Redaktørens merknad: Dette innlegget er skrevet av CompTIAs AI Advisory Council.
+ + +
De siste årene har nye teknologier blitt fremtredende. Blant dem har kvantedatabehandling et enestående potensial til å forandre verden vår mest. Kvanteberegning har vist lovende bevis for å øke hastigheten på heuristiske beregninger på en utrolig måte. Derfor vil bruk av kvantedatabehandling innenfor komplekse løsninger for å løse problemer innen farmasøytisk og materialoppdagelse, finans, autonome kjøretøyapplikasjoner, kunstig intelligens og andre områder ha en betydelig innvirkning på livene våre. Spesielt har kvantedatabehandling potensialet til å forstørre effekten (både positive og negative) av mange AI-applikasjoner.
"Jeg tror AI kan akselerere kvanteberegning, og kvanteberegning kan akselerere AI."
Ettersom organisasjoner jobber for å bli mer digitale, er det avgjørende å ha kommende teknologitransformasjoner i tankene for bedre planlegging og strategi. Takket være disse teknologiske fremskritt kan selskaper høste reelle gevinster fra kvantedatabehandling. Med det i tankene, la oss utforske 10 ting du bør være klar over når det kommer til verdener av kvantedatabehandling og AI.
1. Hovedkjennetegn ved kvanteberegning
I såkalte klassiske datamaskiner programmeres biter som dataenheter med mulige verdier på enere og null. I kvantedatamaskiner programmeres dataenheter med kvantebiter—qubits-som kan representere en ener, en null eller en kombinasjon av både null og en på samme tid.
En god analogi er en lysbryter, som i klassiske datamaskiner kan ha en på eller av-posisjon. Med qubits i kvantedatamaskiner kan bryteren ha et hvilket som helst spekter av posisjoner fra på til og med av samtidig. Den fysiske evnen til qubits bringer til å bære de to hovedkarakteristikkene til kvanteberegning.
- super. Dette refererer til evnen til qubits til å være både på og av på samme tid, eller et sted på et spektrum mellom de to. Denne usikkerheten og sannsynligheten bakt inn i dataenheten gjør systemet kraftig til å løse visse typer problemer.
- Forviklinger. Dette er evnen til qubits koblet sammen til å påvirke hverandres uavhengighet selv om de er fysisk adskilte. Som sådan, hvis vi har to qubits og den enes posisjon endres, påvirkes den andre selv om qubitene er atskilt. Denne egenskapen gir en kraftig evne til å flytte informasjon rundt i utrolig høye hastigheter.
2. Raskere og bedre
Kvantedatamaskiner har fire grunnleggende egenskaper som skiller dem fra dagens klassiske datamaskiner:
- Primær faktorisering som utnytter flerdimensjonale rom for å utforske store problemområder og kan revolusjonere kryptering.
- Optimalisering ved å løse store/komplekse problemer med enestående hastighet.
- Simulering, der kvantedatamaskiner modellerer komplekse problemer effektivt.
- Kvantekunstig intelligens med bedre algoritmer som er raskere og mer nøyaktige. IBMs kvanteforskningsteam har funnet ut at sammenfiltring av qubits på kvantedatamaskinen som kjørte et dataklassifiseringseksperiment halverte feilraten sammenlignet med uentangled qubits.
Søknader i næringslivet vil løse problemer som er komplekse. For eksempel:
- Farmasøytisk utvikling krever stoffmolekylmodellering som er notorisk vanskelig fordi atomer i molekyler interagerer med andre atomer på komplekse måter. Den arvelige forviklingsegenskapen til kvantedatamaskiner egner seg her ganske godt.
- Utnytte kvante-AI for å øke tiden og nøyaktigheten for treningssystemer som for eksempel i autonome kjøretøy.
Fra finansielle tjenester, farmasøytiske produkter og medisinske produkter, helsevesen, energi, telekom, media, reiser, logistikk og forsikring for å nevne noen, er det en rekke bransjer som alle vil dra betydelig nytte av kvantedatabehandling.
3. Bias forsterker
Kvantedatabehandlingens forsterkende effekt går utover hastighet og nøyaktighet. Den fremhever også den innebygde skjevheten som finnes i AI/ML-modeller. Som sådan kan applikasjoner som er sårbare for algoritmiske skjevheter (f.eks. i arbeidsscreeningsområdet, politiarbeid osv.) bli enda mer. Med andre ord kan kvanteberegning ha en forstørrende negativ bieffekt som kan gjøre slike applikasjoner for risikable til å bruke fraværende spesielle avbøtende kontroller. Dette er en utilsiktet effekt som alle som jobber med AI/kvantedatabehandling må gjenkjenne og redegjøre for i sine løsninger.
4. Økt algoritmisk kompleksitet, åpenhet og forklaring
Et nåværende kjerneproblem med AI er mangelen på åpenhet og forklarbarhet, spesielt når komplekse algoritmer som dyp læring utnyttes. Hvis et AI-system brukes til avgjørelser som direkte påvirker liv, for eksempel rettssalsbeslutninger, sosiale fordeler til lokalsamfunn, eller til og med avgjørelse av hvem som får lån og til hvilken rate, er det grunnleggende viktig at avgjørelsen kan knyttes til konkrete fakta som er ikke-diskriminerende i praksis.
Forståelig nok øker kvanteberegning på slike AI-systemer kompleksiteten som korrelerer med åpenhet og forklarbarhet negativt.
5. En ny kryptografisk standard
En viktig ulempe med denne fantastiske teknologien er dens evne til å knekke mange av forsvarene som brukes til å sikre internett og andre kritiske applikasjoner. Kvantedatabehandling utgjør en alvorlig trussel mot cybersikkerhetssystemene som praktisk talt alle selskaper bruker. De fleste av dagens online-kontopassord og sikre transaksjoner og kommunikasjon er beskyttet gjennom krypteringsalgoritmer som RSA eller SSL/TLS. Den gjeldende standarden er avhengig av kompleksiteten i å faktorisere store tall i primtall. Dette er imidlertid en type problemkvantedatamaskiner som er gode til å løse. Å bryte et passord med våre nåværende standarder vil ta en klassisk datamaskin 100 år, men kan oppnås i løpet av sekunder med en kvantedatamaskin. Denne påvirkningen går utover personlige kontopassord – den inkluderer å avsløre privat kommunikasjon, bedriftsdata og til og med militære hemmeligheter. For å motvirke dette, leder US National Institute of Standards and Technology (NIST) en global innsats for å finne post-kvantekryptografialgoritmer som vil være raske og pålitelige. Dustin Moody, en NIST-matematiker som jobber med innsatsen, sa på et IBM-krypteringsmøte, "Vi håper å ha den endelige versjonen helt klar og publisert rundt 2024."
6. Ikke en erstatning for nåværende datamaskiner
Klassiske datamaskiner er bedre til noen oppgaver enn kvantedatamaskiner (e-post, regneark og desktop publishing for å nevne noen applikasjoner). Hensikten med kvantedatamaskiner er å være et annet verktøy for å løse ulike problemer, ikke å erstatte klassiske datamaskiner. Så ja, vi vil fortsatt ha datasystemer slik vi kjenner det, eller en versjon av det som vi kjenner for øyeblikket, i overskuelig fremtid.
7. Nærmer seg mainstream
Kvanteteknologiske gjennombrudd fortsetter å akselerere, investeringene strømmer inn, og oppstart i kvanteberegningsområdet fortsetter å multiplisere. Store teknologiselskaper som Alibaba, Amazon, IBM, Google og Microsoft har allerede lansert kommersielle skytjenester for kvantedatabehandling.
Selv om kvantedatabehandling som konsept har eksistert siden tidlig på 1980-tallet, skjedde det første virkelige beviset på at kvantedatamaskiner kunne håndtere problemer som er for kompliserte for klassiske datamaskiner, først på slutten av 2019, da Google kunngjorde at kvantedatamaskinen deres hadde løst en slik beregning på bare 200 sekunder. Goldman Sachs annonserte nylig at de kunne introdusere kvantealgoritmer for å prise finansielle instrumenter om så snart som fem år. Honeywell forventer at quantum vil danne en industri på 1 billion dollar i tiårene fremover.
Stormen av aktivitet antyder at IT-sjefer og andre ledere bør begynne å formulere sine kvantedatabehandlingsstrategier, spesielt i bransjer, som for eksempel legemidler der virkningen vil være betydelig.
8. Det er ikke rett rundt hjørnet
Selv om det er gjort betydelige fremskritt med å bygge forskjellige kvantedatasystemer, er vi ikke i nærheten av å ha et i hver organisasjon – enn si i hver husholdning. Ved å tro på oppstart av kvantedatabehandling som har samlet inn hundrevis av millioner av dollar, er det ingen forventning om at kvantedatasystemer vil bli en hverdagsstandard i løpet av de neste fem årene. Denne forsinkelsen skyldes i stor grad vanskelighetene som fortsatt vedvarer, inkludert vanskelighetene med å konstruere, bygge og programmere kvantedatabehandlingssystemer, inkludert støy, feil, tap av kvantekoherens, og selvfølgelig den høye prislappen knyttet til kvantedatabehandlingssystemer.
9. Halvlederbrikker og talent er nødvendig
Pandemien førte til viktige endringer i måten vi lever på, inkludert normalisering av arbeid hjemmefra, forstyrrelser i forsyningskjeden og mistenkelige blikk til alle som hoster i nærheten av deg. Det fremhevet også den høye etterspørselen, men den lave tilgangen på halvlederbrikker. Fra teknologienheter til kjøretøy, økt etterspørsel har påvirket forbrukerprisene betydelig. Med fremkomsten av kvantedatamaskiner vil etterspørselen bare vokse ytterligere, noe som påvirker tilgjengeligheten og kostnadene for halvledere tilsvarende. Utover begrensningene for maskinvaretilførsel, er det ennå ikke på langt nær nok ressurser trent til å støtte kvantedatabehandlingssystemer og det økonomiske økosystemet for øvrig.
10. Relaterte fremskritt innen kvanteberegning
De siste årene har databehandlingen utviklet seg på to store måter – gjennombrudd innen maskinlæring for å utvikle algoritmer som forbedres automatisk gjennom erfaring, og forskning på kvantedatamaskiner som teoretisk sett kan vise seg kraftigere enn noen superdatamaskin.
- Quantum memristor. Forskere har laget den første prototypen av en enhet kjent som en kvante memristor, som kan bidra til å samle det beste fra begge disse verdenene – ved å kombinere kunstig intelligens med kvantedatabehandling for enestående muligheter.
- Skalerbarhet/Quantum on a Chip. Ser du fortsatt for deg et stort rom fylt med utstyrsenheter, monitorer for ren kvalitet og dedikert personale for temperaturkontroll når du tenker på kvanteberegning? Vel, legg litt salsa på den og gi meg en drink fordi den siste utviklingen nå har gjort det kvanteberegning på en brikke. Arbeidet ble ledet av Cambridge-baserte kvantespesialist Riverlanes' arbeid med New York og London-baserte digitale kvanteselskapet SEEQC. Kvantedatabrikken har et integrert operativsystem for arbeidsflyt og qubit-administrasjon.
Med ankomsten av denne nye bølgen av databehandling, har IT-sjefer og ledere i alle industrivertikaler en tillitsplikt og en unik mulighet til å holde fingrene på pulsen til en ny verdensdefinerende teknologi som er kvantedatabehandling.
Selv om utbredt bruk og applikasjoner for kvantedatabehandling kan virke langt unna, er det nå på tide at MSPer og andre teknologiselskaper begynner å utdanne seg om teknologien. Når kunder begynner å høre mer om det – og stiller spørsmål – vil du være klar med svarene og gi råd om riktig retning skreddersydd for kunden din.
(C) COMPTIA
