Как интеграция квантовых вычислений помогла искусственному интеллекту?
Этот технологический прорыв демонстрирует совершенно новый подход к обучению цифрового разума. Исследователи провели эксперимент, интегрировав классическую модель искусственного интеллекта с квантовым компьютером от компании IBM. Результаты оказались впечатляющими: обновленная система смогла успешно и правильно ответить на вопросы, которые ставили в тупик ее базовую версию. О деталях этого уникального эксперимента сообщает издание Live Science.
Смотрите также Новая квантовая технология позволит отказаться от ключевой детали электроники
Современная индустрия искусственного интеллекта находится в состоянии постоянной гонки за количеством параметров. Ожидается, что будущая модель GPT-5.5 будет иметь от 2 триллионов до 5 триллионов параметров. Каждый такой параметр занимает место в памяти системы, что заставляет технологических гигантов строить все большую и более дорогую инфраструктуру. Однако ученые из компании Multiverse Computing предложили альтернативный путь: вместо количественного расширения использовать качественное усиление с помощью квантовых вычислений.
В новом исследовании, результаты которого были опубликованы в базе препринтов arXiv, специалисты продемонстрировали метод снижения неопределённости в системах ИИ с помощью квантовых компьютеров. Это стало первым случаем "квантового усиления" большой речевой модели (LLM) производственного уровня, которая уже широко используется на рынке.
Для проверки эффективности ученые выбрали модель Llama 3.1 8B от компании Meta, которая имеет 8 миллиардов параметров. Главным показателем качества в эксперименте была способность системы точно предсказывать следующее слово в предложении. Модель с низким уровнем показателя PPL лучше справляется с прогнозированием, тогда как высокий показатель математически указывает на большую вероятность хаотических или ошибочных результатов.
Эти результаты являются, насколько нам известно, первой демонстрацией сквозного квантового усиления широко развернутой LLM производственного масштаба на реальном сверхпроводящем квантовом оборудовании,
– прокомментировали ученые в исследовании.
Они подчеркнули, что важен не столько размер улучшения, сколько сам факт того, что оно стало возможным.
Технически это было реализовано через создание специальных блоков квантовых схем, которые называются "унитарными адаптерами Кейли". Параметры Кейли – это наборы математических матриц, которые можно тренировать на обычном компьютере. Во время обучения оригинальные параметры речевой модели Llama оставались "замороженными", то есть неизменными. Новая гибридная система, соединившая классические параметры и обученные квантовые адаптеры, была запущена на 156-кубитном сверхпроводящем квантовом процессоре IBM Quantum System Two.
Первое, что вы делаете – кодируете [параметры] в квантовом компьютере. После кодирования состояния вы готовы применить унитарный адаптер Кейли, который мы обучаем классически, а затем реализуем в квантовом оборудовании",
– рассказал Борха Айзпуруа, старший научный сотрудник Multiverse Computing и первый автор исследования.
Результаты поразили: добавление всего 6 000 параметров (что составляет мизерные 0,000075% от общего количества) позволило снизить уровень PPL на 1,4%. Это доказывает, что квантовые компоненты способны значительно улучшать работу ИИ без потребности в гигантском расширении классической инфраструктуры.
Тестирование и практическая ценность
Практическая ценность метода подтвердилась во время тестирования. Гибридная модель смогла правильно ответить на вопросы, которые оказались слишком сложными для оригинальной Llama.
- Например, в тесте по астрономии обычная нейросеть ошибочно утверждала, что кольца есть только у Сатурна. Квантово-усиленная модель правильно идентифицировала наличие колец у всех планет-гигантов (Юпитера, Сатурна, Урана и Нептуна).
- Аналогичная ситуация произошла и в биологическом тесте о последствиях потока генов: базовая модель дала ошибочный ответ о нарушении равновесия закона Гарди-Вайнберга, тогда как гибридная система правильно указала на усиление генетической однородности.
Итак, здесь мы видим пример, когда модель не отвечает правильно, а потом вы добавляете что-то квантовое, и вдруг она дает правильный ответ,
– прокомментировал Борха Айзпуруа.
Без проблем не обошлось
Однако разработчики столкнулись с серьезным препятствием – квантовым "шумом". Чем больше квантовая схема, тем больше помех возникает от взаимодействия соседних кубитов, магнитного поля Земли, излучения Wi-Fi, мобильных телефонов и даже космических лучей.
Эти помехи могут вызывать ошибки и делать результаты вычислений бессмысленными. Поэтому исправление квантовых ошибок остается ключевым направлением для команды Multiverse Computing.
Смотрите также Наше будущее, о котором мы ошибаемся: что такое квантовые компьютеры на самом деле
Что дальше в планах
В будущем исследователи планируют разработать методы прямого кодирования всей квантовой цепи, а не только отдельных адаптеров. Это должно позволить ИИ достигать еще более высокой точности с использованием значительно меньшего количества параметров, чем любой чисто классический метод.
Конечной целью ученых является достижение "квантового превосходства" – состояния, когда квантовая система выполняет задачи, невозможные для самых мощных современных суперкомпьютеров.