Kolom Tamu Khusus Quantum: “Peneliti kuantum harus belajar banyak dari kesalahan komunitas kecerdasan buatan” – Inside Quantum Technology

“Quantum Particulate” adalah kolom tamu editorial yang menampilkan wawasan eksklusif dan wawancara dengan peneliti, pengembang, dan pakar kuantum yang mengamati tantangan dan proses utama di bidang ini. Artikel ini menampilkan pendapat Joan Etude Arrow, Pendiri dan CEO Proyek Etika Kuantum, yang membahas fungsi dan kegagalan “hype” dalam industri kuantum. 

Setelah Dartmouth tahun 1956 Studi Musim Panas Kelompok yang mendirikan bidang kecerdasan buatan, peneliti AI baru diproklamirkan yang akan segera dicapai oleh komputer kecerdasan tingkat manusia atau lebih besar. Klaim ini dibuat ketika komputer dijalankan dengan tabung vakum, memenuhi seluruh ruangan, dan tidak memiliki banyak data pelatihan internet yang penting untuk model AI saat ini, seperti ChatGPT. Meskipun tidak ada perangkat keras yang diperlukan untuk AI canggih, yang disebut tahun-tahun emas AI berlangsung hingga tahun 1974 dan terus berlanjut jutaan dolar diinvestasikan di MIT sendirian untuk mendanai penelitian berdasarkan janji-janji yang dilebih-lebihkan.

Kisah ini mungkin terdengar familier bagi siapa pun yang berada dalam jarak dekat dengan komputasi kuantum. Bicaralah dengan peneliti serius mana pun, seperti yang saya lakukan selama dua tahun terakhir dalam upaya saya memahami hype kuantum, dan mereka akan memberi tahu Anda bahwa tingkat hype seputar teknologi kuantum mendekati puncak kekhawatiran mereka. Rekan-rekan saya khawatir, seperti para peneliti di tahun 50an, kita terlalu melebih-lebihkan kemampuan komputer kuantum. Perangkat keras komputasi kuantum masih dalam tahap awal, dan seperti tabung vakum pada tahun 1950-an, qubit bayi kita belum cukup kuat untuk memenuhi janji yang kita berikan kepada mereka.

Inilah yang saya maksud dengan hype, yang saya definisikan sebagai perbedaan antara kemampuan yang dijanjikan teknologi tersebut dan kemampuan dunia nyata. Peneliti AI memberikan janji yang berlebihan 50 tahun sebelum perangkat keras tersebut dapat dihasilkan, dan sebagai hasilnya, kepercayaan yang paling hilang di lapangan – menyebabkan penelitian AI memasuki musim dingin dengan pendanaan minimal dan status terpinggirkan selama beberapa dekade – yang konsekuensinya adalah lambatnya kemajuan di lapangan.

Saat ini, para peneliti kuantum sedang menghadapi bencana yang sama. Jika kita tidak bisa mengatasi hiruk pikuk yang merajalela di bidang yang kita geluti, kita berisiko menjerumuskan kuantum ke dalam musim dinginnya sendiri. Hal ini akan menjamin bahwa solusi kuantum yang sangat dibutuhkan tidak akan tercapai selama bertahun-tahun atau bahkan puluhan tahun ketika kita berjuang untuk memajukan perangkat keras kuantum di pinggiran perkembangan teknologi dan tanpa pendanaan yang memadai.

Namun artikel ini bukanlah ceramah tentang hype. Seperti yang telah saya tunjukkan dari pengalaman saya sendiri, terdapat kesepakatan luas dalam komunitas kuantum bahwa hype adalah sebuah masalah, sekarang kita perlu memutuskan apa yang harus dilakukan untuk mengatasinya. Yang memperumit masalah ini adalah kenyataan bahwa hype bukanlah hal yang buruk secara universal. Ini bisa berupa a mekanisme yang sehat untuk membangkitkan kegembiraan, menggalang dana, dan mempromosikan karya seseorang.

Lalu, bagaimana kita dapat menyeimbangkan kebutuhan kita untuk mengumpulkan dana dan menjual produk dengan keharusan menghindari musim dingin kuantum melalui ilmu pengetahuan yang jelas dan kredibel?

Saya percaya bahwa mengukur perbedaan antara kemampuan yang dijanjikan dan kemampuan di dunia nyata adalah awal yang baik. Kita memerlukan upaya metrik kredibilitas untuk menjawab pertanyaan berikut: Seberapa jauh kemampuan teknologi Anda di dunia nyata dalam memenuhi janjinya?

Dalam kasus algoritma kuantum, keunggulan komputasi kuantum adalah tujuan utama dari bidang ini. Menghasilkan metrik kredibilitas untuk algoritme kuantum dapat terlihat seperti memperkirakan jumlah qubit yang mungkin Anda perlukan untuk mencapai keunggulan kuantum, lalu membandingkan angka tersebut dengan sistem fisik terbesar tempat Anda berhasil mengimplementasikan algoritme.

Sebagai contoh sederhana: Jika algoritme Anda memerlukan setidaknya 100 qubit untuk bekerja dalam rezim yang tidak dapat disimulasikan oleh komputer klasik – sehingga membentuk rezim keunggulan kuantum – dan algoritme Anda hanya menyelesaikan 7 qubit dengan kesalahan solusi yang telah ditentukan sebelumnya, maka rasio kemampuan nyata versus janji Anda adalah 7/100 = 7%. Semakin dekat Anda ke angka 1, semakin Anda bisa dipercaya.

Penting untuk diperhatikan bahwa metrik ini bergantung pada heuristik, yaitu jumlah qubit yang diperlukan untuk melampaui kapasitas simulasi kuantum komputer klasik. Jumlah ini tidak tetap, seiring dengan semakin canggihnya metode simulasi klasik sistem kuantum yang dirancang, batas atas ini akan meningkat. Selama asumsi mengenai heuristik dibuat jelas, skor kredibilitas dapat menjadi cara penting untuk memperjelas percakapan teknis yang sangat sulit tentang kemajuan yang dibuat oleh para peneliti algoritma kuantum.

Metrik kredibilitas serupa dapat dihasilkan dalam rezim penginderaan kuantum atau jaringan kuantum. Untuk penginderaan kuantum, tujuan utamanya mungkin berupa sensor kuantum, seperti GPS tanpa satelit, yang cukup portabel untuk digunakan di lapangan, misalnya, di tangan seseorang atau di pesawat. Di sini, yang dijanjikan adalah ambang batas tertentu untuk portabilitas, ukuran fisik, berat, dan sensitivitas di lapangan.

Mengklarifikasi metrik ini akan mengurangi hype dan menunjukkan kemajuan menuju teknologi kuantum yang bermanfaat. Hal ini mungkin akan memberikan promosi penjualan yang lebih serius, namun penting untuk memastikan bahwa investor, calon konsumen, dan masyarakat umum memiliki pemahaman yang akurat tentang posisi kita saat ini dan seberapa jauh kita harus melangkah.

Metrik ini harus dilihat sebagai titik awal untuk mengatasi masalah hype. Kita yang berada di komunitas kuantum harus berupaya mengembangkan metrik yang jelas dan mudah dipahami serta masuk akal untuk tujuan subbidang spesifik kita. Selain itu, metrik ini tidak banyak membantu jika terkubur di bagian teknis makalah Anda. Metrik dan asumsi yang mendasarinya harus menjadi yang terdepan dan utama dalam setiap abstrak makalah untuk memastikan komunikasi ilmiah yang jelas dan kredibel mengenai hasil penelitian kami di masa mendatang.

Apakah kita bisa menghindari musim dingin kuantum, itu terserah kita. Jika keberhasilan AI modern telah mengajarkan kita sesuatu, maka teknologi kuantum akan menjadi kekuatan yang harus diperhitungkan ketika teknologi tersebut hadir. Tergantung pada kita seberapa cepat masa depan itu terwujud.

Joan Etude Arrow adalah Pendiri dan CEO Proyek Etika Kuantum. Sebagai Quantum Society Fellow di Center for Quantum Networks, Joan berspesialisasi dalam pembelajaran mesin kuantum dengan fokus khusus pada praktik penelitian kredibel yang mengatasi isu-isu yang sedang booming di lapangan. Sebagai Wakil Direktur Pendidikan dan Pengembangan Tenaga Kerja di Q-SEnSE, Joan juga fokus untuk membuat teknologi kuantum lebih mudah diakses, khususnya oleh siswa dari berbagai latar belakang.

Tags: AI, algoritma, Hype, Joan Etude Panah, komputasi kuantum, rincian kuantum

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: 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/