Мнение / декабрь 2018
Квантовый скачок: когда начнется бум искусственного интеллекта

Мария Григорьева: "Задача оптимизации - найти наилучшее решение среди огромного множества. Это то, что квантовые компьютеры предназначены делать лучше не только классических компьютеров, но и суперкомпьютеров"
Мария Григорьева,
управляющий директор,
руководитель департаментов "Технологии",
"Цифровые решения",
"Бизнес-процессы и аутсорсинг" компании Accenture
© ComNews
17.12.2018

Искусственный интеллект - это, пожалуй, самая преобразующая технология эпохи информации. ИИ принципиально трансформирует экономику и кардинально меняет наш образ жизни. Но уже сегодня стало ясно, что развитие технологии сдерживается возможностями традиционных компьютеров. Всё изменит "квантовый скачок".

Сегодня голосовые помощники в виде "умных колонок" и чат-ботов облегчают решение ряда повседневных задач от обращения в службу поддержки до поиска информации в Интернете. Появление самоуправляемого автомобиля на ИИ – вопрос времени. Искусственный разум успешно диагностирует множество болезней и справляется с этим лучше человека. С его помощью распознается мошенническая активность в отношении банковских операций, а также создаются роботизированные производства и автоматизируются HR-задачи.

Подобные проявления ИИ в нашей жизни – всего лишь вершина айсберга возможностей. Дальше будет еще интереснее, поскольку процесс развития ИИ постепенно переносится на квантовую платформу. В будущем квантовые машины смогут заменить традиционные двоичные вычисления и откроют совершенно новые перспективы.

Что такое квантовые вычисления?

Классические вычисления оперируют информацией, хранящейся в битах, которые могут иметь одно из двух значений: 1 или 0. Квантовые компьютеры используют квантовые биты или кубиты, которые могут существовать одновременно в значениях и 1, и 0. Также, в квантовой парадигме существует феномен "суперпозиции", когда два кубита дают сразу четыре возможные ситуации одновременно: 0–0, 1–0, 0–1, 1–1. Более того, кубиты могут влиять друг на друга даже не будучи связанными напрямую - через процесс так называемой "квантовой сцепленности".

Эти свойства кубитов позволяют квантовым машинам наращивать вычислительные мощности до показателей, классическим компьютерам недоступных. Скорость вычислений квантового компьютера превышает обычный на несколько порядков.

А теперь задумаемся, если нейронные сети на базе традиционной парадигмы вычислений (1 или 0) приводят публику в состояние шока, к чему нужно быть готовым в квантовой перспективе ИИ? Мощность самых продвинутых современных квантовых процессоров составляет около 50 кубит, что делает их эквивалентными современным суперкомпьютерам. Процессор в 60 кубит превзойдет возможности всех мировых суперкомпьютеров вместе взятых.

Но его пока не существует.

Завтра еще не наступило

Сегодня квантовые компьютеры еще не имеют ощутимого практического применения. Они используются в основном в научных целях, для различных исследований и т.д.

Причин несколько: крайне высокие требования к рабочей среде - например, температурный режим близкий к абсолютному нулю (т.е. около -273,13°С), когда атомы прекращают колебания и перестают выделять тепло, что создает идеальные условия для работы квантовых процессоров.

Квантовые машины потребляют огромные объемы электроэнергии, а "суперпозиция" нарушается в результате вибрационных воздействий. И хотя разработчики постоянно продвигаются к большей стабильности, все эти факторы могут вызывать ошибки в результатах квантовых вычислений.

Текущее развитие ИИ стало возможно во многом благодаря появлению технологии быстрых параллельных вычислений на видеокартах. Именно они сейчас используются в подавляющем большинстве случаев для обучения систем искусственного интеллекта. Но при обучении архитектур ИИ на специализированных квантовых процессорах, таких как установки для квантового отжига и оптические квантовые нейронные сети (D-Wave, Xanadu или FujitsuDigital Annealer), существует потенциал ускорения относительно параллельных вычислений на видеокартах. Уже сегодня ясно, что развитие ИИ сдерживается возможностями традиционных компьютеров.

Разработка систем ИИ – это, во многом, экспериментирование с различными архитектурами, алгоритмами, наборами данных и параметрами обучения. Поиск и нахождение оптимального решения требует проведения огромного количества таких экспериментов. Время и вычислительная мощность, необходимые для проведения подобной оптимизации, растут экспоненциально по мере усложнения задачи. Даже имея доступ к облачным вычислительным ресурсам, оптимизированным под задачи ИИ, обучение систем промышленного уровня из-за большого количества итераций занимает недели и месяцы.

Квантовый скачок

Задача оптимизации - найти наилучшее решение среди огромного множества. Это то, что квантовые компьютеры предназначены делать лучше не только классических компьютеров, но и суперкомпьютеров. И в этом заинтересованы практически все отрасли и сферы бизнеса.

Определение наиболее эффективного пути доставки товаров или самого эффективного плана разработки месторождения, выбор наиболее эффективного распределения ресурсов на производстве, поиск инновационных материалов и лекарств, отбор оптимального портфеля финансовых инструментов – вот далеко не исчерпывающий список того, что квантовые компьютеры будут делать гораздо быстрее, чем классические.

Недавний пример из Центра квантовых технологий Национального университета Сингапура. Существует много вычислений, участвующих в анализе матрицы. Когда размерность выходит за рамки, скажем, 10000 на 10000 записей, это становится проблемой для классических компьютеров. Для квадратной матрицы размерностью 10000 классический алгоритм будет совершать порядка триллиона вычислительных шагов, тогда как первый квантовый алгоритм – уже около 10000 шагов, а новый квантовый алгоритм (квантовая сингулярная оценка значения) справится с задачей всего за 100 шагов. Разница ощутима.

Двоичный потолок, квантовая бесконечность?

В "потолок" возможностей традиционных компьютеров для задач ИИ мы упремся в течение ближайших 5-10 лет. Когда закончится стадия "пилотов". Компании поймут свои бизнес-кейсы, связанные с ИИ. Появится аппетит к построению действительно сложных и масштабных моделей. В этот момент и выяснится, что необходим иной уровень вычислительных мощностей.

Многие исследовательские группы по всему миру уже работают над этой проблемой, изобретая математические и технологические подходы, облегчающие и ускоряющие обучение систем ИИ. Например, активно развивается направление, в котором алгоритмы самостоятельно подбирают или даже изобретают - другие алгоритмы, наилучшим образом подходящие к поставленной задаче.

Нет сомнений, что в будущем нас ожидает прорыв в создании сильной формы искусственного интеллекта, однако независимо от того, в какой парадигме это будет достигнуто – квантовой или традиционной, пока нет чёткого понимания того, как к этому прийти.

Однозначно можно сказать лишь, что для быстрого обучения по-настоящему сложных систем, состоящих из множества отдельных моделей, требуется принципиально иные вычислительные мощности. И именно квантовые компьютеры видятся здесь наиболее подходящим решением. Для настоящей революции потребуются фундаментальные разработки в теоретических основах ИИ – алгоритмы и подходы, которые позволят использовать возможности, открываемые квантовыми компьютерами, на полную мощность.

Самореплицируемые ИИ-решения (Google AutoML) уже создают код для машинного обучения, по эффективности превосходящий тот, что был написан для них человеком. В теории подобные возможности софта, помноженные на квантовый скачок вычислительных ресурсов, позволят создавать алгоритмы ИИ, по сложности превосходящие любой известный предел возможностей человека. Судите сами – Google заявляет, что их квантовый компьютер по состоянию развития на начало 2018 года производит вычисления в 100 млн (!!!) раз быстрее, чем любое другое устройство на планете.

Многие причастные к квантовым вычислениям специалисты отмечают, что как только люди научатся переводить проблемы и задачи реального мира на язык кубит, общество вступит в совершенно новую эру развития, где ИИ-решения будут способны на самые фантастические практические результаты.