfachen Video: Das Quantum Artificial Intelligence Lab von Google und der NASA

Körper : -

IBM ist eine Behörde: -

IBM: Quantencomputer könnten nützlich sein, aber wir wissen nicht genau, wie

Quantenmaschinelles Lernen ist ein interessantes Phänomen. Dieses Feld untersucht die Schnittstelle zwischen Quantencomputer und maschinellem Lernen.

( https://en.wikipedia.org/wiki/Quantum_machine_learning )

"Während Algorithmen für maschinelles Lernen verwendet werden, um immense Datenmengen zu berechnen, erhöht das quantenmaschinelle Lernen diese Fähigkeiten auf intelligente Weise, indem es Möglichkeiten zur Analyse von Quantenzuständen und -systemen schafft." Wikipedia-Mitwirkende. - "Quantenmaschinelles Lernen." Wikipedia, die freie Enzyklopädie . Wikipedia, The Free Encyclopedia, 7. Oktober 2019. Web. 11. Oktober 2019.

Technischer Spiegel : -

Dieser spezielle Abschnitt zu den Implementierungen ist erwähnenswert:

( https://en.wikipedia.org/wiki/Quantum_machine_learning#Implementations_and_experiments )

"... Diese Abhängigkeit von Daten ist ein leistungsfähiges Trainingsinstrument. Sie birgt jedoch potenzielle Fallstricke. Wenn Maschinen darauf trainiert sind, Muster in Daten zu finden und auszunutzen, verewigen sie in bestimmten Fällen nur die rassenspezifischen, geschlechtsspezifischen oder klassenbezogenen Vorurteile aktuelle menschliche Intelligenz.

Die dem maschinellen Lernen eigene Datenverarbeitungsanlage kann jedoch auch Anwendungen generieren, die das Leben von Menschen verbessern können. Intelligente Maschinen könnten Wissenschaftlern helfen, Krebs effizienter zu erkennen oder die psychische Gesundheit besser zu verstehen.

Der größte Teil des bisherigen Fortschritts beim maschinellen Lernen war klassisch: Die Techniken, mit denen Maschinen lernen, folgen den Gesetzen der klassischen Physik. Die Daten, aus denen sie lernen, haben eine klassische Form. Die Maschinen, auf denen die Algorithmen ausgeführt werden, sind ebenfalls klassisch.

Wir arbeiten auf dem aufstrebenden Gebiet des quantenmechanischen Lernens, das untersucht, ob der als Quantenmechanik bezeichnete Zweig der Physik das maschinelle Lernen verbessern könnte. Die Quantenmechanik unterscheidet sich grundlegend von der klassischen Physik: Sie befasst sich mit Wahrscheinlichkeiten und macht aus Ungewissheit ein Prinzip. Die Quantenmechanik erweitert die Physik auch um interessante Phänomene, die sich mit der klassischen Intuition nicht erklären lassen. ... "-" Erklären: Was ist Quantenmaschinenlernen und wie kann es uns helfen? ". Techxplore.Com , 2019, https://techxplore.com/news/2019-04-quantum-machine.html .

Geschäftsanwendungen und praktische Anwendungen : -

Weiterführende Literatur : -

— Tautologische Enthüllungen
quelle
0

Quantenmechanik und Quantenmathematik werden zusammen mit Quantencomputern die Zukunft der Künstlichen Intelligenz verändern.

Bei den gegenwärtigen Berechnungskosten und -beschränkungen ist die Verwendung von Super-Erfindungs-Komplexzahlen begrenzt, viele statistische Probleme und Algorithmen warten darauf, verarbeitet und in Produktion gebracht zu werden. Quantum-Computer sind nicht in der Lage, dies zu lösen, da der gegenwärtige Berechnungsfehler hoch ist wird nicht sterben und spezielle Berechnungslogik wird kommen, um dies in Angriff zu nehmen. Weitere Informationen verfügbar

— krishnakumar sekar
quelle
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.