¿Qué es la IA cuántica?
La inteligencia artificial cuántica, o IA cuántica, es el uso de tecnologías cuánticas para ejecutar sistemas de IA. Los modelos de IA requieren una inmensa potencia computacional y recursos de infraestructura para funcionar de manera eficiente. La IA cuántica tiene como objetivo reemplazar la infraestructura de IA subyacente con recursos de computación cuántica para que los modelos de IA puedan procesar los datos de manera más rápida y rentable. El campo prevé un mayor avance de la IA y capacidades mejoradas debido a la velocidad de procesamiento exponencial de la que es capaz la computación cuántica. Si bien las posibilidades son ilimitadas, es importante tener en cuenta que la IA cuántica aún se encuentra en fase de investigación y que las cargas de trabajo de la IA aún requieren recursos informáticos tradicionales para funcionar.
¿Cuál es la diferencia entre la IA clásica y la cuántica?
La IA clásica (o actual) utiliza recursos informáticos clásicos basados en bits binarios o unidades de información que se pueden representar matemáticamente como 0 o 1. Físicamente, los bits binarios pueden considerarse pulsos electrónicos. Todos los dispositivos informáticos, desde calculadoras sencillas hasta ordenadores avanzados, funcionan con esta lógica binaria. Estos sistemas procesan los datos de forma lineal y paso a paso. Por lo tanto, se requiere más tiempo y potencia de cálculo para las tareas clásicas de IA, como el análisis de grandes conjuntos de datos que correlacionan datos de audio, vídeo y texto no estructurado.
Por el contrario, la IA cuántica utiliza recursos de computación cuántica basados en bits cuánticos o qubits. Físicamente, los qubits se basan en los átomos y sus electrones, y los principios de la mecánica cuántica rigen sus operaciones. A diferencia de los bits clásicos, los qubits pueden existir simultáneamente en un estado de 0, 1 o ambos debido a un concepto físico conocido como superposición. También pueden estar entrelazados, lo que significa que el estado de un qubit está directamente relacionado con otro, incluso a través de la distancia.
Los qubits permiten a las computadoras cuánticas procesar millones de operaciones simultáneamente. Teóricamente, la IA cuántica que se ejecuta con recursos de computación cuántica podría resolver problemas complejos que están fuera del alcance de la IA clásica.
¿Por qué es importante la investigación de la IA cuántica?
La investigación de la IA cuántica tiene como objetivo ayudar a los modelos de IA a alcanzar su máximo potencial. Los modelos de IA son sistemas entrenados para realizar tareas que normalmente requieren inteligencia humana, como reconocer imágenes, traducir idiomas o predecir tendencias futuras. Estos modelos aprenden patrones de grandes conjuntos de datos y utilizan ese aprendizaje para tomar decisiones o generar resultados. Hay dos categorías principales de modelos de IA:
- Los modelos predictivos analizan los datos existentes para pronosticar los resultados futuros. Por ejemplo, predecir los precios de las acciones o el comportamiento de los clientes.
- Los modelos generativos crean contenido nuevo en función de su aprendizaje, como generar imágenes, texto o música realistas.
Ambos modelos de IA tienen una capacidad limitada para analizar datos a escala debido a las limitaciones de las computadoras clásicas que los impulsan. La investigación de la IA cuántica tiene como objetivo superar estas limitaciones para mejorar los beneficios que la IA puede aportar a la sociedad.
¿Cuáles son los beneficios potenciales de la IA cuántica?
La combinación de la computación cuántica y la inteligencia artificial promete brindar los siguientes beneficios.
Reducir los costos de entrenamiento de IA
El entrenamiento de modelos de IA, especialmente los modelos de base generativa con miles de millones de parámetros, implica alimentar grandes cantidades de datos a través de redes neuronales complejas. Estas redes realizan millones de operaciones matemáticas para ajustar los pesos internos y optimizar la precisión. Este proceso no solo consume muchos recursos informáticos, sino que también consume mucha energía. Los modelos más grandes suelen requerir configuraciones informáticas distribuidas, lo que aumenta la complejidad y el costo.
En teoría, los modelos de IA cuántica ejecutarían millones de operaciones en paralelo en un único procesador cuántico. Esto eliminaría la necesidad de configuraciones de computación distribuida para las necesidades actuales de IA. Las configuraciones de multiprocesador entrenarían modelos de IA a escala para tareas que son inimaginables en la actualidad. Esto podría reducir significativamente el costo y el impacto ambiental de la capacitación de modelos de IA de vanguardia.
Mejorar la precisión de las predicciones de IA
La capacidad de la computación cuántica para realizar simulaciones probabilísticas complejas y tareas de optimización a escala puede mejorar la calidad de los resultados de la IA. Los sistemas clásicos pueden simplificar las suposiciones o ignorar ciertas variables debido a restricciones de hardware. La IA cuántica, por el contrario, podría tener en cuenta esas variables, ofreciendo predicciones más matizadas y potencialmente más precisas en entornos de alto riesgo, como la negociación de acciones, la calificación crediticia y las previsiones de la cadena de suministro.
Por ejemplo, la IA cuántica podría transformar la evaluación de riesgos y la optimización de carteras en el sector financiero. Analizar los datos del mercado a un nivel granular y, al mismo tiempo, considerar innumerables variables podría proporcionar información que brinde a los inversores una ventaja significativa. Incluso podría predecir las tendencias del mercado con cierto grado de precisión, haciendo que los mejores algoritmos actuales parezcan conjeturas fundamentadas.
Investigación científica avanzada
La IA cuántica podría acelerar drásticamente la investigación médica, climática, científica de los materiales y de otro tipo que requiere procesar grandes cantidades de datos. Por ejemplo, la IA cuántica podría simular reacciones químicas complejas con una precisión sin precedentes, lo que podría conducir a nuevos fármacos y avances en el tratamiento de enfermedades. Al modelar interacciones a nivel atómico o analizar conjuntos de datos a escala planetaria, los científicos pueden hacer descubrimientos que actualmente están fuera de nuestro alcance computacional.
Habilitar nuevos algoritmos de IA
La IA cuántica no solo consiste en acelerar los procesos de IA existentes, sino que también abre la puerta a formas completamente nuevas de diseñar sistemas inteligentes. Los modelos actuales de IA se basan en las limitaciones de la computación clásica. A medida que los investigadores desarrollen algoritmos específicos para ordenadores cuánticos, los sistemas de IA podrían abordar el aprendizaje, el razonamiento o el reconocimiento de patrones de formas fundamentalmente diferentes.
Por ejemplo, las redes neuronales cuánticas y el aprendizaje por refuerzo mejorado cuánticamente son conceptos iniciales que intentan repensar la forma en que las máquinas pueden «aprender» en entornos con muchos resultados posibles. Estas innovaciones podrían dar lugar algún día a sistemas de IA que funcionen bien en campos en los que la IA clásica todavía tiene dificultades, como la planificación a largo plazo o la toma de decisiones en tiempo real con información incompleta.
¿Cómo funciona la IA cuántica?
La IA cuántica integra los principios de la mecánica cuántica con los conceptos existentes de machine learning e IA para explorar nuevos enfoques. La IA tradicional utiliza técnicas de álgebra lineal y optimización que se ejecutan en bits clásicos. Sin embargo, los modelos de IA cuántica utilizan algoritmos cuánticos que funcionan en qubits. Estos algoritmos aprovechan los principios de la mecánica cuántica, como la superposición y el entrelazamiento, de formas fundamentalmente diferentes. Sin embargo, estos enfoques aún se encuentran en la fase de investigación y se están probando principalmente en simuladores o procesadores cuánticos a pequeña escala. A continuación, damos algunos ejemplos de esfuerzos de investigación.
Algoritmos de optimización cuántica
Estos algoritmos son útiles para resolver problemas de optimización combinatoria en los que el objetivo es encontrar la mejor combinación entre muchas configuraciones posibles. Los algoritmos clásicos tienen dificultades para resolver estos problemas debido al aumento exponencial de la complejidad. En la IA, estos algoritmos se están explorando como una herramienta para resolver subtareas de optimización, como seleccionar los mejores parámetros del modelo o minimizar las funciones de costo en entornos de aprendizaje por refuerzo.
Clasificadores cuánticos
Los clasificadores cuánticos son algoritmos que aprovechan los principios de la computación cuántica para resolver problemas de clasificación. Asignan etiquetas a los datos en función de los patrones aprendidos. Por ejemplo, se está estudiando el clasificador cuántico variacional (VQC) como prueba de concepto en la toma de decisiones no lineales. Hasta ahora, el VQC se ha demostrado en conjuntos de datos y hardware cuántico a pequeña escala con recuentos de qubits limitados, principalmente para comparar su rendimiento con el de los clasificadores clásicos en condiciones controladas.
Redes neuronales cuánticas
Las redes neuronales cuánticas (QNN) tienen como objetivo imitar la estructura de las redes neuronales clásicas mediante interacciones de qubits. Se utilizan para explorar si los circuitos cuánticos pueden aproximar funciones complejas y aprender a reconocer patrones en los datos. Algunos diseños experimentales intentan utilizar circuitos cuánticos como capas en modelos híbridos, en los que partes de la red funcionan con procesadores clásicos y otras con dispositivos cuánticos. Debido a las limitaciones actuales del hardware, las QNN siguen siendo en gran medida teóricas. Se prueban en simuladores cuánticos en lugar de en ordenadores cuánticos a gran escala.
Aprendizaje por refuerzo mejorado cuánticamente
El aprendizaje por refuerzo cuántico investiga si la computación cuántica puede mejorar la forma en que los agentes de IA aprenden las acciones óptimas en un entorno mediante prueba y error. Un área de estudio implica el uso de estados cuánticos para representar el espacio de decisión, lo que permite la exploración simultánea de múltiples rutas de decisión. Sin embargo, el campo es altamente experimental y las ideas se están probando principalmente en entornos de juguetes o modelos teóricos.
¿Cómo puede AWS cumplir con sus requisitos de computación cuántica e IA?
AWS hace que la IA clásica sea accesible para más personas, desde desarrolladores y científicos de datos hasta analistas de negocios y estudiantes. La IA en AWS incluye servicios de IA previamente entrenados para una infraestructura de inteligencia e IA lista para usar a fin de maximizar el rendimiento y reducir los costos.
- Ocelot, nuestro chip cuántico de primera generación, utiliza una arquitectura escalable para acelerar el desarrollo de aplicaciones de computación cuántica en el mundo real. Logra la primera realización de una arquitectura escalable para construir ordenadores cuánticos escalables y comercialmente viables para la futura IA cuántica en la práctica.
- Amazon Braket es un servicio completamente administrado que ayuda a comenzar a utilizar la computación cuántica. Puede usarlo para aprender a programar ordenadores cuánticos y diseñar sus propios algoritmos cuánticos desde cero. Amazon Braket también proporciona simuladores de circuitos cuánticos totalmente administrados que permiten ejecutar los algoritmos en la infraestructura administrada de AWS para validar y probar la implementación.
- Los contratos del Laboratorio de soluciones cuánticas de Amazon son programas de investigación colaborativa que le permiten trabajar con los principales expertos en IA cuántica. Los programas lo ayudan a investigar e identificar las aplicaciones de computación cuántica más prometedoras de su organización y a prepararse para la computación cuántica.
Para comenzar a utilizar la computación cuántica y la IA en AWS, cree una cuenta gratuita hoy mismo.