Dokarmianie kwantowej bestii: AI przestaje czekać na terabajty pamięci

Wąskie gardło obliczeń kwantowych właśnie pękło w laboratorium. Podczas gdy branża od lat ścigała się o liczbę fizycznych kubitów, badacze z Caltech, Google Quantum AI oraz MIT udowodnili, że kluczem do potęgi sztucznej inteligencji wcale nie jest wielkość pamięci kwantowej, ale sposób, w jaki dane są do niej „wlewane”.

Koniec z czekaniem na petabajty

Tradycyjne podejście zakładało, że aby wykorzystać zjawisko superpozycji do trenowania modeli sztucznej inteligencji, cały zbiór danych – liczony często w terabajtach – musi najpierw zostać przekonwertowany na stan kwantowy i w nim przechowywany. To bariera fizyczna, która wydawała się nie do przeskoczenia bez budowy gigantycznych, stabilnych systemów pamięci, których obecnie po prostu nie posiadamy.

Nowa metoda, opisana w „New Scientist”, proponuje radykalne rozwiązanie w formie metody wsadowej.

Zamiast ładować wszystko na raz, system przygotowuje stany kwantowe „w locie”, w mniejszych pakietach. To drastycznie redukuje obciążenie pamięci (memory burden) i pozwala relatywnie małym maszynom na operacje na ogromnych zbiorach danych (datasetach).

Karmienie bestii bit po bicie

Adrián Pérez-Salinas z ETH Zurich określa to wprost: „Maszyna kwantowa to potężne urządzenie, ale musisz ją najpierw nakarmić. To badanie pokazuje, że wystarczy ładować dane bit po bicie, bez przekarmiania bestii”.

To asymetryczne podejście do architektury danych zmienia zasady gry.

Kiedy nadejdzie Q-Day?

Prognozy dotyczące „przewagi kwantowej” uległy nagłemu skróceniu. Według autorów badania:

• System posiadający zaledwie 60 logicznych kubitów (odpornych na błędy) mógłby zacząć wyprzedzać klasyczne superkomputery w specyficznych zadaniach przetwarzania danych.
• Maszyna z 300 logicznymi kubitami deklasuje obecną infrastrukturę serwerową w optymalizacji złożonych algorytmów uczenia maszynowego.

Sceptycyzm pozostaje uzasadniony

Mimo optymizmu Hsin-Yuan Huanga, CTO firmy Oratomic, musimy pamiętać o jednym: logiczne kubity to wciąż rzadkość. To, co w teorii brzmi jak przełom, w praktyce wymaga ekstremalnie stabilnych środowisk, których komercjalizacja wciąż napotyka opór materii. Branża lubi obiecywać „rewolucję za 10 lat”, jednak tempo, w jakim sztuczna inteligencja i mechanika kwantowa zaczynają się przenikać, sugeruje, że ten termin może być zbyt ostrożny.

Jeśli kwantowe AI faktycznie przyspieszy, dzisiejsze metody szyfrowania i zabezpieczania blockchainów mogą stać się przestarzałe szybciej, niż zdążymy zaktualizować nasze systemy.