AI lượng tử là gì?
Trí tuệ nhân tạo lượng tử, hay AI lượng tử, là việc sử dụng các công nghệ lượng tử để chạy các hệ thống AI. Các mô hình AI đòi hỏi sức mạnh tính toán và tài nguyên cơ sở hạ tầng khổng lồ để chạy hiệu quả. Quantum AI nhằm mục đích thay thế cơ sở hạ tầng AI cơ bản bằng tài nguyên điện toán lượng tử để các mô hình AI có thể xử lý dữ liệu nhanh hơn và tiết kiệm chi phí. Lĩnh vực này hình dung sự tiến bộ hơn nữa của AI và khả năng nâng cao do tốc độ xử lý theo cấp số nhân mà điện toán lượng tử có thể đạt được. Mặc dù khả năng là không giới hạn, điều quan trọng cần lưu ý là AI lượng tử vẫn đang trong giai đoạn nghiên cứu và khối lượng công việc AI vẫn yêu cầu tài nguyên tính toán truyền thống để hoạt động.
Sự khác biệt giữa AI cổ điển và lượng tử là gì?
AI cổ điển (hoặc hiện tại) sử dụng các tài nguyên tính toán cổ điển dựa trên các bit nhị phân, hoặc các đơn vị thông tin có thể được biểu diễn bằng toán học là 0 hoặc 1. Về mặt vật lý, các bit nhị phân có thể được coi là xung điện tử. Mọi thiết bị điệntoán, từ máy tính đơn giản đến máy tính tiên tiến, chạy trên logic nhị phân này. Các hệ thống này xử lý dữ liệu theo cách tuyến tính, từng bước. Do đó, cần nhiều thời gian và sức mạnh điện toán hơn cho các tác vụ AI cổ điển như phân tích các tập dữ liệu lớn tương quan với dữ liệu âm thanh, video và văn bản phi cấu trúc.
Ngược lại, AI lượng tử sử dụng tài nguyên điện toán lượng tử dựa trên bit lượng tử hoặc qubit. Về mặt vật lý, qubit hoạt động dựa trên các nguyên tử và các electron, và bị chi phối bởi các nguyên lý của cơ học lượng tử của chúng. Không giống như các bit cổ điển, qubit có thể tồn tại đồng thời ở trạng thái 0, 1 hoặc cả hai do một khái niệm vật lý được gọi là chồng chập. Chúng cũng có thể bị rối lượng tử, nghĩa là trạng thái của một qubit có liên hệ trực tiếp với qubit khác, ngay cả khi chúng ở cách xa nhau.
Qubits cho phép máy tính lượng tử xử lý hàng triệu hoạt động cùng một lúc. Về mặt lý thuyết, AI lượng tử chạy trên tài nguyên điện toán lượng tử có thể giải quyết các vấn đề phức tạp ngoài tầm với của AI cổ điển.
Tại sao nghiên cứu AI lượng tử lại quan trọng?
Nghiên cứu AI lượng tử nhằm mục đích giúp các mô hình AI đạt được tiềm năng đầy đủ của chúng. Mô hình AI là các hệ thống được đào tạo để thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người, chẳng hạn như nhận dạng hình ảnh, dịch ngôn ngữ hoặc dự đoán xu hướng trong tương lai. Các mô hình này học các mẫu từ các tập dữ liệu lớn và sử dụng việc học đó để đưa ra quyết định hoặc tạo đầu ra. Có hai loại mô hình AI chính:
- Các mô hình dự đoán phân tích dữ liệu hiện có để dự báo kết quả trong tương lai. Ví dụ, dự đoán giá cổ phiếu hoặc hành vi của khách hàng.
- Các mô hình tổng hợp tạo ra nội dung mới dựa trên việc học của họ, chẳng hạn như tạo hình ảnh, văn bản hoặc âm nhạc thực tế.
Cả hai mô hình AI đều bị hạn chế về khả năng phân tích dữ liệu trên quy mô lớn vì những hạn chế của các máy tính cổ điển cung cấp năng lượng cho chúng. Nghiên cứu AI lượng tử nhằm khắc phục những hạn chế này để nâng cao lợi ích mà AI có thể mang lại cho xã hội.
Những lợi ích tiềm năng của AI lượng tử là gì?
Kết hợp điện toán lượng tử và trí tuệ nhân tạo hứa hẹn sẽ mang lại những lợi ích sau.
Giảm chi phí đào tạo AI
Đào tạo các mô hình AI – đặc biệt là các mô hình nền tảng tạo sinh với hàng tỷ tham số – liên quan đến việc cung cấp một lượng lớn dữ liệu thông qua các mạng nơ-ron phức tạp. Các mạng này thực hiện hàng triệu phép toán để điều chỉnh trọng số bên trong và tối ưu hóa độ chính xác. Quá trình này không chỉ nặng về điện toán mà còn tiêu tốn nhiều năng lượng. Các mô hình lớn hơn thường yêu cầu thiết lập điện toán phân tán, làm tăng độ phức tạp và chi phí.
Các mô hình AI lượng tử về mặt lý thuyết sẽ chạy hàng triệu hoạt động song song trên một bộ xử lý lượng tử duy nhất. Điều này sẽ loại bỏ nhu cầu thiết lập điện toán phân tán cho các nhu cầu AI hiện tại. Thiết lập đa bộ xử lý sẽ đào tạo các mô hình AI trên quy mô lớn cho các tác vụ gần như bất khả thi ngày nay. Điều này có thể làm giảm đáng kể chi phí và tác động môi trường của việc đào tạo các mô hình AI tiên tiến.
Cải thiện độ chính xác của dự đoán AI
Khả năng thực hiện các mô phỏng xác suất phức tạp và các tác vụ tối ưu hóa ở quy mô lớn của điện toán lượng tử có thể cải thiện chất lượng đầu ra của AI. Các hệ thống cổ điển có thể đơn giản hóa các giả định hoặc bỏ qua các biến nhất định do hạn chế phần cứng. Ngược lại, AI lượng tử có thể giải thích các biến số đó, cung cấp các dự đoán chi tiết hơn và có khả năng là chính xác hơn trong các môi trường có rủi ro cao như giao dịch chứng khoán, chấm điểm tín dụng và dự báo chuỗi cung ứng.
Ví dụ, AI lượng tử có thể biến đổi đánh giá rủi ro và tối ưu hóa danh mục đầu tư trong lĩnh vực tài chính. Phân tích dữ liệu thị trường ở cấp độ chi tiết và đồng thời xem xét vô số biến số có thể cung cấp những thông tin chuyên sâu và mang lại cho các nhà đầu tư một lợi thế đáng kể. AI lượng tử thậm chí có thể dự đoán xu hướng thị trường ở một mức độ chính xác nhất định, khiến cho các thuật toán tốt nhất hiện nay trông giống như phỏng đoán có đào tạo.
Nghiên cứu khoa học tiên tiến
AI lượng tử có thể giúp phát triển mạnh mẽ các sáng kiến về y tế, khí hậu, khoa học vật liệu và các nghiên cứu khác đòi hỏi phải xử lý một lượng lớn dữ liệu. Ví dụ, AI lượng tử có thể mô phỏng các phản ứng hóa học phức tạp với độ chính xác chưa từng có, có khả năng dẫn đến phát hiện thuốc và đột phá trong điều trị bệnh. Bằng cách mô hình hóa các tương tác cấp nguyên tử hoặc phân tích các tập dữ liệu có quy mô Trái Đất, các nhà khoa học có thể thực hiện những khám phá hiện nằm ngoài khả năng điện toán của chúng ta.
Tạo điều kiện cho các thuật toán AI mới
AI lượng tử không chỉ tăng tốc các quy trình AI hiện tại – nó còn mở ra cánh cửa cho những cách thiết kế hệ thống thông minh hoàn toàn mới. Các mô hình AI hiện tại được xây dựng xung quanh những hạn chế của điện toán cổ điển. Khi các nhà nghiên cứu phát triển các thuật toán dành riêng cho điện toán lượng tử, các hệ thống AI có thể tiếp cận việc học, suy luận hoặc nhận dạng kiểu mẫu theo những cách khác nhau.
Ví dụ, mạng nơ-ron lượng tử và học tăng cường lượng tử là những khái niệm đầu tiên trong việc định hình lại suy nghĩ về cách máy móc có thể “học” trong môi trường có nhiều kết quả có thể xảy ra. Những đổi mới này một ngày nào đó có thể giúp các hệ thống AI hoạt động tốt trong các lĩnh vực mà AI cổ điển vẫn gặp khó khăn, chẳng hạn như lập kế hoạch dài hạn hoặc ra quyết định theo thời gian thực với thông tin không đầy đủ.
AI lượng tử hoạt động như thế nào?
AI lượng tử tích hợp các nguyên tắc từ cơ học lượng tử với các khái niệm máy học và AI hiện có để khám phá các phương pháp tiếp cận mới. AI truyền thống sử dụng đại số tuyến tính và các kỹ thuật tối ưu hóa chạy trên các bit cổ điển. Tuy nhiên, các mô hình AI lượng tử sử dụng các thuật toán lượng tử hoạt động trên qubit. Các thuật toán này tận dụng các nguyên tắc cơ học lượng tử như chồng chập và liên đới theo những cách khác nhau. Tuy nhiên, những cách tiếp cận này vẫn đang trong giai đoạn nghiên cứu và đang được thử nghiệm chủ yếu trên các trình mô phỏng hoặc bộ xử lý lượng tử quy mô nhỏ. Chúng tôi có đưa ra một số ví dụ về nỗ lực nghiên cứu dưới đây.
Thuật toán tối ưu hóa lượng tử
Các thuật toán này rất hữu ích để giải các bài toán tối ưu hóa tổ hợp, trong đó mục tiêu là tìm ra sự kết hợp tốt nhất trong số nhiều cấu hình khả thi. Các thuật toán cổ điển gặp khó khăn trong việc giải quyết các vấn đề như vậy do sự gia tăng theo cấp số nhân về độ phức tạp. Trong AI, các thuật toán này đang được khám phá như một công cụ để giải quyết các nhiệm vụ phụ tối ưu hóa, chẳng hạn như chọn các tham số mô hình tốt nhất hoặc giảm thiểu các chức năng chi phí trong môi trường học tập tăng cường.
Bộ phân loại lượng tử
Bộ phân loại lượng tử là các thuật toán tận dụng các nguyên tắc điện toán lượng tử để giải quyết các vấn đề phân loại. Các bộ này gán nhãn cho dữ liệu dựa trên các mẫu đã học. Ví dụ, Bộ phân loại lượng tử biến thiên (VQC) đang được khám phá như một bản chứng minh khái niệm trong việc ra quyết định phi tuyến. Cho đến nay, VQC đã được chứng minh trên các tập dữ liệu quy mô nhỏ và phần cứng lượng tử với số lượng qubit hạn chế, chủ yếu để đánh giá hiệu suất của nó so với các bộ phân loại cổ điển trong các điều kiện được kiểm soát.
Mạng nơ-ron lượng tử
Mạng nơ-ron lượng tử (QNN) có mục đích là bắt chước cấu trúc của mạng nơ-ron cổ điển bằng cách sử dụng các tương tác qubit. Chúng đang được sử dụng để khám phá xem các mạch lượng tử có thể ước tính các hàm phức tạp và học cách nhận biết các kiểu mẫu trong dữ liệu hay không. Một số thiết kế thử nghiệm cố gắng sử dụng mạch lượng tử như các lớp trong các mô hình lai, trong đó các phần của mạng chạy trên các bộ xử lý cổ điển và các bộ phận khác trên các thiết bị lượng tử. Do những hạn chế về phần cứng hiện tại, QNN hầu như vẫn chỉ là lý thuyết. Chúng được thử nghiệm trên các máy mô phỏng lượng tử thay vì máy tính lượng tử quy toàn diện.
Học tăng cường lượng tử
Học tăng cường lượng tử điều tra xem liệu điện toán lượng tử có thể cải thiện cách các tác tử AI học các hành động tối ưu trong môi trường qua phương pháp thử nghiệm và sai sót hay không. Một lĩnh vực nghiên cứu liên quan đến việc sử dụng các trạng thái lượng tử để đại diện cho không gian quyết định, cho phép khám phá đồng thời nhiều con đường ra quyết định. Tuy nhiên, lĩnh vực này mang tính thử nghiệm cao và các ý tưởng đang được thử nghiệm chủ yếu trong môi trường giả định hoặc mô hình lý thuyết.
AWS có thể hỗ trợ các yêu cầu về điện toán lượng tử và AI của bạn như thế nào?
AWS giúp nhiều người hơn có thể tiếp cận với AI truyền thống – từ các nhà xây dựng và nhà khoa học dữ liệu đến các chuyên viên phân tích kinh doanh và học viên. AI trên AWS bao gồm các dịch vụ AI được đào tạo trước cho cơ sở hạ tầng AI và trí tuệ tạo sẵn để tối đa hóa hiệu năng và giảm chi phí.
- Ocelot, chip lượng tử thế hệ đầu tiên của chúng tôi, sử dụng kiến trúc có thể mở rộng để đẩy nhanh sự phát triển của các ứng dụng điện toán lượng tử trong thế giới thực. Đây là lần đầu tiên chúng tôi hiện thực hóa thành công một kiến trúc có thể mở rộng để xây dựng các máy tính lượng tử quy mô lớn, khả thi về mặt thương mại, nhằm phục vụ cho AI lượng tử trong tương lai.
- Amazon Braket là một dịch vụ được quản lý toàn phần, giúp bạn bắt đầu sử dụng điện toán lượng tử. Bạn có thể sử dụng nó để học cách lập trình máy tính lượng tử và thiết kế các thuật toán lượng tử của riêng bạn từ đầu. Amazon Braket cũng cung cấp trình mô phỏng mạch lượng tử được quản lý toàn phần, cho phép bạn chạy các thuật toán trên cơ sở hạ tầng được AWS quản lý để xác thực và kiểm thử việc triển khai.
- Các chương trình hợp tác của Phòng thực hành giải pháp lượng tử Amazon là những dự án nghiên cứu chung, cho phép bạn làm việc với các chuyên gia hàng đầu trong lĩnh vực AI lượng tử. Các chương trình này giúp bạn nghiên cứu và xác định các ứng dụng điện toán lượng tử hứa hẹn nhất của tổ chức của bạn và sẵn sàng cho lượng tử.
Bắt đầu với điện toán lượng tử và trí tuệ nhân tạo trên AWS bằng cách tạo tài khoản miễn phí ngay hôm nay.