ستون مهمان Quantum Particulars: "محققان کوانتومی چیزهای زیادی برای یادگیری از اشتباهات جامعه هوش مصنوعی دارند" - Inside Technology Quantum

«جزئیات کوانتومی» یک ستون مهمان سرمقاله است که شامل بینش ها و مصاحبه های انحصاری با محققان، توسعه دهندگان و کارشناسان کوانتومی است که به چالش ها و فرآیندهای کلیدی در این زمینه نگاه می کنند. این مقاله نظرات Joan Etude Arrow، بنیانگذار و مدیر عامل پروژه اخلاق کوانتومی را ارائه می‌کند، که در مورد عملکرد و نارسایی‌های «هایپ» در صنعت کوانتوم بحث می‌کند. 

پس از دارتموث 1956 مطالعه تابستانی گروهی که زمینه هوش مصنوعی را تأسیس کرد، محققان تازه وارد هوش مصنوعی ادعا شده از جانب که کامپیوترها به زودی به آن دست خواهند یافت هوش در سطح انسان یا بزرگتر این ادعاها زمانی مطرح شد که رایانه‌ها روی لوله‌های خلاء کار می‌کردند، یک اتاق کامل را اشغال می‌کردند و فاقد داده‌های آموزشی فراوان اینترنت ضروری برای مدل‌های هوش مصنوعی امروزی، مانند ChatGPT بودند. حتی اگر هیچ یک از سخت افزارهای لازم برای هوش مصنوعی پیچیده وجود نداشت، به اصطلاح سال های طلایی هوش مصنوعی تا سال 1974 دوام آورد و دید میلیون ها دلار سرمایه گذاری در MIT به تنهایی برای تأمین مالی تحقیقات مبتنی بر وعده های بیش از حد.

این داستان ممکن است برای هر کسی که در فاصله کمی از محاسبات کوانتومی قرار دارد آشنا به نظر برسد. با هر محقق جدی صحبت کنید، همانطور که در دو سال گذشته در تلاش برای درک هیپ کوانتومی بودم، و آنها به شما خواهند گفت که سطح تبلیغات در مورد فناوری های کوانتومی نزدیک به دغدغه های آنهاست. همکاران من نگران هستند که مانند آن محققان در دهه 50، توانایی‌های رایانه‌های کوانتومی را بیش از حد بفروشیم. سخت‌افزار محاسبات کوانتومی هنوز در مراحل ابتدایی خود است، و مانند لوله‌های خلاء دهه 1950، کیوبیت‌های نوزاد ما به اندازه‌ای قوی نیستند که بتوانیم وعده‌هایی را که به آن‌ها می‌دهیم به عهده بگیریم.

این همان چیزی است که من از هیپ تعریف می کنم، که آن را به عنوان تفاوت بین قابلیت های وعده داده شده آن فناوری و قابلیت های دنیای واقعی آن تعریف می کنم. محققان هوش مصنوعی 50 سال قبل از اینکه سخت افزار قادر به ارائه آن باشد بیش از حد قول داده بودند و در نتیجه، گمشده ترین ایمان در این زمینه - فرو بردن تحقیقات هوش مصنوعی در زمستانی با حداقل بودجه و وضعیت حاشیه ای برای چندین دهه - که پیامدهای آن سرعت پیشرفت در این زمینه بود.

امروزه محققان کوانتومی در حال معاشقه با همان فاجعه هستند. اگر کنترلی بر هیاهوی بی‌سابقه حوزه خود نداشته باشیم، این خطر را داریم که کوانتوم را در زمستان خود فرو ببریم. این تضمین می‌کند که راه‌حل‌های بسیار مورد نیاز کوانتوم برای سال‌ها یا حتی دهه‌ها به دست نمی‌آیند، زیرا ما برای پیشرفت سخت‌افزار کوانتومی در حاشیه توسعه فناوری و بدون بودجه کافی تلاش می‌کنیم.

اما این مقاله یک سخنرانی در مورد هایپ نیست. همانطور که از تجربیات خودم اشاره کرده ام، توافق گسترده ای در جامعه کوانتومی وجود دارد که هیپ یک مشکل است، اکنون باید تصمیم بگیریم که در مورد آن چه کنیم. پیچیده‌تر کردن موضوع این است که هیپ چیز بدی نیست. می تواند یک باشد مکانیسم سالم برای ایجاد هیجان، جمع آوری بودجه، و ترویج کار خود.

پس چگونه می‌توانیم نیازهای خود برای جمع‌آوری سرمایه و فروش محصولات را با الزام اجتناب از زمستان کوانتومی از طریق علم روشن و معتبر متعادل کنیم؟

من معتقدم که کمی کردن این تفاوت بین قابلیت وعده داده شده و توانایی دنیای واقعی شروع خوبی است. برای واجد شرایط بودن سؤال زیر به یک معیار سنجش اعتبار نیاز داریم: توانایی دنیای واقعی فناوری شما تا تحقق وعده‌اش چقدر فاصله دارد؟

در مورد الگوریتم های کوانتومی، مزیت محاسباتی کوانتومی هدف اصلی این میدان است. تولید یک معیار اعتبار برای یک الگوریتم کوانتومی می‌تواند شبیه تخمین تعداد کیوبیت‌هایی باشد که احتمالاً برای دستیابی به مزیت کوانتومی نیاز دارید و سپس آن عدد را با بزرگترین سیستم فیزیکی که توانسته‌اید الگوریتم خود را با موفقیت پیاده‌سازی کنید، مقایسه کنید.

به عنوان یک مثال ساده: اگر الگوریتم شما به حداقل 100 کیوبیت نیاز دارد تا در رژیمی اجرا شود که کامپیوترهای کلاسیک نمی توانند شبیه سازی کنند - در نتیجه رژیم مزیت کوانتومی ایجاد می شود - و الگوریتم شما تنها روی 7 کیوبیت با یک خطای حل از پیش تعیین شده تکمیل شده است، پس نسبت توانایی واقعی شما در مقابل وعده 7/100 = 7٪ است. هر چه به عدد 1 نزدیکتر شوید، اعتبار بیشتری خواهید داشت.

ذکر این نکته مهم است که این متریک به یک اکتشافی بستگی دارد، تعداد کیوبیت‌های مورد نیاز برای فراتر از ظرفیت شبیه‌سازی کوانتومی رایانه‌های کلاسیک. این عدد ثابت نیست، چون روش‌های پیچیده‌تری برای شبیه‌سازی کلاسیک سیستم‌های کوانتومی ابداع می‌شود، این حد بالا افزایش خواهد یافت. تا زمانی که مفروضات مربوط به اکتشافی روشن شود، امتیاز اعتبار می تواند راه مهمی برای روشن کردن آنچه در غیر این صورت یک مکالمه فنی بازدارنده در مورد پیشرفت محققین الگوریتم کوانتومی باشد، باشد.

یک معیار اعتبار مشابه ممکن است در سیستم‌های سنجش کوانتومی یا شبکه‌های کوانتومی تولید شود. برای سنجش کوانتومی، هدف اصلی ممکن است یک حسگر کوانتومی باشد، مانند یک GPS بدون ماهواره، که به اندازه کافی قابل حمل باشد تا در میدان، به عنوان مثال، در دست شخصی یا در هواپیما مستقر شود. در اینجا، وعده آستانه معینی برای قابل حمل بودن، اندازه فیزیکی، وزن و حساسیت در میدان است.

شفاف سازی این معیارها تبلیغات را کاهش می دهد و پیشرفت به سمت فناوری کوانتومی مفید را نشان می دهد. این ممکن است برای فروش هوشیارتر باشد، اما اطمینان از اینکه سرمایه گذاران، مشتریان بالقوه و عموم مردم درک دقیقی از اینکه امروز کجا هستیم و هنوز تا چه حد باید پیش برویم، ضروری است.

این معیارها باید به عنوان نقطه شروعی برای رسیدگی به مشکل تبلیغات در نظر گرفته شود. آنهایی از ما در جامعه کوانتومی باید تلاش کنند تا معیارهای واضح و قابل درک را ایجاد کنند که برای اهداف زیرشاخه های خاص ما منطقی باشد. علاوه بر این، اگر این معیارها در بخش فنی مقاله شما دفن شوند، کار کمی انجام می دهند. این معیارها و مفروضاتی که به آنها بستگی دارند باید در هر چکیده مقاله اصلی و مرکزی باشند تا از ارتباط علمی واضح و معتبر نتایج ما در آینده اطمینان حاصل شود.

اینکه آیا از یک زمستان کوانتومی اجتناب کنیم به ما بستگی دارد. اگر موفقیت هوش مصنوعی مدرن چیزی به ما آموخته است، این است که وقتی وارد شود، فناوری کوانتومی نیرویی خواهد بود که باید با آن حساب کرد. این به ما بستگی دارد که این آینده چقدر زود محقق شود.

جوآن اتود ارو موسس و مدیر عامل شرکت است پروژه اخلاق کوانتومی. جوآن به‌عنوان عضو انجمن کوانتومی مرکز شبکه‌های کوانتومی، در یادگیری ماشین کوانتومی با تمرکز ویژه بر روی روش‌های تحقیقاتی معتبر که به مسائل تبلیغاتی در این زمینه می‌پردازد، متخصص است. جوآن به عنوان معاون مدیر آموزش و توسعه نیروی کار در Q-SEnSE، همچنین بر روی دسترسی بیشتر به فناوری کوانتومی، به ویژه برای دانش‌آموزان با پیشینه‌های مختلف، متمرکز است.

برچسب ها: AI, الگوریتم, اعتیاد به مواد مخدره, جوآن اتود ارو, محاسبات کوانتومی, جزئیات کوانتومی

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-researchers-have-a-lot-to-learn-from-the-mistakes-of-the-artificial-intelligence-community/