Hvordan henger kvanteteknologi og kunstig intelligens sammen?
Kunstig intelligens lærer mønstre fra store mengder data. Kvanteteknologi bruker andre fysiske prinsipper til å beregne, simulere og måle. På sikt kan de to feltene møtes.
KORT FORTALT
- AI kan hjelpe forskere å styre og utvikle kvantesystemer.
- Kvanteberegning kan bli relevant for enkelte maskinlæringsoppgaver.
- «Quantum AI» er ikke en garanti for bedre AI.
- Vurder nytten mot modenhet, kostnad og databehov.
DETTE SKJER NÅ
AI og kvante utvikles i økende grad i samme økosystem. AI brukes blant annet til kalibrering, feildiagnostikk og styring av kvantehardware, mens kvanteberegning undersøkes for bestemte simulerings- og optimaliseringsoppgaver. Dette er et forskningsfelt med lovende resultater, men ikke en snarvei til bedre AI.
Den praktiske testen er den samme som alltid: Finnes det en konkret oppgave, et godt datasett og en klassisk referanse som den nye metoden må slå?
To teknologier med ulike styrker
AI er god på mønstergjenkjenning og prediksjon. Kvanteberegning er interessant for bestemte matematiske strukturer, simuleringer og optimaliseringsproblemer.
Det gjør at de kan utfylle hverandre, men ikke at den ene automatisk gjør den andre bedre.
Hvor møtes de?
AI kan brukes til å kalibrere kvanteutstyr og oppdage feil. Kvanteberegning kan på sikt bidra til enkelte deler av modelltrening eller simulering.
Be alltid om en tydelig problemdefinisjon og sammenligning med den beste klassiske metoden.
KVANTEKLAR PÅ E-POST
Få det viktigste forklart i innboksen.To teknologier, to ulike styrker
Kunstig intelligens er først og fremst et sett med metoder for å finne mønstre, lage prediksjoner og automatisere beslutningsstøtte fra data. Kvanteteknologi bygger på kvantemekanikk og undersøkes for beregning, simulering, sensing og kommunikasjon. Det er derfor ikke meningsfullt å spørre hvilken teknologi som «vinner». Spørsmålet er hva slags problem som skal løses.
AI er allerede nyttig i arbeidet med kvantehardware. Modeller kan hjelpe med kalibrering, feildeteksjon, kontroll og tolkning av store målemengder. På den andre siden undersøkes kvantealgoritmer for enkelte oppgaver i optimalisering, simulering og maskinlæring. De fleste av disse mulighetene må fortsatt dokumenteres i forhold til klassiske metoder.
Hvorfor begrepet Quantum AI kan villede
«Quantum AI» kan høres ut som en ferdig kombinasjon, men brukes om flere ulike ideer. Det kan bety AI brukt til å forbedre kvantesystemer, kvantealgoritmer brukt i maskinlæring eller bare en strategisk satsing i skjæringspunktet mellom to forskningsfelt. En leder bør be om en presis forklaring før begrepet brukes i en strategi eller et innkjøp.
Et godt prosjekt beskriver datasettet, oppgaven, dagens metode og hva som skal bli bedre. Det kan være lavere kostnad, bedre presisjon, kortere tid eller en løsning på et problem dagens metoder ikke håndterer. Uten en slik referanse er det vanskelig å vite om kvante faktisk bidrar.
Et klokt første steg
Kartlegg hvilke AI-prosesser som allerede er viktige for virksomheten, og hvilke som er begrenset av datamengde, beregningstid eller modellkvalitet. Følg deretter med på kvanteutvikling innen akkurat disse problemtypene. Det gir et mer realistisk bilde enn å følge alle nyheter om Quantum AI.
Kompetansen bør også bygges på tvers av fagmiljøer. Teknologer kan vurdere metode og integrasjon, mens fagpersoner kan avgjøre om resultatet faktisk betyr noe. Det er i dette møtet mellom teknikk og behov at en mulig fordel blir synlig.
VANLIGE SPØRSMÅL
Det mange lurer på
Vil kvante gjøre alle AI-modeller bedre?
Nei. Eventuelle fordeler vil være knyttet til bestemte oppgaver og algoritmer.
KILDER OG VIDERE LESING
Google: AI features and your websiteVIL DU BLI KVANTEKLAR?
Få vår korte guide på e-post.
Et praktisk startpunkt for ledere og virksomheter som vil forstå muligheter, risiko og neste steg.
Last ned «10 ting du bør vite»