Cercetătorii de la Multiverse Computing au realizat un experiment în care au combinat un model lingvistic existent, de tip AI, cu computere cuantice, obținând o îmbunătățire a performanței fără creșteri masive ale dimensiunii modelului. Această metodă a evidențiat un potențial alternativ la abordările clasice din inteligența artificială, bazate pe creșterea parametrilor.
Detaliile experimentului și tehnologia utilizată
Modelul folosit a fost Llama 3.1 8B, dezvoltat de Meta, cu 8 miliarde de parametri. Cercetătorii nu au modificat parametrii originali sau reconstruit modelul, ci au adăugat componente noi, numite Cayley-parameterized unitarity adapters (CUA). Aceste componente au fost antrenate separat și pot fi rulate pe hardware cuantic IBM Quantum System Two, cu 156 de qubiți.
Rezultatele obținute și semnificația lor
Modelul hibrid a redus perplexitatea cu 1,4%, implicând o îmbunătățire în capacitatea de predicție a următorului cuvânt. Pentru un model cu 8 miliarde de parametri, această reducere reprezintă un rezultat semnificativ, în condițiile în care a fost obținut cu doar 6.000 de parametri adăugați.
Exemple concrete de îmbunătățiri ale performanței
Într-un caz de astronomie, modelul clasic a interpretat greșit inelele planetelor joviene, alegând doar Saturn. Varianta cu componente cuantice a corectat acest răspuns, indicând că toate planetele joviene au inele. Într-un alt exemplu, în biologie, modelul clasic a oferit un răspuns incorect despre fluxul genetic, în timp ce versiunea hibride a identificat corect creșterea omogenității genetice.
Limitări și provocări
Rezultatele nu indică o superioritate clară a AI-ului cuantic, ci arată că inserarea componentelor cuantice poate modifica performanța, chiar și marginal. Borja Aizpurua, cercetător la Multiverse Computing, subliniază că tehnica reprezintă un prim pas, nu o soluție definitivă. Problema zgomotului specific calculatoarelor cuantice rămâne o barieră, deoarece interferențele pot afecta precizia rezultatelor.
Perspective și implicații
Cea mai mare provocare este corectarea erorilor cauzate de zgomot. În actuala etapă, cercetătorii utilizează adaptoare simple, mai ușor de controlat, adaptate hardware-ului existent. În plan pe termen lung, obiectivul este dezvoltarea unor modele AI care să exploateze complet avantajele calculului cuantic, evitând dependența de creșteri mari ale parametrilor.
Industria AI se confruntă cu costuri tot mai mari pentru antrenarea și rularea modelelor expansive. Deși tehnologia cuantică nu este încă matură pentru implementare comercială, experimentul demonstrează că poate avea un impact real în viitorul dezvoltării AI. Performanțele obținute până acum arată că direcția cercetării merită continuată.
În prezent, descoperirea reprezintă o demonstrație a viabilității unui nou concept, nu o soluție practică. Cu toate acestea, faptul că un model de amploare a fost îmbunătățit prin hardware cuantic indică posibilitatea unei schimbări fundamentale în modul de calcul utilizat de AI.