Über den Einsatz von Cookies auf dieser Website Unsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten. Weitere Informationen finden Sie in Ihren. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben. Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.
Was ist Quantum KI?
Veröffentlicht: 12. März 2024
Mitwirkende: Josh Schneider, Ian Smalley
Künstliche Quantenintelligenz (Quantum Artificial Intelligence, QAI) ist ein aufstrebendes Gebiet der Informatik, das die revolutionäre Leistung des Quantencomputings für die Erforschung und Entwicklung verbesserter Produkte der künstlichen Intelligenz einsetzt, wie z. B. Algorithmen des maschinellen Lernens, neuronale Netze und große Sprachmodelle (Large Language Models, LLM).
Die Forschung auf dem Gebiet des Quantencomputings und der künstlichen Intelligenz ist zwar schon seit Jahrzehnten im Gange, aber bis vor Kurzem sah es so aus, als befänden sich beide Technologien noch in den Kinderschuhen. Jüngste bahnbrechende Fortschritte haben künstliche Intelligenz mit der Veröffentlichung fortschrittlicher automatischer Text- und Grafikgeneratoren, wie ChatGPT und MidJourney, in den Mainstream katapultiert. Anfang der 2020er Jahre ist das Interesse an und das Engagement für KI-Tools für Verbraucher stark angestiegen und es gibt scheinbar endlose KI-Integrationen für Unternehmensprodukte, die von Finanzen bis hin zu Pharmazeutika und Automatisierung bis hin zur Optimierung reichen.
Während das Versprechen einer künstlichen Intelligenz, die in der Lage ist, mit einer ähnlichen Kapazität wie die menschliche Intelligenz zu arbeiten (oder diese sogar zu übertreffen), in greifbare Nähe gerückt zu sein scheint, kämpfen die derzeitigen Technologien damit, die erheblichen Software- und Hardwarebeschränkungen zu überwinden. Leider wird das enorme Potenzial der KI nach wie vor durch den extremen Energieverbrauch, die langen Verarbeitungszeiten und den hohen Rechenaufwand, den aktuelle KI-Systeme erfordern, beeinträchtigt, sodass sie noch nicht in großem Maßstab eingesetzt werden kann.
Während moderne Modelle die Grenzen klassischer (oder traditioneller) Computer bis auf das Maximum ausreizen, ist die Anwendung von Quantencomputing auf die KI-Entwicklung bereit, beide Technologien in ein revolutionäres neues Zeitalter zu katapultieren. Genauso wie die KI der nächsten Generation die strengen Grenzen klassischer Computer herausfordert, ebnen die paradigmenverändernden Fähigkeiten des Quantencomputings der künstlichen Intelligenz einen Weg in die Zukunft und eröffnen nahezu unbegrenzte Möglichkeiten.
Das Aufkommen von Quantum KI könnte für unzählige Branchen – darunter die pharmazeutische Forschung, die Klimawissenschaft, Data Science, die Wettermodellierung, das Finanzwesen und sogar die Kunst – einen entscheidenden Wandel bedeuten und prognostiziert bereits jetzt eine unbestreitbare Verwirklichung der fortschrittlichsten und experimentellsten Forschungstechnologien der Wissenschaft. Die Integration von Quantencomputing in verbesserte künftige KI-Systeme könnte neue Grenzen in Bezug auf Rechenleistung, Algorithmeneffizienz und allgemeine Problemlösungsfähigkeiten eröffnen. Trotz ihrer Komplexität könnte sich QAI als entscheidender Faktor erweisen, um die größten Herausforderungen der Menschheit zu überwinden.
Die Mitglieder des IBM Quantum Network arbeiten umfassend zusammen und profitieren von engen Arbeitsbeziehungen zu unseren internen Experten.
Am einfachsten lässt sich ein Quantencomputer als jedes Computersystem definieren, das die Eigenschaften der Quantenmechanik nutzt, um Daten zu kodieren, zu übertragen und/oder zu bearbeiten.
Herkömmliche, klassische Computer verwenden Bits zur Darstellung von Daten. Jedes Bit steht entweder für eine 0 oder eine 1. Wenn es zu Binärcode kombiniert wird, können wir Computer verwenden, um alles zu erstellen, von einfachen Betriebssystemen bis hin zu den fortschrittlichsten Supercomputing-Berechnungen. Klassische Computer kodieren Daten mithilfe von Elektrizität, die durch Transistoren und Mikroprozessoren geleitet wird, in Bits.
Quantencomputer verwenden jedoch Qubits (Quantenbits). Dabei handelt es sich um spezielle subatomare Partikel, die aus Atomen, supraleitenden elektrischen Schaltkreisen oder anderen Arten von Teilchen bestehen, um Daten nicht nur in zwei Zuständen (0 oder 1) zu kodieren, sondern auch in einem dritten Zustand, der weder 0 noch 1 ist und gleichzeitig als 0 oder 1 betrachtet werden kann. Dieses komplizierte quantenmechanische Konzept wird Superposition genannt und repräsentiert eine unbekannte Art von Wahrscheinlichkeit, die dazu genutzt werden kann, exponentiell mehr Informationen in den Quantenzuständen von Qubits zu kodieren. Außerdem können zwei Qubits durch Quantenverschränkung so miteinander verbunden werden, dass sie jeweils Informationen über das andere enthalten. Durch die Gruppierung dieser Arten von Qubits entstehen logische Qubits, mit denen nützliche Quantencomputer erstellt und Fehler reduziert werden können (als Dekohärenz bezeichnet).
Quantenprozessoren führen mathematische Gleichungen nicht auf die gleiche Weise aus wie klassische Computer. Anspruchsvolle Berechnungen, für die ein klassischer Computer Hunderttausende von Jahren benötigen würde, könnten mit Quantenalgorithmen in wenigen Minuten gelöst werden. Im Gegensatz zu klassischen Computern (die jeden Schritt einer komplizierten Berechnung durchführen müssen) können Quantenschaltungen aus logischen Qubits (wie sie in fehlerbereinigten Quantencomputern verwendet werden) enorme Datensätze fast gleichzeitig zuverlässig verarbeiten, wodurch sich die Effizienz um ein Vielfaches verbessert. Das ist möglich, weil Quantencomputer wahrscheinlichkeitstheoretisch arbeiten und die wahrscheinlichste Lösung für ein bestimmtes Problem finden, während herkömmliche Computer deterministisch arbeiten und mühsame Berechnungen durchführen müssen, um ein bestimmtes singuläres Ergebnis für eine bestimmte Eingabe zu ermitteln.
Vergleich von Quanten- und traditionellem Computing
Klassisches Computing
- Wird von gängigen Mehrzweckcomputern und -geräten verwendet.
- Speichert Informationen in Bits mit einer diskreten Anzahl möglicher Zustände: 0 oder 1.
- Verarbeitet Daten logisch und sequentiell.
Quantencomputing
- Wird von schneller, spezialisierter und experimenteller, auf Quantenmechanik basierender Quantenhardware verwendet.
- Speichert Informationen in Qubits mit einem zusätzlichen möglichen Quantenzustand: 0, 1 oder einer Superposition von 0 und 1.
- Verarbeitet Daten mit Quantenlogik auf parallelen Instanzen.
Während Quantencomputer den klassischen Computern bei der Verarbeitung großer Datenmengen oder der Lösung anderer Probleme wie fortgeschrittener Primfaktorrechnung weit überlegen sind, ist Quantencomputing nicht für alle Umstände ideal bzw. sogar für die meisten nicht geeignet. Realistisch gesehen wird die klassische Informatik weiterhin einen wichtigen Platz im Normalbetrieb einnehmen. Allerdings werden mit der Cloud verbundene Quantencomputer oder hybride Ökosysteme bereits für eine Vielzahl fortschrittlicher Anwendungen eingesetzt.
Die Technologie der künstlichen Intelligenz ermöglicht es Computern, menschliche Intelligenz und Problemlösungsfähigkeiten zu simulieren.
Alleine oder in Kombination mit anderen Technologien (z. B. Sensoren, Geolokalisierung, Robotik) kann KI Aufgaben übernehmen, die sonst menschliche Intelligenz oder Intervention erfordern würden. Zu den gängigen Beispielen nützlicher KI gehören digitale Assistenten, GPS-Navigation, autonome Fahrzeuge, Kunst aus generativer KI und Schreibtools.
Künstliche Intelligenz schließt maschinelles Lernen und Deep Learning mit ein und umfasst die Entwicklung von Algorithmen, die den Entscheidungsprozessen des menschlichen Gehirns nachempfunden sind. Sie „lernen“ aus verfügbaren Daten und können im Laufe der Zeit immer genauere Klassifizierungen durchführen und Vorhersagen treffen. Heute kann generative KI nicht nur Sprache, sondern auch andere Datentypen wie Bilder, Videos, Softwarecode und sogar molekulare Strukturen erlernen und replizieren.
Wichtige Anwendungsfälle für künstliche Intelligenz
- Spracherkennung: KI wird häufig in sprachgesteuerten digitalen Assistenten eingesetzt und ermöglicht die sprachgestützte Steuerung von Technologien, sodass KI-Produkte Sprachbefehle verstehen und darauf reagieren können. Textbasierte Systeme, wie z. B. Chatbots, werden zunehmend im Bildungsbereich und Kundenservice eingesetzt.
- Computer Vision: Mit dieser KI-Technologie können Computer und Systeme aussagekräftige Informationen aus digitalen Bildern, Videos und anderen visuellen Eingaben ableiten, wie z. B. kamerabasierte Übersetzungs-Apps, die in der Lage sind, Fremdsprachen zu lesen und zu übersetzen.
- Optimierung der Lieferkette: Von der Erstellung der effizientesten Versandrouten bis hin zur Schätzung und Automatisierung von Produktionslinien: KI-Technologie verbessert zunehmend die globalen Lieferketten, reduziert Ausschuss und erhöht die Liefergeschwindigkeiten.
- Wettervorhersagen: Die prädiktive Wettermodellierung profitiert bei der Verarbeitung komplexer und hochprobabilistischer Datensätze von künstlicher Intelligenz, um genauere Prognosen zu erstellen und so Naturkatastrophen vorzubeugen und den Wiederaufbau zu unterstützen.
- Anomalieerkennung: KI-Modelle können große Datenmengen durchsuchen und atypische Datenpunkte innerhalb eines Datensatzes aufspüren. Diese Anomalien können das Bewusstsein für fehlerhafte Geräte, menschliches Versagen oder Verstöße gegen die Cybersicherheit schärfen.
Bei all den möglichen Vorteilen der angewandten KI eröffnet die hochentwickelte Quantum KI (QAI) einen potenziell exponentiellen Multiplikator durch erhöhte Verarbeitungsgeschwindigkeit, Leistung und Fähigkeiten.
Da es sich um eine neue Technologie handelt, werden die allgemeinen Auswirkungen von KI auf unser tägliches Leben noch erforscht, aber ihre Verbreitung nimmt rapide zu. Während wir weiterhin wertvolle Anwendungsmöglichkeiten für KI in verschiedenen Branchen untersuchen, prognostiziert Goldman Sachs, dass KI das globale BIP bis 2033 um 7 % steigern könnte (Link befindet sich außerhalb von ibm.com).
Da Quantencomputer so gut für die Verarbeitung riesiger Datenmengen geeignet sind, ist Quantencomputing für jedes Problem, das die Verarbeitung großer Datenmengen erfordert, von Vorteil. QAI könnte zum Beispiel die Trainingszeit von LLMs von Wochen auf Stunden reduzieren und so die nahezu sofortige Entwicklung neuer KI-Assistenten ermöglichen, die auf eine Vielzahl komplexer, technischer oder sogar experimenteller Themen spezialisiert sind. Neben generativen KI-Tools wird QAI eine Reihe kritischer Bereiche revolutionieren. Hier sind einige Beispiele:
Jüngste Untersuchungen von IBM legen nahe, dass die praktische Entwicklung von Medikamenten bereits innerhalb der Möglichkeiten (Link befindet sich außerhalb von ibm.com) heutiger Quantencomputer liegt. Mithilfe von QAI wollen Forscher die Molekularbiologie besser modellieren und die Entwicklung neuer und besserer Arzneimittel deutlich beschleunigen, um so die Markteinführungszeit kritischer Behandlungen zu verkürzen. QAI lässt sich auch zur Analyse riesiger Mengen an Patientendaten einsetzen, um wertvolle Erkenntnisse für die Wirksamkeit von Behandlungen und die Vorsorge zu gewinnen.
Viele große Broker nutzen die Automatisierung, um Handelsportfolios zu optimieren, aber die KI wird weniger leistungsfähig, wenn die Handelsstrategien immer komplexer werden. Die Fähigkeit von QAI, Muster in großen, komplexen Datensätzen zu finden und anhand dieser Vorhersagen zu treffen, könnte zu bahnbrechenden KI-gestützten Handelsplattformen führen, die die erfolgreichsten Portfolios nachbilden und Investitionen dynamisch anpassen können, um Gewinne zu maximieren. Darüber hinaus werden die Auswirkungen der Quantum-Technologie auf die fortschrittlichsten Cybersicherheitsprotokolle wie Kryptographie und Kryptowährungen zu einer neuen Generation von Kryptosystemen der nächsten Generation führen, die derzeit entwickelt werden.
Eine Anwendung, bei der Quantencomputer besonders nützlich sind, ist die Modellierung der extrem komplexen natürlichen Welt. Daher lassen sich Prozesse wie Wettervorhersagen und -prognosen mithilfe von QAI erheblich verbessern. Darüber hinaus könnte sich QAI als entscheidendes Tool für die Weiterentwicklung der Klimawissenschaft erweisen, von der Prüfung der Wirksamkeit von Initiativen zur Kohlenstoffreduzierung bis hin zur Entwicklung experimenteller grüner Technologien.
Seit der Demonstration des ersten brauchbaren Prototyps eines Quantencomputers in den 1980er Jahren haben die Forscher enorme Fortschritte bei der Entwicklung von Quantensystemen gemacht. Große Technologieinstitute wie IBM haben bahnbrechende Erfolge bei der Entwicklung von Geräten und Prozessen erzielt, z. B. neutrale Atom- und supraleitende Qubit-Systeme, Quantenprozessoren mit gefangenen Ionen und superkühlende Computerkomponenten, die in der Lage sind, die kalten Temperaturen zu erzeugen, die erforderlich sind, um die Qubit-Kohärenz aufrechtzuerhalten, die Auswirkungen der Dekohärenz abzuschwächen und die Bedingungen für zuverlässige Berechnungen zu schaffen. In der Zwischenzeit machen die Forscher auch Fortschritte im Bereich des Quantencomputings bei Raumtemperatur, wodurch praktisches Quantencomputing (und nützliche QAI) viel leichter zu erreichen sind.
Neben der Hardware entwickeln, definieren und optimieren Quanteningenieure auch neue Frameworks, um Forschern entsprechende Entwicklungstools und Ressourcen zum Entwerfen, Simulieren und Ausführen von QAI-Algorithmen an die Hand zu geben. Eine dieser Initiativen, TensorFlow Quantum, bietet eine Open-Source-Bibliothek mit umfassenden Entwicklungstools für die Integration von Quantenfunktionen in Workflows für maschinelles Lernen. Ebenso bieten quantennative Computing-Sprachen ein Open-Source-Framework. Es ermöglicht Forschern, neue Quantenalgorithmen zu entwerfen, zu optimieren und zu analysieren.
Auch wenn die zusätzliche Forschung im Bereich Quantencomputing die Probleme der KI bei der Verarbeitung großer Datenmengen mit praktischer Geschwindigkeit lösen könnte, müssen sowohl das Quantencomputing als auch die künstliche Intelligenz noch eine Reihe von Hürden überwinden, bevor eine weit verbreitete Nutzung von Quantentechnologien wie QAI und maschinelles Lernen mit Quanten realisierbar wird. Im Bereich der Quantentechnologie gibt es immer noch Hindernisse wie die Dekohärenz von Qubits, Fehlerkorrektur und Skalierbarkeit. Forscher auf dem Gebiet der künstlichen Intelligenz entwickeln ständig neue Produkte, wie z. B. große Handlungsmodelle (Large Action Models, LAM), die nicht nur Sprache vorhersagen, sondern auch Handlungen und andere Formen der Ausgabe generieren können, um die funktionalen Fähigkeiten und den Nutzen der bestehenden KI-Technologie zu verbessern.
Die Auseinandersetzung mit den ethischen, regulatorischen und gesellschaftlichen Konsequenzen beim Einsatz von QAI-Technologien ist unerlässlich, um eine verantwortungsvolle Innovation und einen gleichberechtigten Zugang zu den Vorteilen quantengestützter Lösungen zu gewährleisten. Die Anwendungen für QAI nehmen, genau wie die der KI, täglich zu. Aber da der Hype um den Einsatz von KI-Tools in der Wirtschaft Fahrt aufnimmt, werden Gespräche über verantwortungsvolle KI und KI-Ethik noch wichtiger.
Weiterführende Lösungen
Unsere Nutzer haben über Qiskit Runtime, unseren Service für Quantencomputing und unser Programmiermodell für Dienstprogramme, Zugriff auf die größte Quantencomputerflotte der Welt.
KI auf IBM® Z nutzt maschinelles Lernen, um Daten aus jeder Transaktion in Echtzeit-Erkenntnisse umzuwandeln. Erhalten Sie Einblicke in Erkenntnisse und erzielen Sie schnell zuverlässige, umsetzbare Ergebnisse, ohne dass Sie Daten bewegen müssen. Verwenden Sie Open-Source-Frameworks und -Tools, um KI und maschinelles Lernen auf Ihre wertvollsten Unternehmensdaten in IBM Z anzuwenden.
IBM® Security Guardium ist eine Software-Reihe für Datensicherheit im IBM Security-Portfolio, die Schwachstellen aufdeckt und sensible Daten lokal und in der Cloud schützt. Erfahren Sie, wie IBM Ihrem Unternehmen helfen kann, sich mit quantensicherem Schutz auf die Zukunft der KI vorzubereiten.
Ressourcen
Quantencomputing nutzt spezielle Technologien – einschließlich Computerhardware und Algorithmen, die die Vorteile von Quantenmechaniken nutzen –, um komplexe Probleme zu lösen, die klassische Computer oder Supercomputer nicht oder nicht schnell genug lösen können.
Lernen Sie die Grundlagen des Quantencomputings kennen und erfahren Sie, wie Sie die Services und Systeme von IBM Quantum nutzen können, um reale Probleme zu lösen.
Künstliche Intelligenz oder KI ist eine Technologie, die es Computern und Maschinen ermöglicht, menschliche Intelligenz und Problemlösungsfähigkeiten zu simulieren. Als Teilgebiet der Informatik umfasst künstliche Intelligenz maschinelles Lernen und Deep Learning (und wird oft zusammen mit diesen genannt).
Ein Qubit oder Quantenbit ist die grundlegende Informationseinheit, die zum Kodieren von Daten im Quantencomputing verwendet wird. Es kann am besten als Quantenäquivalent des traditionellen Bits verstanden werden, das von klassischen Computern zum Kodieren von Informationen in Binärform verwendet wird.
Jetzt, wo wir in das Zeitalter der Quantennutzung eingetreten sind, verwenden wir Quantencomputer, um Zugang zu einer Rechenwelt zu erhalten, zu der wir bisher keinen Zugang hatten. Auf unserem weiteren Weg müssen wir auch über die kritischen ethischen Fragen zu unserer Quantenzukunft sprechen.
KI ist Teil von Alltagsleben, Geschäftswelt, Behördenwesen, Medizin und vielem mehr. Wir von IBM helfen Menschen und Unternehmen dabei, KI verantwortungsvoll einzusetzen. Wir können nur dann vertrauensbasierte Systeme entwickeln, wenn wir ethische Prinzipien in KI-Anwendungen und -Prozesse integrieren.
