درهم تنیدگی ترسناکی بین هوش مصنوعی کوانتومی و بی‌بی‌سی آشکار شد

نظر پخش‌کننده ملی بریتانیا، بی‌بی‌سی، تیم تحقیق و توسعه آن و کل آرشیو 100 ساله آن، 15 میلیون مورد، بخشی از کنسرسیوم جدیدی هستند که QNLP، پردازش زبان طبیعی کوانتومی را بررسی می‌کنند، با هدف نهایی استخراج خودکار معنا از غرغرهای بشریت.

"غیر قابل درک ترین چیز در مورد جهان این است که قابل درک است." ما نمی دانیم او ممکن است در مورد چه چیزی گفته باشد سیرک پرواز مونی پایتون همانطور که او 14 سال قبل از اولین انتقال آن درگذشت. اما شگفت‌انگیز است که او به عنوان یکی از بنیان‌گذاران فیزیک کوانتومی، از ایده محاسبات کوانتومی نشان دهد که چرا جهان در وهله اول قابل درک است، شگفت‌انگیز است. 

این کنسرسیوم، که در 25 نوامبر اعلام شد، از آکادمی سلطنتی مهندسی کمک مالی دریافت می‌کند و بر روی مکانیک کوانتومی و زبان‌شناسی توسط پروفسور باب کوک، دانشمند ارشد شرکت QC در بریتانیا، Quantinuum، کار خواهد کرد. پروفسور استفان کلارک، رئیس هوش مصنوعی در کمبریج کوانتوم؛ و پروفسور مهرنوش صدرزاده از گروه علوم کامپیوتر دانشگاه کالج لندن. دو حرفهایها در یک گاراژ این نیست.

پیروان طولانی مدت اخبار محاسبات کوانتومی می دانند که هر داستانی در مورد QC بیشتر در زمان آینده وجود دارد: فناوری بیشتر نویدبخش است تا محصول. این توسط وضعیت فعلی هنر، کوانتومی در مقیاس متوسط ​​پر سر و صدا یا NISQ محدود شده است. سیستم های فعلی بسیار پر سر و صدا و کوچکتر از آن هستند که مفید باشند. بسیاری از تحقیقات QC امروزی در توسعه تکنیک‌ها و الگوریتم‌هایی است که وقتی از NISQ خارج شدیم و به سیستم‌های مقاوم در برابر خطا و مقیاس بزرگ وارد شدیم، در جهان شکست خواهند خورد. QNLP تفاوتی ندارد. 

چیزی که آن را جالب می کند این است که از کجا آمده است. همکاران استاد و تیم های آنها 15 سال تحقیق در زمینه تجزیه و تحلیل زبان دارند. یکی از نتایج آن، چارچوب DISCOCAT (دسته‌بندی ترکیبی توزیعی) است که مجموعه‌ای از داده‌ها را از گروه‌هایی از جملات ایجاد می‌کند که می‌توانند در یک سیستم کوانتومی تجزیه و تحلیل شوند. بخش ذاتاً جالب این است که DISCOCAT یک شبکه تانسوری تولید می کند که بسیار نزدیک به نحوه عملکرد طبیعی منطق کوانتومی نقشه می دهد. این پروژه می گوید که ذاتاً مناسب مکانیک کوانتومی است. اما تعداد بسیار کمی از وظایف محاسباتی استاندارد چنین هستند، پس چرا باید به معنای رمزگذاری شده در زبان اعمال شود؟ 

به گفته محققان، پاسخ این است نظریه دسته بندی. این یک رویکرد ریاضی برای تجزیه و تحلیل سیستم‌ها است که برای اولین بار در اواسط قرن بیستم مطرح شد، که می‌گوید با نادیده گرفتن جزئیات داخلی هر جزء و تمرکز بر نحوه تعامل آنها می‌توانید اطلاعات زیادی در مورد یک سیستم یاد بگیرید. با ارائه نقشه‌ای از رفتارها، نظریه دسته‌بندی می‌تواند الگوهایی را آشکار کند که به راحتی نمی‌توان آن‌ها را با تلاش برای تجزیه اجزای منفرد به دست آورد – که آن را بسیار مناسب می‌کند، به عنوان مثال، مکانیک کوانتومی. مکانیک کوانتومی طبقه‌ای یک رشته مطالعاتی اخیر است که بر روی الگو و فرآیند در سطوح کوانتومی تمرکز دارد، که آن را مناسب برای منطق کوانتومی در میان بسیاری موارد دیگر می‌کند.

نظریه مقوله همچنین تطبیق خوبی با تجزیه و تحلیل زبانی دارد و نقشه هایی از معنا تولید می کند که شامل اطلاعاتی در مورد روابط بین دستور زبان و نشانه شناسی است - ساختار نحوه رمزگذاری معنا. این هم بسیار مفید است و هم برای محققان هوش مصنوعی و فیلسوفان ذهن، یک مسیر بسیار وسوسه انگیز برای کاوش مفهومی است. 

با این حال، عامل اصلی، توانایی نظریه دسته برای یافتن الگوهای مشابه در سیستم های ظاهراً متفاوت است. این اساساً میزان پیشرفت ریاضیات و فیزیک است که از دانش یک سیستم برای به دست آوردن بینش نسبت به سیستم دیگر استفاده می کند. آنچه محققان کنسرسیوم می گویند این است که ماهیت کوانتومی تحلیل زبانی آنها ناشی از کار با الگوهای مشابه مکانیک کوانتومی است. از این رو QC در زبان به طرز خیره کننده ای خوب خواهد بود - زمانی که کار کند. 

این ارتباط مدتی است که از نظر تئوری شناخته شده است، اما محدود به شبیه سازی های کامپیوتری کلاسیک است. اکنون، شواهدی وجود دارد که نشان می‌دهد واقعیت برای مطابقت با نظریه آماده است، با آزمایش های اخیر شروع به پرسیدن سوالات کوچک از مجموعه جملات کوچک در پلتفرم Quantum Experience IBM. این فقط شامل چند تست بود، یکی برای پرسیدن کدام یک از حدود صد جمله در مورد غذا و کدام در مورد IT، و یکی برای چیدن عبارات اسمی. سپس شبیه‌سازی‌های رایانه‌ای کلاسیک در کنار آزمایش‌های کوانتومی اجرا می‌شوند تا نشان دهند وقتی سیستم‌های مقیاس بزرگ با تحمل خطا وارد می‌شوند، چه چیزی می‌توانید برنده شوید.

از این نظر، این به خوبی QC است. اما به این معنا که یک ابزار بنیادی ریاضیات و علم اطلاعات برقراری ارتباط صریح با ساختار عمیق زبان و نحوه عملکرد مکانیک کوانتومی است، این یک اشاره بسیار جالب به این است که چگونه محاسبات کوانتومی به همان اندازه که برای فیلسوفان شناخت جالب است. فیزیکدانان، مشاغل و دانشمندان کامپیوتر. زبان کارکردی است، شاید کارکرد تعیین کننده، نحوه طبقه بندی خودمان به عنوان هوشمند، و پردازش زبان بخشی ذاتی و منحصر به فرد از شناخت انسان و جامعه انسانی. اینکه آن را پیروی از قوانینی بدانیم که سایر سیستم‌های فیزیکی نشان می‌دهند، به این معنا نیست که آگاهی کوانتومی‌تر از هر سیستم کلان کلاسیک دیگری است. طبیعت الگوها را در همه مقیاس ها تکرار می کند. 

اما ممکن است توضیح دهد که چگونه می‌توانیم بسیاری از فیزیک را قابل درک کنیم. از الگوهایی پیروی می کند که ما برای بهره برداری پیکربندی شده ایم. یافتن پاسخی بالقوه برای چیزی که انیشتین را گیج کرده بود، کار بدی نیست. و چه کسی می داند، زمانی که یک هوش مصنوعی آینده پس از NISQ تمام خروجی بی بی سی را هضم کرد، حتی ممکن است بتوانیم از آن بپرسیم که طرح طوطی به این معناست، اما اصلاً هدف تلویزیون در روز چیست. شاید این یک سوال فلسفی خیلی دور باشد. ®