Home
topics
ai quantistica
Data di pubblicazione: 12 marzo 2024
Autori: Josh Schneider, Ian Smalley
L'intelligenza artificiale quantistica (QAI) è un campo emergente dell'informatica che applica il potere trasformativo del quantum computing alla ricerca e allo sviluppo di prodotti di intelligenza artificiale migliorati, come gli algoritmi di machine learning, le reti neurali e i modelli linguistici di grandi dimensioni (LLM).
Sebbene la ricerca sul quantum computing e sull'AI sia in corso da decenni, fino a poco tempo fa entrambe le tecnologie emergenti potevano essere considerate agli albori. I recenti progressi hanno portato l'AI alla ribalta con il rilascio di generatori automatici avanzati di testo e grafica, come ChatGPT e MidJourney. I primi anni 2020 hanno visto un enorme picco di interesse e coinvolgimento nei confronti degli strumenti di AI rivolti ai consumatori e delle integrazioni apparentemente infinite dell'AI nei prodotti aziendali più disparati, che vanno dalla finanza ai prodotti farmaceutici, dall'automazione all'ottimizzazione.
Mentre la promessa di un'intelligenza artificiale in grado di operare a una capacità simile (o superiore) a quella umana sembra essere appena oltre l'orizzonte, le tecnologie attuali stanno lottando per superare significative limitazioni software e hardware. Sfortunatamente, l’entusiasmante potenziale dell’AI è ostacolato dall'estremo consumo energetico, dai lunghi tempi di elaborazione e dai calcoli impegnativi richiesti dagli attuali sistemi di AI, che riducono l'attuabilità su larga scala.
Mentre i modelli moderni oltrepassano i limiti dei computer classici (o tradizionali), l’applicazione del quantum computing allo sviluppo dell’AI è pronta a catapultare entrambe le tecnologie in una nuova era rivoluzionaria. Proprio come l'AI di nuova generazione sfida i rigidi limiti dei computer classici, le capacità rivoluzionarie del quantum computing rappresentano un grande passo avanti per l'AI, consentendo possibilità quasi illimitate.
In quello che potrebbe essere un punto di svolta per innumerevoli settori, tra cui la ricerca farmaceutica, la climatologia, la data science, la creazione di modelli meteorologici, la finanza e persino l'arte, l'emergere dell'AI quantistica sembra rendere possibile la realizzazione delle tecnologie di ricerca più avanzate e sperimentali della scienza. L'integrazione del quantum computing nei futuri sistemi di AI potenziati potrebbe aprire nuove frontiere nella potenza di calcolo, nell'efficienza degli algoritmi e nelle capacità generali di risoluzione dei problemi. Nonostante le sue complessità, la QAI potrebbe rivelarsi fondamentale per superare gli ostacoli più impegnativi per l'essere umano.
I membri di IBM Quantum Network collaborano ampiamente e beneficiano di stretti rapporti di lavoro con i nostri esperti interni.
Un computer quantistico può essere semplicemente definito come qualsiasi sistema informatico che utilizza le proprietà della meccanica quantistica per codificare, trasmettere e/o manipolare i dati.
I computer tradizionali e classici utilizzano i bit per rappresentare i dati. Ogni bit rappresenta uno 0 o un 1 che, combinati in codice binario, consentono di creare qualsiasi cosa, dai semplici sistemi operativi ai più avanzati calcoli di supercomputing). I computer classici codificano i dati in bit utilizzando l'elettricità condotta attraverso transistor e microprocessori.
Il quantum computing, invece, utilizza i qubit (bit quantistici), speciali particelle subatomiche costituite da atomi, circuiti elettrici superconduttori o altri tipi di particelle, per codificare i dati non solo in due stati (0 o 1), ma anche in un terzo stato che non è né 0 né 1 e può essere considerato come 0 o 1 allo stesso tempo. Questo complicato concetto di meccanica quantistica è chiamato sovrapposizione e rappresenta un tipo inconoscibile di probabilità che può essere sfruttato per codificare in modo esponenziale più informazioni negli stati quantistici dei qubit. Inoltre, attraverso l’entanglement quantistico,è possibile collegare due qubit che trasportano informazioni l’uno sull’altro. Raggruppando questi tipi di qubit si creano qubit logici che possono essere utilizzati per creare computer quantistici utili e ridurre gli errori (noti come decoerenza).
I processori quantistici non eseguono le equazioni matematiche allo stesso modo dei computer classici. Calcoli impegnativi che potrebbero richiedere a un computer classico centinaia di migliaia di anni per essere completati possono essere risolti in pochi minuti utilizzando algoritmi quantistici. A differenza dei computer classici (che devono calcolare ogni fase di un calcolo complicato), i circuiti quantistici costituiti da qubit logici (come quelli utilizzati nei computer quantistici con correzione degli errori) possono elaborare in modo affidabile enormi set di dati quasi simultaneamente, migliorando l’efficienza di molti ordini di grandezza. Ciò è possibile perché i computer quantistici sono probabilistici e trovano la soluzione più probabile a un determinato problema, mentre i computer tradizionali sono deterministici e richiedono calcoli laboriosi per determinare uno specifico risultato singolare di un dato input.
Calcolo classico
- Utilizzato da computer e dispositivi comuni e multiuso.
- Memorizza le informazioni in bit con un numero discreto di stati possibili, 0 o 1.
- Elabora i dati in modo logico e sequenziale.
Quantum computing
- Utilizzato da hardware quantistico ad alta velocità, specializzato e sperimentale basato sulla meccanica quantistica.
- Memorizza le informazioni in qubit con un possibile stato quantico aggiuntivo, 0, 1, o una sovrapposizione di 0 e 1.
- Elabora i dati con logica quantistica in istanze parallele.
Sebbene i computer quantistici siano di gran lunga superiori a quelli classici per l'elaborazione di grandi set di dati o per la risoluzione di altri problemi come la fattorizzazione avanzata dei numeri primi, il quantum computing non è l'ideale per tutte, o persino per la maggior parte delle circostanze. Realisticamente, il calcolo classico continuerà a occupare una posizione di rilievo nelle normali operazioni; tuttavia, i computer quantistici connessi al cloud o gli ecosistemi ibridi sono già utilizzati per una vasta gamma di applicazioni avanzate.
La tecnologia dell'intelligenza artificiale consente ai computer di simulare l'intelligenza e la capacità di risoluzione dei problemi degli esseri umani.
Da sola o in combinazione con altre tecnologie (ad esempio, sensori, geolocalizzazione, robotica) l'AI può eseguire compiti che altrimenti richiederebbero l'intelligenza o l'intervento umano. Esempi comuni di AI utile includono assistenti digitali, navigazione GPS, veicoli autonomi, progetti artistici con l'AI generativa e strumenti di scrittura.
Comprendendo il machine learning e il deep learning, l'AI è un campo che prevede lo sviluppo di algoritmi - modellati sui processi decisionali del cervello umano - in grado di "imparare" dai dati disponibili e di fare classificazioni o previsioni sempre più accurate nel tempo. Oggi, l’AI generativa è in grado di apprendere e replicare non solo il linguaggio, ma anche altri tipi di dati, tra cui immagini, video, codice software e persino strutture molecolari.
- Riconoscimento vocale: comunemente utilizzata negli assistenti digitali a comando vocale, l'AI consente il controllo vocale della tecnologia, permettendo ai prodotti AI di comprendere i comandi vocali e rispondere. I sistemi basati su testo, come i chatbot, vengono sempre più utilizzati in scenari formativi e di assistenza ai clienti.
- Computer vision: questa tecnologia AI consente a computer e sistemi di ricavare informazioni significative da immagini digitali, video e altri input visivi, come le app di traduzione basate sulla fotocamera che "leggono" e traducono le lingue straniere.
- Ottimizzazione della supply chain: dalla tracciatura delle rotte di spedizione più efficienti alla stima e all'automazione delle linee di produzione, la tecnologia AI sta migliorando sempre più le supply chain globali, riducendo gli sprechi e aumentando la velocità di consegna.
- Previsioni meteo: la modellazione predittiva nel campo meteorologico trae vantaggio dall'AI nell'elaborazione di set di dati complessi e altamente probabilistici per generare previsioni più precise, aiutando nella prevenzione e nel recupero dai disastri naturali.
- Rilevamento delle anomalie: i modelli AI possono vagliare grandi quantità di dati e rilevare punti dati atipici all'interno di un set di dati. Queste anomalie possono aumentare la consapevolezza su apparecchiature difettose, errori umani o violazioni della cybersecurity.
Per tutti i possibili vantaggi dell'AI applicata, l'AI quantistica potenziata (QAI) rappresenta un fattore moltiplicativo potenzialmente esponenziale grazie all'aumento della velocità di elaborazione, della potenza e della capacità.
Essendo una tecnologia nuova, l'impatto generale dell'AI sulla nostra vita quotidiana è ancora in fase di esplorazione, ma si sta espandendo rapidamente. Mentre continuiamo a scoprire applicazioni preziose dell'AI in tutti i settori, Goldman Sachs prevede che l'AI potrebbe determinare un aumento del PIL globale del 7% entro il 2033 (link esterno a ibm.com).
Poiché i computer quantistici sono così adatti all'elaborazione di enormi quantità di dati, qualsiasi problema che richieda l'elaborazione di dati su larga scala può trarre vantaggio dal quantum computing. Ad esempio, la QAI potrebbe ridurre il tempo di addestramento dei LLM da settimane a ore, consentendo la creazione quasi istantanea di nuovi assistenti AI altamente specializzati in un numero qualsiasi di argomenti complessi, tecnici o persino sperimentali. Oltre agli strumenti di AI generativa, la QAI è destinata a rivoluzionare una serie di settori critici, tra cui i seguenti.
Recenti ricerche di IBM suggeriscono che lo sviluppo di farmaci rientra già nelle funzionalità (link esterno a ibm.com) dei computer quantistici odierni. Utilizzando la QAI, i ricercatori si aspettano di essere in grado di modellare meglio la biologia molecolare e di accelerare notevolmente la scoperta di nuovi e migliori trattamenti farmacologici, migliorando il time to market dei trattamenti critici. La QAI può anche entrare in gioco nell'analisi di enormi quantità di dati dei pazienti per fornire insight preziosi sull'efficacia dei trattamenti e sulle cure preventive.
Molti dei principali broker utilizzano l'automazione per ottimizzare i portafogli di trading, ma l'AI diventa meno capace con l'aumentare della complessità delle strategie di trading. La capacità della QAI di individuare modelli e fare previsioni a partire da grandi set di dati complessi potrebbe potenzialmente portare a piattaforme di trading basate sull'AI in grado di replicare i portafogli di maggior successo, regolando dinamicamente gli investimenti per massimizzare i profitti. Inoltre, l'impatto della quantistica sui protocolli di cybersecurity più avanzati di oggi, come la crittografia e le criptovalute , porterà a nuovi sistemi crittografici di nuova generazione, attualmente in fase di sviluppo.
Un'applicazione in cui i computer quantistici sono particolarmente utili è la modellazione del mondo naturale, che è estremamente complesso. Pertanto, processi come quello delle previsioni meteo possono essere notevolmente migliorati dalla QAI. Inoltre, la QAI potrebbe rivelarsi uno strumento fondamentale nel progresso della climatologia, dalla verifica dell’efficacia delle iniziative di riduzione del carbonio allo sviluppo di tecnologie verdi sperimentali.
Da quando è stato inaugurato il primo prototipo attuabile di computer quantistico negli anni '80, i ricercatori hanno compiuto enormi progressi nello sviluppo di sistemi quantistici. Importanti organizzazioni nel ramo tecnologico, come IBM, hanno ottenuto successi rivoluzionari sviluppando apparecchiature e processi, come sistemi ad atomi neutri e qubit superconduttori, processori quantistici a ioni intrappolati e componenti di refrigerazione per i computer super-raffreddati in grado di creare temperature sufficientemente rigide necessarie per mantenere la coerenza dei qubit, mitigare gli effetti della decoerenza e creare le condizioni per calcoli affidabili. Nel frattempo, i ricercatori stanno facendo passi da gigante anche nel quantum computing a temperatura ambiente, rendendo il quantum computing pratico (e la QAI utile) molto più raggiungibili.
Oltre all'hardware, gli ingegneri quantistici stanno anche realizzando, definendo e perfezionando nuovi framework per fornire ai ricercatori gli strumenti e le risorse di sviluppo per progettare, simulare ed eseguire algoritmi QAI. Una di queste iniziative, TensorFlow Quantum, fornisce una libreria open source di strumenti di sviluppo completi per l'integrazione delle funzionalità quantistiche con i workflow di machine learning. Analogamente, i linguaggi di elaborazione quantum-native offrono un framework open source che consente ai ricercatori di progettare, ottimizzare e analizzare nuovi algoritmi quantistici.
Sebbene l'aggiunta della ricerca sul quantum computing possa risolvere i problemi dell'AI nell'elaborazione di dati su larga scala a velocità pratiche, sia il quantum computing che l'AI devono superare una serie di ostacoli prima che l'adozione diffusa di tecnologie quantistiche come la QAI e il machine learning quantistico diventi fattibile. Nello spazio quantistico, persistono ostacoli come la decoerenza dei qubit, la correzione degli errori e la scalabilità. I ricercatori nel campo dell'intelligenza artificiale sviluppano costantemente nuovi prodotti, come i LAM (large action models) che non solo prevedono il linguaggio ma generano azioni e altre forme di output per migliorare le capacità funzionali e l’utilità della tecnologia AI esistente.
Affrontare le implicazioni etiche, normative e sociali che circondano l'uso delle tecnologie QAI è essenziale per garantire un'innovazione responsabile e un accesso equo ai vantaggi delle soluzioni quantistiche. Le applicazioni della QAI, come quelle dell'AI tradizionale, crescono ogni giorno. Ma con il crescere dell'entusiasmo verso l'utilizzo degli strumenti di AI nelle aziende, i dibattiti sull'AI responsabile e sull'etica dell'AI diventano ancora più importanti.
I nostri utenti accedono alla più grande flotta di computer quantistici al mondo tramite Qiskit Runtime, il nostro servizio di quantum computing e modello di programmazione per le utility.
L'AI su IBM Z usa il machine learning per convertire i dati di ogni transazione in insight in tempo reale. Scopri gli insight e ottieni rapidamente risultati affidabili e fruibili senza dover spostare i dati. Applica l'AI e il machine learning ai tuoi dati aziendali più preziosi su IBM Z utilizzando framework e strumenti open source.
IBM® Security Guardium è una famiglia di software per la sicurezza dei dati nel portafoglio IBM Security che rivela le vulnerabilità e protegge i dati sensibili on-premise e nel cloud. Scopri come IBM può aiutare la tua organizzazione a prepararsi per il futuro dell'AI con la sicurezza quantum-safe.
Il quantum computing utilizza tecnologie specializzate, tra cui hardware e algoritmi che sfruttano la meccanica quantistica, per risolvere problemi complessi che i computer o i supercomputer classici non possono risolvere o non possono risolvere abbastanza rapidamente.
Impara le nozioni di base sul quantum computing e scopri come utilizzare i servizi e i sistemi IBM Quantum per risolvere problemi reali.
L'intelligenza artificiale, o AI, è una tecnologia che consente a computer e macchine di simulare l'intelligenza e la capacità di risoluzione dei problemi degli esseri umani. Come campo dell'informatica, l'intelligenza artificiale comprende (ed è spesso menzionata insieme a) il machine learning e il deep learning.
Un qubit, o bit quantistico, è l'unità di informazione utilizzata per codificare i dati nel quantum computing e può essere inteso come l'equivalente quantistico del bit tradizionale utilizzato dai computer classici per codificare le informazioni in formato binario.
Ora che siamo entrati nell'era dell'utilità quantistica, stiamo usando computer quantistici per accedere a un mondo computazionale a cui non abbiamo mai avuto accesso prima. Mentre proseguiamo nel nostro viaggio, dobbiamo anche discutere le questioni etiche critiche che circondano il nostro futuro quantistico.
L'intelligenza artificiale è parte integrante della vita di tutti i giorni, nel lavoro, nella politica, nella medicina e in molti altri campi. La missione di IBM è aiutare le persone e le organizzazioni ad adottare l'AI in modo responsabile. Solo incorporando principi etici nelle applicazioni e nei processi AI possiamo costruire sistemi basati sulla fiducia.