Человеческий мозг обладает удивительными возможностями, делающими его во многих отношениях более мощным, чем самые современные компьютеры в мире. Поэтому неудивительно, что инженеры уже давно пытаются его скопировать. Сегодня искусственные нейронные сети, вдохновленные структурой мозга, используются для решения некоторых из самых сложных проблем в искусственном интеллекте (ИИ). Но этот подход обычно включает создание программного обеспечения, поэтому информация обрабатывается аналогично мозгу, а не создает аппаратное обеспечение, которое имитирует нейроны.
Вместо этого мы с коллегами надеемся создать первый выделенный компьютер для нейронной сети , используя новейшую «квантовую» технологию, а не программное обеспечение для искусственного интеллекта. Объединяя эти две ветви вычислений, мы надеемся создать прорыв, который приведет к тому, что ИИ будет работать с беспрецедентной скоростью, автоматически принимая очень сложные решения за очень короткое время.
Нам нужен гораздо более продвинутый ИИ, если мы хотим, чтобы он помогал нам создавать такие вещи, как действительно автономные автомобили и системы с автоматическим управлением, для точного управления транспортными потоками всего города в режиме реального времени. Многие попытки создать такое программное обеспечение включают в себя написание кода, который имитирует работу нейронов в человеческом мозге, и объединение многих из этих искусственных нейронов в сеть. Каждый нейрон имитирует процесс принятия решения, принимая несколько входных сигналов и обрабатывая их, чтобы получить выходной сигнал, соответствующий «да» или «нет».
Каждый вход взвешивается в зависимости от того, насколько важно это решение. Например, для ИИ, который мог бы подсказать вам, в какой ресторан вам больше всего понравится, качество еды может быть важнее, чем расположение доступного стола, поэтому ему будет уделяться больше внимания в процессе принятия решений.
Эти веса корректируются в тестовых прогонах, чтобы улучшить производительность сети, эффективно обучая систему работать лучше. Именно так программное обеспечение Google AlphaGo изучило сложную стратегическую игру Go, играя против своей копии, пока оно не было готово победить чемпиона мира по четыре игры в одной. Но производительность программного обеспечения AI сильно зависит от того, на скольких входных данных оно может быть обучено (в случае AlphaGo это было то, как часто оно играло против себя).
Наш проект Quromorphic направлен на радикальное ускорение этого процесса и увеличение объема входных данных, которые могут быть обработаны путем построения нейронных сетей, работающих на принципах квантовой механики. Эти сети не будут закодированы в программном обеспечении, а будут встроены непосредственно в аппаратные средства, сделанные из сверхпроводящих электрических цепей. Мы ожидаем, что это облегчит их масштабирование без ошибок.
Традиционные компьютеры хранят данные в единицах, известных как биты, которые могут принимать одно из двух состояний: 0 или 1. Квантовые компьютеры хранят данные в «кубитах», которые могут принимать множество различных состояний. Каждый дополнительный кубит, добавленный в систему, удваивает вычислительную мощность . Это означает, что квантовые компьютеры могут обрабатывать огромные объемы данных параллельно (одновременно).
Пока что только небольшие квантовые компьютеры, которые демонстрируют части технологии, были успешно построены . Воодушевленные перспективой значительно большей вычислительной мощности, многие университеты , технологические гиганты и начинающие компании сейчас работают над проектами. Но никто еще не достиг стадии, когда они могут превзойти существующие (не квантовые) компьютеры.
Это потому, что квантовые компьютеры должны быть очень хорошо изолированы от помех в их окружении, которые становятся все сложнее и сложнее по мере того, как машины становятся больше. Например, квантовые процессоры должны храниться в вакууме при очень низкой температуре (близкой к абсолютному нулю), иначе на них могут воздействовать удары молекул воздуха. Но процессор также должен быть как-то связан с внешним миром, чтобы общаться.
Больше места для ошибки
Технические проблемы в нашем проекте очень похожи на задачи по созданию универсального квантового компьютера, который можно использовать для любого приложения. Но мы надеемся, что приложения искусственного интеллекта могут выдержать больше ошибок, чем обычные вычисления, и поэтому машина не должна быть так хорошо изолирована.
Например, ИИ часто используется для классификации данных, например, для определения, показывает ли изображение автомобиль или велосипед. Для принятия этого решения не нужно полностью фиксировать каждую деталь объекта. Поэтому, хотя ИИ требует высоких скоростей компьютера, он не требует такого высокого уровня точности. По этой причине мы надеемся, что ИИ станет идеальным полем для краткосрочных квантовых вычислений.
Наш проект будет включать демонстрацию принципов, связанных с квантовой нейронной сетью. Чтобы использовать эту технологию в полной мере, потребуется создание более крупных устройств. Этот процесс может занять десять лет или более, так как многие технические детали должны очень точно контролироваться, чтобы избежать ошибок вычислений. Но как только мы показали, что квантовые нейронные сети могут быть более мощными, чем классическое программное обеспечение ИИ в реальном приложении, они очень быстро станут одними из самых важных технологий.
