量子AIとは

公開日：2024年3月12日
寄稿者： ジョシュ・シュナイダー、イアン・スモーリー

量子AIとは

量子人工知能（QAI）とは、量子コンピューティング変革力を、機械学習アルゴリズムや、ニューラル・ネットワーク、大規模言語モデル（LLM）などの高度な人工知能製品の研究開発に応用することを目的とするコンピューター・サイエンスの新しい分野です。

量子コンピューティングとAIの研究は数十年にわたって継続されてきましたが、最近までどちらの急成長テクノロジーも初期段階にあると考えられていたかもしれません。最近の画期的な進歩により、ChatGPTやMidJourneyなどの高度な自動テキスト・グラフィック・ジェネレーターがリリースされて、人工知能が主流になりました。 2020年代初頭には、消費者向けAIツールへの関心とエンゲージメントが急増し、金融から製薬、オートメーションから最適化に至るまで、エンタープライズ製品への無限のAI統合が見られました。

人間の知能と同等（またはそれを超える）能力で動作できる人工知能の実現は、もうすぐそこまで来ているように見えますが、現在のテクノロジーは、ソフトウェアとハードウェアの重大な制約を克服するのに苦労しています。残念ながら、AIの魅力的な可能性は、現在のAIシステムに必要とされる大量のエネルギー消費を始め、長い処理時間や要求の厳しいコンピューティングによって依然として妨げられており、大規模な実行可能性が低下しています。

最新のモデルが古典的（または従来の）コンピューターの限界をこれ以上ないくらいまで押し上げる一方で、量子コンピューティングのAI開発への応用が、両方のテクノロジーを革命的な新時代にむけて飛躍させる態勢を整えています。次世代AIが古典的なコンピューターの厳しい限界に挑戦するのと同様、量子コンピューティングのパラダイムシフト能力は、人工知能の強力な前進の道を提示し、ほぼ無限の可能性を実現します。

製薬研究や気候科学、データサイエンス、気象モデリング、金融、さらには芸術など、無数の業界に大きな変革をもたらす可能性のあるものの中で、量子AIの出現は、科学の最先端かつ実験的な研究技術の否定できない実現を予測します。量子コンピューティングを高度な将来のAIシステムに統合することにより、コンピューティング能力やアルゴリズムの効率性、一般的な問題解決能力において新たな未知の領域が切り拓かれる可能性があります。 QAIは複雑ではあるものの、人類にとって最も困難な障害を克服する上で不可欠であることが証明されるかもしれません。

IBM Quantum Networkの一部として科学を推進

IBM Quantum Networkのメンバーは幅広く協力し合い、社内の専門家との緊密な協力関係からメリットを得ています。

関連コンテンツ

IBMニュースレターの購読

古典コンピューティングと量子コンピューティング

量子コンピューターとは、量子力学の性質を利用してデータを符号化・伝送・操作するコンピューター・システムのことです。

従来の古典的なコンピューターはビットを使用してデータを表現します。各ビットは0または1を表し、バイナリ・コードに結合すると、コンピューターを使用して、単純なオペレーティング・システムから最先端のスーパー・コンピューティング計算まで、あらゆるものを作成できます。古典的なコンピューターは、トランジスターとマイクロプロセッサーを介して伝導される電気を使用してデータをビットにエンコードします。

これに対して、量子コンピューティングはキュービット（量子ビット）を使用します。これは原子、超伝導電気回路、またはその他の種類の粒子で構成される特別な亜原子粒子であり、2つの状態（0または1）だけでなく、0でも1でもない、同時に0または1と考えられる第3の状態のデータもエンコードします。この複雑な量子力学的概念は重畳と呼ばれ、指数関数的に多くの情報を量子ビットの量子状態にエンコードするために利用できる未知のタイプの確率を表します。さらに、量子もつれを通じて、2つの量子ビットをリンクし、それぞれが互いに関する情報を伝えることができます。これらのタイプの量子ビットをグループ化すると、有用な量子コンピューターを作成し、エラー（デコヒーレンスとして知られる）の削減に使用できる論理量子ビットが作成されます。

量子プロセッサの数式実行方法は、古典的なコンピューターと同じではありません。古典的なコンピューターでは完了するまでに数十万年かかる可能性のある難解な計算も、量子アルゴリズムを使用すると数分で解答できる可能性があります。古典的なコンピューター（複雑な計算のすべてのステップを計算する必要がある）とは異なり、論理量子ビットで作られた量子回路（エラー訂正された量子コンピューターで使用される種類のようなもの）は、膨大なデータセットをほぼ同時に確実に処理でき、効率が桁違いに向上します。これが可能なのは、従来のコンピュータが決定論的であり、与えられた入力の特定の特異な結果を決定するために骨の折れる計算を必要とするのに対して、量子コンピューターは確率論的であり、与えられた問題に対して最も可能性の高い解決策を見つけるからです。

量子コンピューティングと従来のコンピューティングの比較

古典的コンピューティング

一般的な多目的コンピューターやデバイスで使用。
可能な状態の数が0か1の離散的なビット単位で情報を保存。
データを論理的かつ順次に処理。

量子コンピューティング

高速で特殊な実験用の量子力学ベースの量子ハードウェアによって使用。
0、1または0と1の重畳という可能な量子状態を含む量子ビットに情報を保存。
量子論理で並列インスタンスでデータを処理。

量子コンピューターは、大規模なデータセットを処理したり、高度な素因数分解のような他の問題を完了したりする点では古典的なコンピューターよりもはるかに優れていますが、量子コンピューティングはあらゆる（またはほとんどの）状況にとって理想的ではありません。現実的には、従来のコンピューティングが通常の運用において引き続き大きな存在感を示すでしょう。ただし、クラウドに接続された量子コンピューターまたはハイブリッド・エコシステムは、すでにさまざまな高度なアプリケーションに使用されつつあります。

人工知能を理解する

人工知能テクノロジーにより、コンピューターは人間の知能と問題解決能力をシミュレートできるようになります。

AIは、単独または他のテクノロジー（センサー、地理位置情報、ロボティクスなど）と組み合わせて、人間の知能や介入が必要なタスクを実行できます。有用なAIの一般的な例としては、バーチャル・アシスタントやGPSナビゲーション、自律走行車、生成AIアート、ライティングツールなどが挙げられます。

機械学習や深層学習を包括する一分野としての人工知能には、利用可能なデータから「学習」し、時間の経過とともにますます正確な分類や予測を行うことができる人間の脳の意思決定プロセスをモデルとしたアルゴリズムの開発が含まれます。現在、生成AIは言語だけでなく、画像や動画、ソフトウェア・コード、さらには分子構造を含む他のデータタイプを学習・複製することができます。

人工知能のユースケース

音声認識： 音声操作のバーチャル・アシスタントで一般的に使用されているAIは、音声によるテクノロジー制御を可能にし、これによりAI製品が音声コマンドを理解して応答できるようになります。チャットボットなどのテキストベースのシステムは、教育やカスタマー・サービスのシナリオで使用されることが増えてきています。
コンピューター・ビジョン： このAI技術は、コンピューターやシステムがデジタル画像や動画その他の視覚入力から意味のある情報を導き出すことを可能にするもので、外国語を「読み取り」翻訳するカメラベースの翻訳アプリなどがこれにあたります。
サプライチェーンの最適化： 最も効率的な輸送ルートの立案から、生産ラインの見積もりや自動化まで、AIテクノロジーはグローバル・サプライチェーンの改善や無駄の削減、配送速度の向上に役立てられるようになってきています。
天気予報： 気象予測モデリングは、複雑で確率の高いデータセットを処理する際にAIを利用し、自然災害の予防と復興に役立つより正確な予測を生成します。
異常検知：AIモデルは大量の履歴データを調べ、データ・セット内の異常なデータ・ポイントを発見できます。こうした異常が、機器の欠陥や人的ミス、サイバーセキュリティーの侵害に対する意識を向上させる可能性があります。

量子AIの影響

応用AIのあらゆるメリットの中でも、スーパーチャージ量子AI（QAI）は、処理速度やパワー、能力の向上により、潜在的に指数関数的な乗数を実現します。

新しいテクノロジーとして、AIが私たちの日常生活に与える一般的な影響はまだ未知数ですが、急速に拡大しつつあります。ゴールドマン・サックスは、さまざまな業界でAIの価値あるアプリケーションを発見し続けているため、2033年までにAIが世界のGDPを7％押し上げる可能性があると予測しています（ibm.com外部へのリンク）。

量子コンピューターは大量のデータの処理に非常に適しているため、大規模なデータ処理が必要な問題はすべて量子コンピューターの恩恵を受けられます。たとえば、QAIを使用すると、LLMのトレーニング時間を数週間から数時間に短縮でき、あらゆる複雑な技術的あるいは実験的なテーマに高度に特化した新しいAIアシスタントをほぼ瞬時に作成できるようになります。 QAIは、生成AIツールを超えて、次のような多くの重要な分野に革命を起こす可能性があります。

医学

IBMの最近の研究によれば、実用的な薬物設計はすでに今日の量子コンピュータの機能の範囲内（ibm.com外部へのリンク）であることが示唆されています。 QAIを使用することで、研究者たちは分子生物学のモデル化を改善し、新薬やより優れた治療法の発見を大幅に早め、重要な治療法の市場投入までの時間を改善できると期待しています。 QAIはまた、膨大な患者データを分析することで、治療効果や予防医療に関する貴重な洞察を提供するようになるかもしれません。

財務

多くの大手証券会社は取引ポートフォリオを最適化するためにオートメーションを使用していますが、取引戦略が複雑になるにつれてAIの能力が低下します。大規模で複雑なデータセットからパターンを見つけて予測するQAIの能力は、最も成功したポートフォリオを再現し、利益を最大化するために投資を動的に調整できる画期的なAI対応取引プラットフォームにつながる可能性があります。さらに、暗号技術や暗号通貨などの今日の最先端のサイバーセキュリティー・プロトコルに対する量子の影響は、現在開発中の新世代の次世代暗号システムにつながります。

気候科学

量子コンピューターが特に役立つアプリケーションの1つに、非常に複雑な自然界のモデル化があります。そのため、天気予報や予測などのプロセスがQAIによって大幅に改善される可能性があります。さらに、QAIは、炭素削減の取り組みの有効性テストから実験的なグリーン・テクノロジーの開発に至るまで、気候科学の進歩において極めて重要なツールとなる可能性があります。

量子AIの歴史

1980年代に最初の実行可能な量子コンピューターのプロトタイプが実証されて以来、研究者は量子システムの開発において大きな進歩を遂げてきました。 IBMのような主要な技術機関は、中性原子や超伝導量子ビットシステム、トラップイオン量子プロセッサー、過冷却コンピューター冷凍コンポーネントなどの機器やプロセスの開発に画期的な成功を収めてきました。これらのコンポーネントは、量子ビットのコヒーレンスを維持し、デコヒーレンスの影響を軽減し、信頼性の高い計算条件を作り出すために必要な極寒温度を作り出すことができます。一方、研究者らは室温量子コンピューティングでも進歩を遂げており、実用的な量子コンピューティング（および有用なQAI）の実現可能性が高くなっています。

量子エンジニアは、ハードウェアに加えて、QAIアルゴリズムの設計・シミュレーション・実行するための開発者ツールとリソースを研究者に提供するための新しいフレームワークの構築・定義・改良も行っています。そのような取り組みの1つである TensorFlow Quantumは、量子機能と機械学習ワークフローを統合するための包括的な開発者ツールのオープンソース・ライブラリを提供しています。同様に、量子ネイティブ・コンピューティング言語は、研究者が新しい量子アルゴリズムを設計・最適化・分析できるようにするオープンソース・フレームワークを提供しています。

量子AIが直面する課題

量子コンピューティングの研究が加わることで、実用的な速度で大規模データを処理するAIの問題が解決される可能性があるもの、量子コンピューティングと人工知能はどちらも、QAIや量子機械学習などの量子テクノロジーの広範な導入が実現可能になるまでにそれぞれ克服すべき多くのハードルに直面しています。量子コンピューティングの分野では、量子ビットのデコヒーレンスを始め、誤り訂正や拡張性などの障害が依然として存在します。人工知能の研究者は、既存のAIテクノロジーの機能的能力と有用性向上のために、言語を予測するだけでなくアクションや他の形式の出力を生成するラージ・アクション・モデル（LAM）などの新製品を常に開発しています。

QAIテクノロジーの使用を取り巻く倫理や規制、社会への影響に対処することは、責任あるイノベーションと量子対応ソリューションの恩恵を公平に確保するために不可欠です。 QAIのアプリケーションは、既存のAIと同様に日々成長しています。しかし、ビジネスにおけるAIツールの使用をめぐる誇大広告が本格化するにつれ、責任あるAIとAI倫理に関する議論がさらに重要性を増しています。