Το δυναμικό της κβαντικής υπολογιστικής για την επανάσταση της τεχνητής νοημοσύνης εξαρτάται από την ανάπτυξη ενός οικοσυστήματος προγραμματιστή στο οποίο υπάρχουν άφθονα κατάλληλα εργαλεία, δεξιότητες και πλατφόρμες. Για να θεωρηθεί έτοιμη για ανάπτυξη της παραγωγής επιχειρήσεων, η κβαντική βιομηχανία AI θα πρέπει τουλάχιστον να επιτύχει τα ακόλουθα βασικά ορόσημα:
- Βρείτε μια συναρπαστική εφαρμογή για την οποία η κβαντική πληροφορική έχει ένα σαφές πλεονέκτημα έναντι των κλασικών προσεγγίσεων για την οικοδόμηση και την εκπαίδευση της AI.
- Συγκεντρωθείτε σε ένα ευρέως αποδεκτό πλαίσιο ανοιχτού κώδικα για την κατασκευή, την εκπαίδευση και την ανάπτυξη κβαντικής AI.
- Δημιουργήστε ένα ουσιαστικό, εξειδικευμένο οικοσύστημα προγραμματιστών κβαντικών εφαρμογών AI.
Αυτά τα ορόσημα είναι όλα τουλάχιστον μερικά χρόνια στο μέλλον. Αυτό που ακολουθεί είναι μια ανάλυση της ωριμότητας της κβαντικής βιομηχανίας AI αυτήν τη στιγμή.
Έλλειψη μιας συναρπαστικής εφαρμογής AI για την οποία η κβαντική πληροφορική έχει ένα σαφές πλεονέκτημα
Το Quantum AI εκτελεί λογικά καλά τους ML (μηχανική εκμάθηση), DL (deep learning) και άλλους αλγόριθμους AI που βασίζονται σε δεδομένα.
Ως προσέγγιση, η κβαντική AI έχει προχωρήσει πολύ πέρα από το στάδιο της απόδειξης της έννοιας. Ωστόσο, αυτό δεν είναι το ίδιο με το να μπορούμε να ισχυριστούμε ότι οι κβαντικές προσεγγίσεις είναι ανώτερες από τις κλασικές προσεγγίσεις για την εκτέλεση των λειτουργιών του πίνακα από τις οποίες εξαρτώνται τα συμπεράσματα και η εκπαίδευση του AI.
Όσον αφορά το AI, το βασικό κριτήριο είναι εάν οι κβαντικές πλατφόρμες μπορούν να επιταχύνουν τα φορτία εργασίας ML και DL γρηγορότερα από τους υπολογιστές που έχουν κατασκευαστεί εξ ολοκλήρου σε κλασικές αρχιτεκτονικές von Neumann. Μέχρι στιγμής δεν υπάρχει συγκεκριμένη εφαρμογή AI που ένας κβαντικός υπολογιστής μπορεί να αποδώσει καλύτερα από οποιαδήποτε κλασική εναλλακτική. Για να δηλώσουμε την κβαντική AI μια ώριμη επιχειρηματική τεχνολογία, θα πρέπει να υπάρχουν τουλάχιστον μερικές εφαρμογές AI για τις οποίες προσφέρει ένα σαφές πλεονέκτημα - ταχύτητα, ακρίβεια, αποδοτικότητα - έναντι των κλασικών προσεγγίσεων για την επεξεργασία αυτών των φόρτων εργασίας.
Ωστόσο, οι πρωτοπόροι της κβαντικής τεχνητής νοημοσύνης έχουν ευθυγραμμίσει τους λειτουργικούς αλγόριθμους επεξεργασίας με τις μαθηματικές ιδιότητες των κβαντικών υπολογιστικών αρχιτεκτονικών. Επί του παρόντος, οι κύριες αλγοριθμικές προσεγγίσεις για την κβαντική AI περιλαμβάνουν:
- Κωδικοποίηση πλάτους: Αυτό συσχετίζει τα πλάτη της κβαντικής κατάστασης με τις εισόδους και τις εξόδους των υπολογισμών που εκτελούνται από αλγόριθμους ML και DL. Η κωδικοποίηση πλάτους επιτρέπει στατιστικούς αλγόριθμους που υποστηρίζουν εκθετικά συμπαγή αναπαράσταση σύνθετων πολυδιάστατων μεταβλητών. Υποστηρίζει αντιστροφές μήτρας στις οποίες η κατάρτιση στατιστικών μοντέλων ML μειώνει στην επίλυση γραμμικών συστημάτων εξισώσεων, όπως εκείνες με γραμμικές παλινδρομήσεις με τετράγωνα, έκδοση με λιγότερα τετράγωνα μηχανών διανύσματος υποστήριξης και διαδικασίες Gauss. Απαιτεί συχνά από τον προγραμματιστή να αρχικοποιήσει ένα κβαντικό σύστημα σε μια κατάσταση του οποίου τα πλάτη αντικατοπτρίζουν τα χαρακτηριστικά ολόκληρου του συνόλου δεδομένων.
- Ενίσχυση πλάτους: Χρησιμοποιεί έναν αλγόριθμο που βρίσκει με μεγάλη πιθανότητα τη μοναδική είσοδο σε μια λειτουργία μαύρου κουτιού που παράγει μια συγκεκριμένη τιμή εξόδου. Η ενίσχυση πλάτους είναι κατάλληλη για εκείνους τους αλγόριθμους ML που μπορούν να μεταφραστούν σε μια εργασία χωρίς δομή αναζήτησης, όπως k-medians και k-πλησιέστεροι γείτονες. Μπορεί να επιταχυνθεί μέσω αλγορίθμων τυχαίας πορείας όπου η τυχαιότητα προέρχεται από στοχαστικές μεταβάσεις μεταξύ καταστάσεων, όπως αυτή που είναι εγγενής στην κβαντική υπέρθεση καταστάσεων και την κατάρρευση των λειτουργιών κυμάτων λόγω των μετρήσεων κατάστασης.
- Κβαντική ανόπτηση: Αυτό καθορίζει τα τοπικά ελάχιστα και μέγιστα μιας λειτουργίας μηχανικής μάθησης σε ένα δεδομένο σύνολο υποψηφίων συναρτήσεων. Ξεκινά από μια υπέρθεση όλων των δυνατών, εξίσου σταθμισμένων καταστάσεων ενός κβαντικού συστήματος ML. Στη συνέχεια εφαρμόζει μια γραμμική, μερική διαφορική εξίσωση για να καθοδηγήσει τη χρονική εξέλιξη του κβαντομηχανικού συστήματος. Τελικά αποδίδει ένα στιγμιαίο χειριστή, γνωστό ως Hamiltonian, που αντιστοιχεί στο άθροισμα των κινητικών ενεργειών συν τις πιθανές ενέργειες που σχετίζονται με την κατάσταση του κβαντικού συστήματος.
Αξιοποιώντας αυτές τις τεχνικές, ορισμένες τρέχουσες υλοποιήσεις AI χρησιμοποιούν κβαντικές πλατφόρμες ως συμπεξεργαστές σε επιλεγμένους φόρτους εργασίας υπολογισμού, όπως αυτοκωδικοποιητές, GANs (δίκτυα γενετικής αντιπαλότητας) και ενισχυτικά μέσα εκμάθησης.
Καθώς ωριμάζει η κβαντική AI, θα πρέπει να αναμένουμε ότι αυτές και άλλες αλγοριθμικές προσεγγίσεις θα δείξουν ένα σαφές πλεονέκτημα όταν εφαρμόζονται σε μεγάλες προκλήσεις AI που περιλαμβάνουν πολύπλοκους πιθανολογικούς υπολογισμούς που λειτουργούν σε τομείς πολυδιάστατου προβλήματος και σύνολα πολυτροπικών δεδομένων. Παραδείγματα μέχρι σήμερα δύσκολων προκλήσεων AI που μπορεί να αποδώσουν σε κβαντικές βελτιωμένες προσεγγίσεις περιλαμβάνουν νευρομορφικά γνωστικά μοντέλα, συλλογισμό υπό αβεβαιότητα, αναπαράσταση σύνθετων συστημάτων, συνεργατική επίλυση προβλημάτων, προσαρμοστική μηχανική μάθηση και παράλληλη εκπαίδευση.
Αλλά ακόμη και όταν οι κβαντικές βιβλιοθήκες, οι πλατφόρμες και τα εργαλεία αποδεικνύονται για αυτές τις συγκεκριμένες προκλήσεις, θα εξακολουθήσουν να βασίζονται σε κλασικούς αλγόριθμους και λειτουργίες AI μέσα από αγωγούς μηχανικής μάθησης από άκρο σε άκρο.
Έλλειψη ενός ευρέως αποδεκτού πλαισίου μοντελοποίησης και κατάρτισης ανοιχτού κώδικα
Για να ωριμάσει η κβαντική τεχνητή νοημοσύνη σε μια ισχυρή εταιρική τεχνολογία, θα πρέπει να υπάρχει ένα κυρίαρχο πλαίσιο για την ανάπτυξη, την κατάρτιση και την ανάπτυξη αυτών των εφαρμογών. Το Google TensorFlow Quantum είναι ένα από τα πιο αγαπημένα από την άποψη αυτή. Ανακοινώθηκε τον περασμένο Μάρτιο, το TensorFlow Quantum είναι μια νέα στοίβα μόνο για λογισμικό που επεκτείνει την ευρέως υιοθετημένη πλατφόρμα ανοιχτής πηγής TensorFlow AI και το μοντέλο μοντελοποίησης.
Το TensorFlow Quantum φέρνει υποστήριξη για ένα ευρύ φάσμα πλατφορμών κβαντικών υπολογιστών σε ένα από τα κυρίαρχα πλαίσια μοντελοποίησης που χρησιμοποιούνται από τους σημερινούς επαγγελματίες AI. Αναπτύχθηκε από τη μονάδα X R&D της Google, επιτρέπει στους επιστήμονες δεδομένων να χρησιμοποιούν τον κώδικα Python για την ανάπτυξη κβαντικών μοντέλων ML και DL μέσω τυπικών λειτουργιών Keras. Παρέχει επίσης μια βιβλιοθήκη προσομοιωτών κβαντικών κυκλωμάτων και πρωτόγονων κβαντικών υπολογιστών που είναι συμβατά με τα υπάρχοντα API TensorFlow.
Οι προγραμματιστές μπορούν να χρησιμοποιήσουν το TensorFlow Quantum για εποπτευόμενη μάθηση σε περιπτώσεις χρήσης AI όπως η κβαντική ταξινόμηση, ο κβαντικός έλεγχος και η κβαντική κατά προσέγγιση βελτιστοποίηση. Μπορούν να εκτελέσουν προηγμένες εργασίες κβαντικής μάθησης, όπως η μετα-εκμάθηση, η εκμάθηση Χάμιλτον και η δειγματοληψία θερμικών καταστάσεων. Μπορούν να χρησιμοποιήσουν το πλαίσιο για να εκπαιδεύσουν υβριδικά κβαντικά / κλασικά μοντέλα για να χειριστούν τόσο το διακριτικό όσο και το γενετικό φόρτο εργασίας στην καρδιά των GAN που χρησιμοποιούνται σε απομιμήσεις, 3D εκτύπωση και άλλες προηγμένες εφαρμογές AI.
Αναγνωρίζοντας ότι η κβαντική πληροφορική δεν είναι ακόμη αρκετά ώριμη για να επεξεργαστεί ολόκληρο το φάσμα των φόρτων εργασίας AI με επαρκή ακρίβεια, η Google σχεδίασε το πλαίσιο για να υποστηρίξει τις πολλές περιπτώσεις χρήσης AI με ένα πόδι στις παραδοσιακές αρχιτεκτονικές υπολογιστών. Το TensorFlow Quantum επιτρέπει στους προγραμματιστές να δημιουργούν γρήγορα πρωτότυπα μοντέλα ML και DL που υβριδίζουν την εκτέλεση κβαντικών και κλασικών επεξεργαστών παράλληλα σε μαθησιακές εργασίες. Χρησιμοποιώντας το εργαλείο, οι προγραμματιστές μπορούν να δημιουργήσουν κλασικά και κβαντικά σύνολα δεδομένων, με τα κλασικά δεδομένα που επεξεργάζονται εγγενώς από την TensorFlow και τις κβαντικές επεκτάσεις επεξεργασίας κβαντικών δεδομένων, τα οποία αποτελούνται τόσο από κβαντικά κυκλώματα όσο και από κβαντικούς τελεστές.
Η Google σχεδίασε το TensorFlow Quantum για να υποστηρίξει προηγμένη έρευνα σε εναλλακτικές αρχιτεκτονικές και αλγόριθμους κβαντικών υπολογιστών για την επεξεργασία μοντέλων ML. Αυτό καθιστά τη νέα προσφορά κατάλληλη για επιστήμονες υπολογιστών που πειραματίζονται με διαφορετικές κβαντικές και υβριδικές αρχιτεκτονικές επεξεργασίας βελτιστοποιημένες για φόρτο εργασίας ML.
Για το σκοπό αυτό, το TensorFlow Quantum ενσωματώνει το Cirq, μια ανοιχτή βιβλιοθήκη Python για προγραμματισμό κβαντικών υπολογιστών. Υποστηρίζει τη δημιουργία μέσω προγραμματισμού, την επεξεργασία και την επίκληση των κβαντικών πυλών που αποτελούν τα κυκλώματα Noisy Intermediate Scale Quantum (NISQ) που χαρακτηρίζουν τα σημερινά κβαντικά συστήματα. Το Cirq επιτρέπει την εκτέλεση κβαντικών υπολογισμών που καθορίζονται από προγραμματιστές σε προσομοιώσεις ή σε πραγματικό υλικό. Αυτό το κάνει μετατρέποντας τους κβαντικούς υπολογισμούς σε τανυστές για χρήση μέσα σε υπολογιστικά γραφήματα TensorFlow. Ως αναπόσπαστο στοιχείο του TensorFlow Quantum, το Cirq επιτρέπει την προσομοίωση κβαντικών κυκλωμάτων και την εκτέλεση παρτίδων, καθώς και την εκτίμηση της αυτοματοποιημένης προσδοκίας και των κβαντικών διαβαθμίσεων. Επιτρέπει επίσης στους προγραμματιστές να δημιουργούν αποδοτικούς μεταγλωττιστές, προγραμματιστές και άλλους αλγόριθμους για μηχανές NISQ.
Εκτός από την παροχή μιας πλήρους στοίβας λογισμικού AI στην οποία μπορεί τώρα να υβριδοποιηθεί η κβαντική επεξεργασία, η Google επιδιώκει να επεκτείνει το φάσμα των πιο παραδοσιακών αρχιτεκτονικών chip στις οποίες η TensorFlow Quantum μπορεί να προσομοιώσει το κβαντικό ML. Η Google ανακοίνωσε επίσης σχέδια για επέκταση του εύρους των προσαρμοσμένων πλατφορμών υλικού κβαντικής προσομοίωσης που υποστηρίζονται από το εργαλείο, ώστε να περιλαμβάνει μονάδες επεξεργασίας γραφικών από διάφορους προμηθευτές, καθώς και τις δικές της πλατφόρμες υλικού Tensor Processing Unit AI-accelerator.
Η τελευταία ανακοίνωση της Google καταλήγει σε μια γρήγορη αλλά ακόμα ανώριμη αγορά κβαντικών υπολογιστών. Επεκτείνοντας το πιο δημοφιλές πλαίσιο ανάπτυξης ανοιχτού κώδικα AI, η Google σχεδόν σίγουρα θα καταλύσει τη χρήση του TensorFlow Quantum σε ένα ευρύ φάσμα πρωτοβουλιών που σχετίζονται με το AI.
Ωστόσο, το TensorFlow Quantum έρχεται σε μια αγορά που διαθέτει ήδη πολλά εργαλεία ανάπτυξης και κατάρτισης κβαντικής AI ανοιχτού κώδικα. Σε αντίθεση με την προσφορά της Google, αυτά τα αντίπαλα κβαντικά εργαλεία τεχνητής νοημοσύνης έρχονται ως μέρη μεγαλύτερων πακέτων αναπτυξιακών περιβαλλόντων, υπηρεσιών cloud και συμβουλευτικών υπηρεσιών για τη δημιουργία πλήρων εφαρμογών εργασίας. Ακολουθούν τρεις πλήρεις κβαντικές προσφορές AI:
- Το Azure Quantum, που ανακοινώθηκε τον Νοέμβριο του 2019, είναι μια υπηρεσία cloud quantum-computing. Προς το παρόν σε ιδιωτική προεπισκόπηση και λόγω γενικής διαθεσιμότητας αργότερα αυτό το έτος, το Azure Quantum έρχεται με ένα κιτ ανάπτυξης λογισμικού ανοιχτού κώδικα της Microsoft για την Q # γλώσσα που έχει αναπτυχθεί από τη Microsoft, καθώς και Python, C # και άλλες γλώσσες. Το κιτ περιλαμβάνει βιβλιοθήκες για την ανάπτυξη κβαντικών εφαρμογών σε ML, κρυπτογραφία, βελτιστοποίηση και άλλους τομείς.
- Το Amazon Braket, που ανακοινώθηκε τον Δεκέμβριο του 2019 και είναι ακόμη σε προεπισκόπηση, είναι μια πλήρως διαχειριζόμενη υπηρεσία AWS. Παρέχει ένα ενιαίο περιβάλλον ανάπτυξης για τη δημιουργία κβαντικών αλγορίθμων, συμπεριλαμβανομένου του ML, και τον έλεγχο τους σε προσομοιωμένους υβριδικούς κβαντικούς / κλασικούς υπολογιστές. Επιτρέπει στους προγραμματιστές να εκτελούν ML και άλλα κβαντικά προγράμματα σε μια σειρά διαφορετικών αρχιτεκτονικών υλικού. Οι προγραμματιστές δημιουργούν κβαντικούς αλγορίθμους χρησιμοποιώντας το κιτ εργαλείων προγραμματιστών Amazon Braket και χρησιμοποιούν οικεία εργαλεία όπως σημειωματάρια Jupyter.
- Το IBM Quantum Experience είναι ένα δωρεάν, διαθέσιμο στο κοινό περιβάλλον βασισμένο σε σύννεφο για ομαδική εξερεύνηση κβαντικών εφαρμογών. Παρέχει στους προγραμματιστές πρόσβαση σε προηγμένους κβαντικούς υπολογιστές για μάθηση, ανάπτυξη, εκπαίδευση και εκτέλεση AI και άλλων κβαντικών προγραμμάτων. Περιλαμβάνει το IBM Qiskit, ένα εργαλείο προγραμματιστή ανοιχτού κώδικα με μια βιβλιοθήκη κβαντικών αλγορίθμων μεταξύ τομέων για πειραματισμούς με AI, προσομοίωση, βελτιστοποίηση και εφαρμογές χρηματοδότησης για κβαντικούς υπολογιστές.
Η υιοθέτηση του TensorFlow Quantum εξαρτάται από το βαθμό στον οποίο αυτοί και άλλοι προμηθευτές κβαντικής πλήρους στοίβας το ενσωματώνουν στα χαρτοφυλάκια λύσεών τους. Αυτό φαίνεται πιθανό, δεδομένου του βαθμού στον οποίο όλοι αυτοί οι προμηθευτές cloud υποστηρίζουν ήδη το TensorFlow στις αντίστοιχες στοίβες AI.
Το TensorFlow Quantum δεν θα έχει απαραίτητα το κβαντικό πεδίο SDK AI από μόνη της. Άλλα πλαίσια AI ανοιχτού κώδικα - κυρίως το PyTorch που αναπτύχθηκε από το Facebook - αμφισβητούν το TensorFlow για τις καρδιές και το μυαλό των επιστημόνων που εργάζονται. Αναμένει κανείς ότι το ανταγωνιστικό πλαίσιο θα επεκταθεί με κβαντικές βιβλιοθήκες AI και εργαλεία κατά τους επόμενους 12 έως 18 μήνες.
Μπορούμε να ρίξουμε μια ματιά στην αναδυόμενη βιομηχανία κβαντικής πολυλειτουργικής τεχνητής νοημοσύνης, εξετάζοντας έναν πρωτοπόρο προμηθευτή από την άποψη αυτή. Το PennyLane του Xanadu είναι ένα πλαίσιο ανάπτυξης και κατάρτισης ανοιχτού κώδικα για AI, το οποίο εκτελείται σε υβριδικές κβαντικές / κλασικές πλατφόρμες.
Ξεκίνησε τον Νοέμβριο του 2018, η PennyLane είναι μια βιβλιοθήκη Python πολλαπλών πλατφορμών για κβαντικά ML, αυτόματη διαφοροποίηση και βελτιστοποίηση υβριδικών πλατφορμών υπολογιστών κβαντικής κλασικής. Το PennyLane επιτρέπει την ταχεία δημιουργία πρωτοτύπων και βελτιστοποίηση των κβαντικών κυκλωμάτων χρησιμοποιώντας υπάρχοντα εργαλεία AI, συμπεριλαμβανομένων των TensorFlow, PyTorch και NumPy. Είναι ανεξάρτητη από τη συσκευή, επιτρέποντας στο ίδιο μοντέλο κβαντικών κυκλωμάτων να εκτελείται σε διαφορετικά λογισμικά και υλισμικό, όπως Strawberry Fields, IBM Q, Google Cirq, Rigetti Forest SDK, Microsoft QDK και ProjectQ.
Έλλειψη σημαντικού και εξειδικευμένου οικοσυστήματος προγραμματιστών
Καθώς ωριμάζουν οι εφαρμογές και τα ανοιχτά πηγαία πλαίσια, είναι βέβαιο ότι θα καταλύσουν ένα ισχυρό οικοσύστημα εξειδικευμένων προγραμματιστών κβαντικής τεχνητής νοημοσύνης που κάνουν καινοτόμο εργασία οδηγώντας αυτήν την τεχνολογία σε καθημερινές εφαρμογές.
Όλο και περισσότερο, βλέπουμε την ανάπτυξη ενός οικοσυστήματος προγραμματιστή για την κβαντική AI. Καθένας από τους σημαντικότερους πωλητές cloud κβαντικής AI (Google, Microsoft, Amazon Web Services και IBM) επενδύει σε μεγάλο βαθμό στη διεύρυνση της κοινότητας προγραμματιστών. Οι σχετικές πρωτοβουλίες προμηθευτών περιλαμβάνουν τα ακόλουθα:
