„Quantum Particulars“ ist eine redaktionelle Gastkolumne mit exklusiven Einblicken und Interviews mit Quantenforschern, -entwicklern und -experten, die sich mit den wichtigsten Herausforderungen und Prozessen in diesem Bereich befassen. Dieser Artikel enthält die Meinungen von Joan Etude Arrow, der Gründerin und CEO des Quantum Ethics Project, die die Funktion und die Mängel des „Hypes“ innerhalb der Quantenindustrie diskutiert. 

Nach dem Dartmouth von 1956 Sommerstudium Gruppe, die das Gebiet der künstlichen Intelligenz begründet hat, frischgebackene KI-Forscher proklamierten dass Computer bald erreichen würden Intelligenz auf menschlicher Ebene oder größer. Diese Behauptungen wurden aufgestellt, als Computer mit Vakuumröhren liefen, einen ganzen Raum einnahmen und nicht über die zahlreichen Trainingsdaten des Internets verfügten, die für heutige KI-Modelle wie ChatGPT unerlässlich sind. Auch wenn es keine Hardware gab, die für eine hochentwickelte KI erforderlich ist, so genannte Goldene jahre der KI dauerte bis 1974 und sah Millionen von Dollar investiert bei MIT allein, um Forschung zu finanzieren, die auf überzogenen Versprechungen basiert.

Diese Geschichte kommt vielleicht jedem bekannt vor, der sich in unmittelbarer Nähe des Quantencomputings befindet. Sprechen Sie mit jedem ernsthaften Forscher, wie ich es in den letzten zwei Jahren getan habe, um den Quanten-Hype zu verstehen, und er wird Ihnen sagen, dass das Ausmaß des Hypes um Quantentechnologien für ihn fast die größte Sorge darstellt. Meine Kollegen befürchten, dass wir, wie die Forscher in den 50er Jahren, die Fähigkeiten von Quantencomputern überbewerten. Quantencomputing-Hardware steckt noch in den Kinderschuhen, und wie die Vakuumröhren der 1950er Jahre sind unsere kleinen Qubits nicht stark genug, um die Versprechen zu halten, die wir ihnen geben.

Das meine ich mit Hype, den ich als den Unterschied zwischen den versprochenen Fähigkeiten dieser Technologie und ihren realen Fähigkeiten definiere. KI-Forscher haben 50 Jahre, bevor die Hardware in der Lage sein würde, ihre Erwartungen zu erfüllen, zu viel versprochen, und infolgedessen der am meisten verlorene Glaube auf diesem Gebiet – was die KI-Forschung jahrzehntelang in einen Winter mit minimaler Finanzierung und Randstatus stürzte – mit der Folge, dass der Fortschritt auf diesem Gebiet nur im Schneckentempo voranschreitet.

Heute liebäugeln Quantenforscher mit der gleichen Katastrophe. Wenn wir den grassierenden Hype in unserem Fachgebiet nicht in den Griff bekommen, laufen wir Gefahr, Quanten in einen eigenen Winter zu stürzen. Dies würde garantieren, dass die dringend benötigten Lösungen, zu denen Quantentechnologien in der Lage sind, erst nach Jahren oder sogar Jahrzehnten verfügbar sein werden, da wir am Rande der technologischen Entwicklung und ohne ausreichende Finanzierung darum kämpfen, Quantenhardware voranzutreiben.

Aber dieser Artikel ist kein Vortrag über Hype. Wie ich aus meinen eigenen Erfahrungen herausgefunden habe, besteht in der Quantengemeinschaft weitgehend Einigkeit darüber, dass Hype ein Problem ist. Jetzt müssen wir entscheiden, was wir dagegen tun. Erschwerend kommt hinzu, dass Hype keine generell schlechte Sache ist. Es kann ein sein gesunder Mechanismus um Begeisterung zu erzeugen, Gelder zu beschaffen und die eigene Arbeit zu fördern.

Wie können wir dann unsere Notwendigkeit, Geld zu beschaffen und Produkte zu verkaufen, mit der Notwendigkeit in Einklang bringen, einen Quantenwinter durch klare und glaubwürdige Wissenschaft zu verhindern?

Ich glaube, dass die Quantifizierung dieses Unterschieds zwischen versprochener Fähigkeit und tatsächlicher Fähigkeit ein guter Anfang ist. Wir benötigen einen Maßstab für Glaubwürdigkeitsversuche, um die folgende Frage zu qualifizieren: Wie weit ist die tatsächliche Leistungsfähigkeit Ihrer Technologie von der Erfüllung ihrer Versprechen entfernt?

Im Fall von Quantenalgorithmen ist der Quantenrechenvorteil das übergeordnete Ziel des Fachgebiets. Die Erstellung einer Glaubwürdigkeitsmetrik für einen Quantenalgorithmus könnte so aussehen, als würden Sie die Anzahl der Qubits schätzen, die Sie wahrscheinlich benötigen würden, um einen Quantenvorteil zu erzielen, und diese Zahl dann mit dem größten physikalischen System vergleichen, auf dem Sie Ihren Algorithmus erfolgreich implementieren konnten.

Als einfaches Beispiel: Wenn Ihr Algorithmus mindestens 100 Qubits benötigt, um in einem Regime zu funktionieren, das klassische Computer nicht simulieren können – und damit das Regime des Quantenvorteils begründet – und Ihr Algorithmus nur 7 Qubits mit einem vorab festgelegten Lösungsfehler abgeschlossen hat, dann Ihr Verhältnis zwischen tatsächlicher Leistungsfähigkeit und Versprechen beträgt 7/100 = 7 %. Je näher man der 1 kommt, desto glaubwürdiger wird man.

Es ist wichtig darauf hinzuweisen, dass diese Metrik von einer Heuristik abhängt, nämlich der Anzahl der Qubits, die erforderlich sind, um über die Quantensimulationskapazität klassischer Computer hinauszugehen. Diese Zahl ist nicht festgelegt, da immer ausgefeiltere Methoden zur klassischen Simulation von Quantensystemen entwickelt werden, wird diese Obergrenze steigen. Solange die Annahmen zur Heuristik klargestellt sind, kann der Glaubwürdigkeitswert ein wichtiges Mittel sein, um zu klären, was ansonsten ein übermäßig technisches Gespräch über die Fortschritte der Quantenalgorithmusforscher wäre.

Eine ähnliche Glaubwürdigkeitsmetrik kann in Quantensensorik- oder Quantennetzwerksystemen erzeugt werden. Bei der Quantensensorik könnte das übergeordnete Ziel ein Quantensensor sein, beispielsweise ein satellitenfreies GPS, der tragbar genug ist, um im Feld eingesetzt zu werden, beispielsweise in der Hand einer Person oder in einem Flugzeug. Hier wird eine bestimmte Schwelle für Tragbarkeit, physische Größe, Gewicht und Empfindlichkeit im Feld versprochen.

Die Klärung dieser Kennzahlen würde den Hype verringern und Fortschritte in Richtung nützlicher Quantentechnologie verdeutlichen. Das mag zu einem ernüchternderen Verkaufsargument führen, aber es ist wichtig sicherzustellen, dass Investoren, potenzielle Kunden und die breite Öffentlichkeit ein genaues Verständnis davon haben, wo wir heute stehen und wie weit wir noch vor uns sind.

Diese Kennzahlen sollten als Ausgangspunkt für die Bewältigung des Hype-Problems betrachtet werden. Diejenigen von uns in der Quantengemeinschaft sollten daran arbeiten, klare, leicht verständliche Metriken zu entwickeln, die für die Ziele unserer spezifischen Teilgebiete sinnvoll sind. Darüber hinaus bringen diese Kennzahlen kaum etwas, wenn sie im technischen Teil Ihrer Arbeit vergraben werden. Diese Metriken und die Annahmen, auf denen sie basieren, sollten in jeder Zusammenfassung des Papiers im Mittelpunkt stehen, um eine klare und glaubwürdige wissenschaftliche Kommunikation unserer zukünftigen Ergebnisse sicherzustellen.

Ob wir einen Quantenwinter vermeiden, liegt an uns. Wenn uns der Erfolg der modernen KI etwas gelehrt hat, dann ist es, dass die Quantentechnologie eine Macht sein wird, mit der man rechnen muss, wenn sie auf den Markt kommt. Es liegt an uns, wie schnell diese Zukunft verwirklicht wird.

Joan Etude Arrow ist Gründerin und CEO von Quantenethik-Projekt. Als Quantum Society Fellow am Center for Quantum Networks ist Joan auf Quantenmaschinelles Lernen spezialisiert, mit besonderem Schwerpunkt auf glaubwürdigen Forschungspraktiken, die sich mit Hype-Themen in diesem Bereich befassen. Als stellvertretende Direktorin für Bildung und Personalentwicklung bei Q-SEnSE konzentriert sich Joan außerdem darauf, die Quantentechnologie leichter zugänglich zu machen, insbesondere für Studenten mit unterschiedlichem Hintergrund.

Stichworte:
AI, Algorithmen, Hype, Joan Etüde Arrow, Quantencomputing, Quantendetails

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-researchers-have-a-lot-to-learn-from-the-mistakes-of-the-artificial-intelligence-community/