داخل "داخل Scoop:" Quantum Technology و ChatGPT

على الرغم من أنه تم استخدامه فقط لبضعة أشهر ، إلا أن ChatGPT يقوم بالفعل بعمل بعض موجات كبيرة عبر الصناعات. من كتابة المقالات الإخبارية إلى توفير كود الكمبيوتر ، فإن منظمة العفو الدولية chatbot يبدو أنه قد تم بالفعل استبدال العديد من أنواع الوظائف المختلفة. بينما تخلق هذه التقنية الجديدة نقلة نوعية للعديد من الصناعات المختلفة ، لا يزال ChatGPT قيد التطوير والتطوير ، مثل نظرائه ، مثل Google الشاعر برنامج. يمكن أن تكون إحدى طرق تحسين روبوتات الدردشة هذه التي تعمل بالذكاء الاصطناعي هي التقديم الاحصاء الكمية تكنولوجيا. مع وعد الحوسبة الكمومية بتحليل أسرع للبيانات وأكثر شمولاً التحسين الخوارزميات ، فإن الجمع بين هاتين التقنيتين الوليدين يمكن أن يخلق شيئًا أكثر حداثة مما رأيناه حاليًا.

بعض الفوائد البسيطة

ما هي أفضل طريقة لفهم الفوائد المحتملة للحوسبة الكمومية من طرح ChatGPT نفسها؟ عندما طرحت هذا السؤال على البرنامج ، أجاب بما يلي: "أولاً ، يمكن للحوسبة الكمومية أن تسرع من عمليات التدريب والاستدلال آلة التعلم الخوارزميات ، والتي يمكن أن تجعل استجابات ChatGPT أسرع وأكثر دقة. ثانيًا ، يمكن أن تساعد الحوسبة الكمومية في تحسين مهام معالجة اللغة الطبيعية ، والتي يمكن أن تعزز قدرة ChatGPT على فهم وتوليد لغة شبيهة بالبشر. ثالثًا ، يمكن أن توفر الحوسبة الكمومية طرقًا جديدة لحل مشكلات التحسين المعقدة ، والتي يمكن أن تساعد ChatGPT في تحسين قدراتها على اتخاذ القرار والتوصية. "

يمكن لـ QML سد الفجوة

لتوصيل ChatGPT بالحوسبة الكمومية ، يفترض العديد من الخبراء أن البرنامج ، مثل Quantum Machine Learning (QML) الخوارزميات ، يجب أن تكون لها الأولوية الأولى. "أود أن أقول أنه على الرغم من وجود ثقة كبيرة بين البائعين بأن QML ستظهر ميزة على الكلاسيكية ، ومع ذلك ، فإن الذكاء الاصطناعي التوليدي (مثل النوع المستخدم في ChatGPT) سيكون مجالًا جيدًا لفرص QML ،" سام لوسيرو، كبير محللي الحوسبة الكمية في اومديا. يمكن لـ QML سد الفجوة بين قدرات الذكاء الاصطناعي والحوسبة الكمومية وتقديم بعض الفوائد المهمة. وفقًا لـ Lucero: "نظريًا ، يمكن أن توفر QML القدرة (ربما بشكل كبير) على تقليل حجم بيانات التدريب اللازمة لتحقيق نفس المستوى من القدرة الاستنتاجية ، بالنسبة للذكاء الاصطناعي التوليدي الكلاسيكي. هذا في حد ذاته أمر أساسي لأن النماذج التأسيسية الكبيرة مثل ChatGPT ضخمة ومكلفة (بملايين الدولارات) للتدريب ، وتستغرق وقتًا طويلاً للتدريب (أشهر) ، وتستهلك الكثير من الطاقة ، وهذا ليس رائعًا من منظور الاستدامة (ميغاوات من الكهرباء لتشغيل مركز البيانات). أيضًا ، هناك مخاوف تتعلق بتوفر البيانات: يتم تدريب ChatGPT بشكل أساسي على "الإنترنت" ، لكن العديد من المؤسسات ترغب في أن تكون قادرة على استخدام بياناتها الداخلية فقط للتدريب ، ولكنها لا تزال تحصل على نفس مستوى الأداء في الاستنتاج. يمكن أن يكون ذلك منفعة لحالة الاستخدام ، أو فائدة تنظيمية (على سبيل المثال ، استخدام البيانات المحمية بموجب قانون HIPAA للتدريب) ، بالإضافة إلى فائدة من حيث التكلفة والوقت والاستدامة ، وما إلى ذلك " لن يقدم QML نماذج أكثر فعالية من حيث التكلفة لـ ChatGPT المستقبلية فحسب ، بل يمكن أن يعمل أيضًا بسرعات أعلى وقدرة أعلى على البيانات ، مما يوفر حلولًا أكثر قوة. يمكن لـ QML أيضًا إضافة نطاق أوسع من البيانات لتشغيل النموذج. يقول Lucero: "QML للذكاء الاصطناعي التوليدي قادر على استكشاف مساحة بحث أوسع من ML الكلاسيكية". "من الناحية العملية ، هذا يعني أن QML يجب أن تكون أفضل ، على سبيل المثال ، في ترجمة اللغة الاصطلاحية ، أو الترجمة بين لغتين منظمتين بشكل مختلف تمامًا على مستوى نحوي أساسي." هذا له آثار ضخمة على العديد من المجالات المختلفة ، من السياسة وأجهزة الترجمة الدولية إلى أنثروبولوجيا إعادة بناء اللغات المفقودة.

يمكن أن تساعد هذه الفوائد أيضًا في تقليل وقت التدريب إلى النصف لروبوتات الدردشة الذكية. "تتمثل إحدى أهم سمات ChatGPT في أنها مجهزة بالتعلم المعزز من ردود الفعل البشرية (RLHF) ، وهو أساسًا التعلم القائم على المكافأة" العلم والتكنولوجيا كاتب عيوش جاين يضيف. "يتمثل أحد التحديات الرئيسية لاستخدام هذا النموذج في أن النموذج يجب أن يمر بالكثير من التجارب والخطأ قبل أن يعرف ما هو السلوك المكافئ - مما يعني أن تلك المؤسسات فقط التي يمكنها تحمل تكاليف تدريب النموذج في الأماكن العامة على الرغم من عيوبه الأولية يمكنها الفوز باللعبة. لكن هذا يمكن أن يتغير مثل في إحدى الدراسات التي نظرت في آثار خمسة أيام فقط من الراحة في الفراش ، رأى الباحثون زيادة مقاومة الأنسولين ، وهي مقدمة لمرض السكري. منذ بضع سنوات مضت أظهر أنه في الأنظمة الهجينة ، كان التعلم المعزز للذكاء الاصطناعي قادرًا على التعلم أسرع بنسبة 60 بالمائة من نظيره غير الكمي. " نماذج اللغة الكمومية هي بالفعل قيد العمل بالفعل. كما يقول جاين: "لقد رأينا شركات مثل كامبريدج الكم طورت مجموعة أدوات ومكتبة برمجية لمعالجة اللغة الطبيعية ". كامبريدج كوانتوم (الآن الكميات) قد يبدأ اتجاهًا من خلال النظر في نماذج اللغة للذكاء الاصطناعي أثناء تطوير أجهزة الكمبيوتر الكمومية في وقت واحد.

القيود الحالية لتكامل ChatGPT مع Quantum

في حين أن هذه الفوائد يمكن أن تغير قواعد اللعبة بالنسبة إلى روبوت الدردشة المدعوم بالذكاء الاصطناعي ، فإن العملية الفعلية لدمج التقنيتين أكثر تعقيدًا. يعتقد بعض الخبراء ، مثل جين ، أن الخطوة التالية الأكثر طبيعية هي الجمع بين نماذج الحوسبة الكلاسيكية للذكاء الاصطناعي والحوسبة الكمومية في منصة هجينة. يوضح جين: "يركز النموذج الهجين على تقنيات تنفيذ التعلم على البيانات الكلاسيكية باستخدام أجهزة الكمبيوتر الكمومية ، بدلاً من تطوير خوارزميات كمومية كاملة تعمل مع البيانات الكمية". "ومنصات مثل نفيديا جودا وقد قام آخرون بالفعل - إلى حد ما - برفع مستوى منحنى التعلم الحاد منذ تطوير الأنظمة الكمومية الكلاسيكية الهجينة التي يمكن أن تستفيد من مجموعات البرامج الكلاسيكية الحالية ونماذج البرمجة والمكتبات ، والتي يمكن أن تساعد في تسريع اعتماد الحوسبة الكمومية. " نظرًا لأن أجهزة الكمبيوتر الكمومية لا تزال قيد التطوير ، وهي هشة وصعبة إلى حد ما ، فمن الصعب تحديد متى ستكون تقنية الجيل التالي هذه جاهزة للتعامل مع ChatGPT. إذا اجتمع الاثنان معًا في النهاية ، فربما يحدث تحول مماثل في النموذج ، مثل الذي نشهده حاليًا ، مما يجبرنا مرة أخرى على التكيف مع تقنيتنا المتطورة باستمرار.

كينا هيوز-كاسلبيري هي كاتبة في Inside Quantum Technology و Science Communicator في JILA (شراكة بين جامعة كولورادو بولدر و NIST). تشمل إيقاعات كتابتها التكنولوجيا العميقة ، والميتافيرس ، والتكنولوجيا الكمومية.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://www.insidequantumtechnology.com/news-archive/inside-quantum-technologys-inside-scoop-quantum-and-chatgpt/