Kunstmatige intelligentie maakt deel uit van ons moderne leven door machines in staat te stellen nuttige processen te leren, zoals spraakherkenning en digitale persoonlijke assistenten. Een cruciale vraag voor praktische toepassingen is hoe snel zulke intelligente machines kunnen leren. Een experiment aan de Universiteit van Wenen heeft deze vraag beantwoord:waaruit blijkt dat kwantumtechnologie een versnelling in het leerproces mogelijk maakt. de fysici, in een internationale samenwerking binnen Oostenrijk, Duitsland, Nederland, en de VS, hebben dit resultaat bereikt door als robot een kwantumprocessor voor enkele fotonen in te zetten. Dit werk, die bijdraagt ​​aan de vooruitgang van kwantum kunstmatige intelligentie voor toekomstige toepassingen, is gepubliceerd in het huidige nummer van het tijdschrift Natuur .

Robots die computerspelletjes oplossen, het herkennen van menselijke stemmen, of helpen bij het vinden van optimale medische behandelingen:dat zijn slechts enkele verbluffende voorbeelden van wat het veld van kunstmatige intelligentie de afgelopen jaren heeft opgeleverd. De voortdurende race om betere machines heeft geleid tot de vraag hoe en met welke middelen verbeteringen kunnen worden gerealiseerd. parallel, enorme recente vooruitgang in kwantumtechnologieën hebben de kracht van kwantumfysica bevestigd, niet alleen vanwege de vaak eigenaardige en raadselachtige theorieën, maar ook voor real-life toepassingen. Vandaar, het idee om de twee velden samen te voegen:aan de ene kant, kunstmatige intelligentie met zijn autonome machines; anderzijds, kwantumfysica met zijn krachtige algoritmen.

De afgelopen jaren is veel wetenschappers zijn begonnen te onderzoeken hoe ze deze twee werelden kunnen overbruggen, en om te onderzoeken op welke manieren kwantummechanica gunstig kan zijn voor lerende robots, of vice versa. Verschillende fascinerende resultaten hebben aangetoond, bijvoorbeeld, robots beslissen sneller over hun volgende zet, of het ontwerpen van nieuwe kwantumexperimenten met behulp van specifieke leertechnieken. Nog, robots waren nog steeds niet in staat om sneller te leren, een sleutelelement in de ontwikkeling van steeds complexere autonome machines.

Binnen een internationale samenwerking onder leiding van Philip Walther, een team van experimentele natuurkundigen van de Universiteit van Wenen, samen met theoretici van de Universiteit van Innsbruck, de Oostenrijkse Academie van Wetenschappen, de Leidse universiteit, en het Duitse ruimtevaartcentrum, zijn erin geslaagd om voor het eerst experimenteel een versnelling in de leertijd van de robot aan te tonen. Het team heeft gebruik gemaakt van enkele fotonen, de fundamentele deeltjes van licht, gekoppeld aan een geïntegreerde fotonische kwantumprocessor, die is ontworpen aan het Massachusetts Institute of Technology. Deze processor werd gebruikt als robot en voor het uitvoeren van de leertaken. Hier, de robot zou leren om de afzonderlijke fotonen naar een vooraf gedefinieerde richting te leiden. "Het experiment zou kunnen aantonen dat de leertijd aanzienlijk wordt verminderd in vergelijking met het geval waarin geen kwantumfysica wordt gebruikt, " zegt Valeria Saggio, eerste auteur van de publicatie.

In een notendop, het experiment kan worden begrepen door je een robot voor te stellen die op een kruispunt staat, voorzien van de taak om te leren altijd de bocht naar links te nemen. De robot leert door een beloning te krijgen bij het uitvoeren van de juiste beweging. Nutsvoorzieningen, als de robot in onze gebruikelijke klassieke wereld wordt geplaatst, dan zal het ofwel een bocht naar links of rechts proberen, en wordt alleen beloond als de bocht naar links wordt gekozen. In tegenstelling tot, wanneer de robot gebruikmaakt van kwantumtechnologie, de bizarre aspecten van de kwantumfysica spelen een rol. De robot kan nu gebruik maken van een van zijn beroemdste en meest bijzondere eigenschappen, het zogenaamde superpositieprincipe. Dit kan intuïtief worden begrepen door je voor te stellen dat de robot de twee beurten neemt, links en rechts, tegelijkertijd. "Deze sleutelfunctie maakt de implementatie mogelijk van een kwantumzoekalgoritme dat het aantal proeven voor het leren van het juiste pad vermindert. een agent die zijn omgeving in superpositie kan verkennen, zal aanzienlijk sneller leren dan zijn klassieke tegenhanger, " zegt Hans Briegel, die met zijn groep aan de Universiteit van Innsbruck de theoretische ideeën over kwantumleermiddelen ontwikkelde.

Deze experimentele demonstratie dat machine learning kan worden verbeterd door quantum computing te gebruiken, laat veelbelovende voordelen zien bij het combineren van deze twee technologieën. "We staan ​​nog maar aan het begin van het begrijpen van de mogelijkheden van kwantum kunstmatige intelligentie", zegt Philip Walther, "en dus draagt ​​elk nieuw experimenteel resultaat bij aan de ontwikkeling van dit veld, die momenteel wordt gezien als een van de meest vruchtbare gebieden voor quantum computing."