量子コンピューティングは人工知能の未来でしょうか?

量子コンピューティングは「量子状態」でさまざまな結果に対応できるため、機械学習や人工知能の問題に対する計算能力を大幅に向上させる可能性があります。しかし、量子コンピューティングをめぐっては未だに多くの未解決の疑問が残っており、こうしたデバイスが企業の AI 投資の波を生み出すのに役立つかどうかは不明だ。

[[435829]]

1950 年代に初めて登場したバイナリ コンピュータは、今日の 1 兆ドル規模の IT (情報技術) 産業の基盤へと進化しました。わずか 2 ビットと 3 つのブール代数演算子を使用して、私たちは膨大なデータ処理マシンを作成し、多くの手動タスクを自動化し、私たちの周りの世界に大きな影響を与えてきました。基本的な会計や電子商取引から、飛行制御コンピュータやゲノムの理解に至るまで、コンピュータは私たちの現代生活に大きな影響を与えてきました。

しかし、従来のバイナリ コンピューターの限界に近づくにつれて、量子コンピューターが登場し、(まだ実現されていないが) 計算能力が大幅に向上します。量子コンピューティングは、1 と 0 のブール線形代数関数に限定されなくなり、重ね合わせ、エンタングルメント、干渉などの量子状態で相互作用する数値、ベクトル、行列で構成される量子または量子ビットに対して線形代数を使用できるようになります。

量子コンピューティングは、従来のコンピュータでは解決できない非常に大規模で複雑な計算問題を解決する可能性を開きます。たとえば、「ブルートフォース」方式を使用して、256 ビット アルゴリズムで暗号化されたデータのパスワードを推測します。 AES-256 を使用して暗号化されたデータは、ブルートフォースによって解読できないため、非常に安全であると考えられています。しかし、量子コンピュータは複数の可能な状態を計算できるため、このような問題を解決することは可能になります。

——Google Sycamore 量子プロセッサ

もう一つの例は巡回セールスマン問題です。いくつかの地理的位置が与えられた場合、それらの間で最も効率的な経路を見つけることは、実際には古典的な計算集約型の問題です。 UPSは配送トラックの燃料費に数十億ドルを費やしており、配送時間を最小限に抑え、燃料消費量を削減するために、ドライバーの左折回数を制限している。

これが機械学習と人工知能につながります。機械学習 (ML) の最新形式であるディープラーニング (DL) は、従来のコンピューター機能の限界に挑戦しています。 1,750億のパラメータを持つOpenAIのGPT-3のような大規模なTransformerモデルは、従来のコンピューターでトレーニングするには数か月かかります。将来、モデルのパラメータが数兆個に増えるにつれて、トレーニングにかかる​​時間は長くなります。これが、従来の CPU や GPU よりも優れたパフォーマンスを提供する新しいマイクロプロセッサ アーキテクチャをユーザーが採用している理由の 1 つです。

しかし、CPU や GPU を含むこれらすべては、従来のバイナリ コンピューターに結び付けられており、固有の制限があります。量子コンピュータは、さまざまなユースケースでパフォーマンスと機能を飛躍的に向上させる可能性を提供しますが、AI もその 1 つです。

量子 AI は、量子コンピューティングを使用して機械学習アルゴリズムを実行することと定義されます。量子コンピューティングの計算上の利点により、量子 AI は従来のコンピュータでは不可能な結果を​​達成するのに役立ちます。

Google は、この分野に参入した最初の量子コンピュータメーカーの 1 つです。 2020 年 3 月、Google は TensorFlow Quantum をリリースし、TensorFlow 機械学習開発ライブラリを量子コンピュータの世界にもたらしました。 TensorFlow Quantum を使用すると、開発者は量子コンピュータ上で実行される量子ニューラル ネットワーク モデルを開発できるようになります。

Google TensorFlow 量子

量子コンピューター上で AI アプリケーションを実行することはまだ初期段階ですが、その開発に取り組んでいる組織は数多くあります。たとえば、NASA はしばらく前から Google と協力しています。

そして研究者たちは、量子人工知能アルゴリズムが計算能力の次なる飛躍的進歩をもたらす可能性に期待を寄せている。このアプローチにより、大量のデータを処理する新しい方法が生まれます。

今年初め、IBMリサーチは量子機械学習における量子優位性の「数学的証拠」を発見したと発表した。この証明は、「古典的なデータ」へのアクセスを提供し、古典的な ML 手法よりも「証明可能な指数関数的な高速化」を提供する分類アルゴリズムの形で提供されます。これにより、量子人工知能によって実現できる可能性のある未来を垣間見ることができます。

確かに、人工知能と量子コンピューティングという、大いに宣伝されている 2 つの技術が融合すると、常に多くの疑問が生じます。 IBMは2021年7月に「コンピューターサイエンスにおいて、量子機械学習ほどの興奮を生み出す概念、あるいは量子機械学習ほど誇大宣伝や誤報を生み出す可能性のある概念はほとんどない」と述べた。

量子 AI には可能性があるように見えますが、その可能性はまだ実現されていません。明るい面としては、少なくとも将来的に本当の進歩があるかもしれないという楽観的な理由がある。

しかし懐疑論者の言う通り、量子コンピューティングはまだ研究分野であり、ニューラルネットワークに適用されるには程遠い。しかし、10年以内に、コンピューティング能力の不足により、人工知能は再び停滞期に入る可能性があり、量子コンピューティングの台頭により、人工知能は引き続き高速で発展するでしょう。

量子コンピューティングの分野が人工知能の発展に大きな影響を与えるかどうかを判断するのは時期尚早です。有望な進歩は数多くありますが、未解決の疑問も多く残っています。