« Quantum Particulars » est une chronique éditoriale présentant des informations exclusives et des entretiens avec des chercheurs, des développeurs et des experts quantiques qui examinent les principaux défis et processus dans ce domaine. Cet article, axé sur l'intersection entre la technologie quantique et l'intelligence artificielle (IA), a été rédigé par Brian Lenahan, fondateur et président du Institut de stratégie quantique. 

L’intelligence artificielle (IA) et les technologies quantiques sont deux domaines de pointe prêts à modifier dynamiquement tous les secteurs, et leur intersection est extrêmement prometteuse pour l’avenir de l’informatique, de l’optimisation et de la résolution de problèmes. Au cœur de cette intersection se trouve la possibilité d’exploiter la puissance de calcul quantique pour améliorer les algorithmes d’IA, et vice versa, avec des systèmes hybrides créant des synergies prometteuses de percées dans des domaines tels que l’apprentissage automatique, la cryptographie et la découverte de médicaments. Pourtant, la science est loin d’être établie.

Un domaine important où l’IA et les technologies quantiques se croisent est celui apprentissage automatique quantique (QML). QML vise à utiliser les propriétés uniques de l'informatique quantique, telles que la superposition et l'intrication, pour améliorer les algorithmes d'apprentissage automatique. Selon certains, les ordinateurs quantiques devraient traiter efficacement de grandes quantités de données et effectuer des calculs complexes, permettant aux systèmes d’IA d’analyser et d’apprendre plus efficacement à partir de vastes ensembles de données.

De plus, l’informatique quantique devrait accélérer les processus de formation de l’IA en accélérant de manière exponentielle les calculs. Cette accélération est particulièrement bénéfique pour la formation de modèles d’apprentissage profond, qui nécessitent généralement des ressources de calcul et une consommation d’énergie considérables. En tirant parti des algorithmes quantiques, les chercheurs en IA peuvent potentiellement former des modèles plus complexes et atteindre des niveaux de précision plus élevés dans des tâches telles que la reconnaissance d’images, le traitement du langage naturel et la conduite autonome.

De plus, les algorithmes quantiques améliorés ont le potentiel de révolutionner les problèmes d’optimisation, omniprésents dans les applications d’IA. Recuit quantique, par exemple, propose une nouvelle approche pour résoudre les tâches d’optimisation en tirant parti des principes quantiques pour explorer plus efficacement de vastes espaces de solutions. Cette capacité pourrait améliorer considérablement la capacité des systèmes d'IA à trouver des solutions optimales dans des scénarios complexes, tels que la gestion de la chaîne d'approvisionnement, l'optimisation du portefeuille financier et l'allocation des ressources.

Points de vue opposés

Certaines parties prenantes proposent qu'une convergence cruciale entre l'intelligence artificielle (IA) et l'informatique quantique réside dans le potentiel de cette dernière à améliorer les grands modèles linguistiques (LLM), contribuant ainsi à l'avancement de l'intelligence générale artificielle (AGI). Le Multiverse Computing, par exemple, entend réduire le coût de Formation LLM grâce à un logiciel d’inspiration quantique.

Olivier Ezratty, observateur bien connu du secteur, a récemment rédigé un article intitulé « Comment l’IA, les LLM et la science quantique peuvent-ils s’autonomiser mutuellement ?» Sa conclusion ? "Le paysage étudié dans cet article montre une situation déséquilibrée dans laquelle l’apprentissage automatique aide actuellement les technologies quantiques davantage que l’inverse. En conséquence, « ne se demande-t-on pas ce que l’informatique quantique peut faire pour l’IA, mais plutôt ce que l’IA peut faire pour la science quantique » ?

Ainsi, Ezratty et d’autres ont suggéré que la discussion concernant la fusion de l’IA et de l’informatique quantique pourrait être encadrée plus précisément dans le contexte de l’apprentissage automatique (ML) et de l’informatique quantique. Cette réorientation est particulièrement pertinente si l’on considère les gains d’efficacité liés au traitement d’ensembles de données plus petits, un domaine dans lequel les simulateurs quantiques sont actuellement prometteurs, avec le potentiel des ordinateurs quantiques (CQ) d’étendre davantage ces capacités dans un avenir proche. Une telle approche offre non seulement une utilité immédiate, mais laisse également entrevoir une voie évolutive pour de futurs progrès.

Dynamisme avec l'IA

Il est concevable que QC puisse tracer une trajectoire semblable à Réseaux de portes programmables sur site (FPGA). Les bibliothèques générales peuvent ne pas se matérialiser en raison du processus complexe d'alignement des cas d'utilisation spécifiques avec les algorithmes, aggravé par le défi de fournir une valeur tangible puisque l'informatique classique reste la référence. Tirer de la valeur de ces algorithmes nécessitera des champions internes au sein de diverses industries possédant à la fois une expertise quantique et une connaissance approfondie de leurs domaines respectifs. Même si les fournisseurs et les universitaires peuvent fournir des outils supplémentaires, la responsabilité de la mise en œuvre commerciale incombera en grande partie à ces experts. Une fois qu’un cas d’utilisation au sein d’un secteur spécifique démontre un impact significatif, l’élan au sein de l’ensemble du secteur va probablement s’accélérer.

Toutefois, cet élan ne se matérialisera que si des couches d'application sont établies, où l'informatique quantique s'intègre de manière transparente aux applications et flux de travail existants sans que l'utilisateur final n'ait besoin de comprendre les subtilités des qubits. À terme, la technologie devrait évoluer jusqu'à un point où l'utilisateur final n'aura même plus besoin d'être conscient de la mécanique quantique sous-jacente.

Apprenez-en davantage sur l’intersection de l’intelligence quantique et artificielle sur Inside Quantum Technology New York en octobre 2024.

Brian Lenahan, fondateur et président du Quantum Strategy Institute, est un ouvrage publié sept fois auteur sur des sujets liés à l'intelligence artificielle et aux technologies quantiques et trois fois LinkedIn Quantum Top Voice. Il consulte des entreprises et des PME, élaborant principalement des feuilles de route technologiques. Brian écrit beaucoup sur ces deux sujets sur LinkedIn et dans sa sous-pile "Les affaires de Quantum. »

Catégories:
intelligence artificielle, Article invité, l'informatique quantique, un article

Mots clés:
AI, Brian Lenahan, l'informatique quantique

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-plus-ai-an-intersection-to-innovation/