Robotter lærer hurtigere med kvanteteknologi

Kunstig intelligens er en del af vores moderne liv ved at gøre det muligt for maskiner at lære nyttige processer såsom talegenkendelse og digitale personlige assistenter. Et afgørende spørgsmål for praktiske anvendelser er, hvor hurtigt sådanne intelligente maskiner kan lære. Et eksperiment på universitetet i Wien har besvaret dette spørgsmål, viser, at kvanteteknologi muliggør en fremskyndelse af læreprocessen. Fysikerne, i et internationalt samarbejde i Østrig, Tyskland, Holland, og USA, har opnået dette resultat ved at bruge en kvanteprocessor til enkelte fotoner som en robot. Dette arbejde, som bidrager til fremme af kvantekunstig intelligens til fremtidige applikationer, er offentliggjort i det aktuelle nummer af tidsskriftet Natur .

Robotter, der løser computerspil, genkende menneskestemmer, eller hjælpe med at finde optimale medicinske behandlinger:det er kun nogle få forbløffende eksempler på, hvad feltet kunstig intelligens har frembragt i de seneste år. Det igangværende kapløb om bedre maskiner har ført til spørgsmålet om, hvordan og med hvilke midler der kan opnås forbedringer. Parallelt, enorme nylige fremskridt inden for kvanteteknologier har bekræftet kvantefysikkens kraft, ikke kun for dets ofte ejendommelige og forvirrende teorier, men også til virkelige applikationer. Derfor, ideen om at fusionere de to felter:på den ene side, kunstig intelligens med dens autonome maskiner; på den anden side, kvantefysik med dens kraftfulde algoritmer.

I løbet af de sidste par år, mange videnskabsmænd er begyndt at undersøge, hvordan man kan bygge bro mellem disse to verdener, og at studere på hvilke måder kvantemekanik kan vise sig at være gavnligt for at lære robotter, eller omvendt. Flere fascinerende resultater har vist, for eksempel, robotter, der beslutter sig hurtigere for deres næste træk, eller design af nye kvanteeksperimenter ved hjælp af specifikke læringsteknikker. Endnu, robotter var stadig ude af stand til at lære hurtigere, en nøglefunktion i udviklingen af ​​stadig mere komplekse autonome maskiner.

Inden for et internationalt samarbejde ledet af Philip Walther, et team af eksperimentelle fysikere fra universitetet i Wien, sammen med teoretikere fra universitetet i Innsbruck, det østrigske videnskabsakademi, Leiden Universitet, og German Aerospace Center, har haft succes med eksperimentelt for første gang at bevise en fremskyndelse af selve robottens indlæringstid. Holdet har gjort brug af enkelte fotoner, de grundlæggende lyspartikler, koblet til en integreret fotonisk kvanteprocessor, som blev designet på Massachusetts Institute of Technology. Denne processor blev brugt som en robot og til at implementere læringsopgaverne. Her, robotten ville lære at dirigere de enkelte fotoner til en foruddefineret retning. "Eksperimentet kunne vise, at indlæringstiden er væsentligt reduceret sammenlignet med det tilfælde, hvor der ikke bruges kvantefysik, " siger Valeria Saggio, første forfatter til publikationen.

I en nøddeskal, eksperimentet kan forstås ved at forestille sig en robot, der står ved en korsvej, forsynet med opgaven at lære altid at tage venstresvinget. Robotten lærer ved at opnå en belønning, når den udfører det rigtige træk. Nu, hvis robotten er placeret i vores sædvanlige klassiske verden, så vil den prøve enten at dreje til venstre eller højre, og vil kun blive belønnet, hvis venstresvinget er valgt. I modsætning, når robotten udnytter kvanteteknologi, de bizarre aspekter af kvantefysikken spiller ind. Robotten kan nu gøre brug af en af ​​dens mest berømte og ejendommelige funktioner, det såkaldte superpositionsprincip. Dette kan intuitivt forstås ved at forestille sig, at robotten tager de to drejninger, venstre og højre, på samme tid. "Denne nøglefunktion muliggør implementering af en kvantesøgningsalgoritme, der reducerer antallet af forsøg for at lære den korrekte vej. Som en konsekvens heraf, en agent, der kan udforske sit miljø i superposition, vil lære betydeligt hurtigere end sin klassiske modpart, siger Hans Briegel, som udviklede de teoretiske ideer om kvantelæringsagenter sammen med sin gruppe på universitetet i Innsbruck.

Denne eksperimentelle demonstration af, at maskinlæring kan forbedres ved at bruge kvanteberegning viser lovende fordele, når disse to teknologier kombineres. "Vi er kun i begyndelsen af ​​at forstå mulighederne for kvante kunstig intelligens," siger Philip Walther, "og således bidrager hvert nyt eksperimentelt resultat til udviklingen af ​​dette felt, som i øjeblikket ses som et af de mest frugtbare områder for kvanteberegning."