Ujawniono upiorne splątanie między kwantową sztuczną inteligencją a BBC

Opinia Brytyjski nadawca krajowy, BBC, jego zespół badawczo-rozwojowy i całe 100-letnie, 15-milionowe archiwum jest częścią nowego konsorcjum badającego QNLP, Quantum Natural Language Processing, którego ostatecznym celem jest zautomatyzowanie wydobywania znaczenia z ludzkiego bełkotu.

„Najbardziej niezrozumiałą rzeczą we wszechświecie jest to, że jest zrozumiały” – to jeden z tych rzadkich cytatów Einsteina, które rzeczywiście wypowiedział Einstein. Nie wiemy, o czym mógł mówić Latający cyrk Monty Pythona ponieważ zmarł 14 lat przed jego pierwszą transmisją. Fascynujące jest jednak zastanawianie się, co on, jako jeden z twórców fizyki kwantowej, mógł sądzić o pomyśle obliczeń kwantowych wskazujących, dlaczego wszechświat jest w ogóle zrozumiały. 

Konsorcjum, ogłoszone 25 listopada, otrzymuje fundusze z Królewskiej Akademii Inżynierii i będzie opierać się na pracach nad mechaniką kwantową i językoznawstwem profesora Boba Coecke, głównego naukowca w brytyjskiej firmie QC Quantinuum; profesor Stephen Clark, szef AI w Cambridge Quantum; oraz profesor Mehrnoosh Sadrzadeh z wydziału informatyki na University College London. Dwóch maniaków w garażu to nie to.

Długoletni zwolennicy wiadomości o komputerach kwantowych będą wiedzieć, że każda historia o QC dotyczy głównie czasu przyszłego: technologia jest bardziej obiecująca niż produkt. Jest to ograniczone przez obecny stan techniki, hałaśliwy kwant w skali pośredniej lub NISQ. Obecne systemy są zbyt głośne i zbyt małe, aby były użyteczne. Większość dzisiejszych badań QC polega na opracowywaniu technik i algorytmów, które pobiją świat, gdy wyjdziemy z NISQ i przejdziemy do odpornych na błędy systemów na dużą skalę. QNLP nie jest inny. 

Interesujące jest to, skąd pochodzi. Współpracownicy profesorscy i ich zespoły mają za sobą 15 lat badań nad analizą języka. Jednym z rezultatów jest wspaniale nazwany framework DISCOCAT (DIStributional COmpositional CATegorical), który tworzy zestaw danych z grup zdań, które można analizować w systemie kwantowym. Z natury interesującą częścią tego projektu jest to, że DISCOCAT tworzy sieć tensorową, która bardzo dokładnie odwzorowuje naturalne działanie logiki kwantowej. Projekt mówi, że z natury dobrze pasuje do mechaniki kwantowej. Ale bardzo niewiele standardowych zadań obliczeniowych jest takich, więc dlaczego miałoby to dotyczyć znaczenia zakodowanego w języku? 

Odpowiedź brzmi, twierdzą naukowcy teoria kategorii. Jest to matematyczne podejście do analizy systemów, po raz pierwszy dyskutowane w połowie XX wieku, które mówi, że można się wiele dowiedzieć o systemie, ignorując wewnętrzne szczegóły każdego komponentu i koncentrując się na tym, jak wchodzą w interakcje. Dostarczając mapę zachowań, teoria kategorii może ujawnić wzorce, których nie można łatwo wyprowadzić, próbując rozbić poszczególne komponenty – co sprawia, że ​​bardzo dobrze pasuje na przykład do mechaniki kwantowej. Kategoryczna mechanika kwantowa to nowa dziedzina badań, która koncentruje się na wzorach i procesach na poziomach kwantowych, dzięki czemu dobrze pasuje między innymi do logiki kwantowej.

Teoria kategorii dobrze pasuje również do analizy lingwistycznej, tworząc mapy znaczeń, które zawierają informacje o związkach między gramatyką a semiotyką – strukturą kodowania znaczenia. Jest to zarówno niezwykle przydatne, jak i zarówno dla badaczy AI, jak i filozofów umysłu, bardzo kusząca ścieżka do konceptualnej eksploracji. 

Jednak kopniakiem jest zdolność teorii kategorii do znajdowania podobnych wzorców w pozornie odmiennych systemach. Zasadniczo jest to postęp w matematyce i fizyce, wykorzystujący wiedzę o jednym systemie do uzyskania wglądu w inny. Naukowcy z konsorcjum twierdzą, że kwantowy charakter ich analizy lingwistycznej wynika z tego, że działa ona na wzorcach podobnych do mechaniki kwantowej. Dlatego QC będzie zdumiewająco dobra w języku – jeśli to zadziała. 

Związek ten jest teoretycznie znany od jakiegoś czasu, ale ogranicza się do klasycznych symulacji komputerowych. Teraz istnieją dowody na to, że rzeczywistość jest gotowa dostosować się do teorii, z ostatnimi eksperymentami zaczyna zadawać małe pytania z małych zestawów zdań na platformie IBM Quantum Experience. Obejmowały one tylko kilka testów, jeden polegał na zapytaniu, które z około stu zdań dotyczyło jedzenia, a które na temat informatyki, oraz jeden na wyrywanie fraz rzeczownikowych. Następnie równolegle z testami kwantowymi przebiegają klasyczne symulacje komputerowe, aby pokazać, co można wygrać, gdy pojawią się odporne na awarie systemy wielkoskalowe.

Pod tym względem jest to tak dobre, jak QC. Ale w tym sensie, że fundamentalne narzędzie matematyki i informatyki tworzy wyraźne powiązania z głęboką strukturą języka i sposobem działania mechaniki kwantowej, jest to bardzo intrygująca wskazówka, w jaki sposób obliczenia kwantowe są tak samo interesujące dla filozofów poznania, jak i dla fizyków, przedsiębiorców i informatyków. Język jest funkcją, być może funkcją definiującą, tego, jak kategoryzujemy siebie jako inteligentnych, a przetwarzanie języka jest nieodłączną i unikalną częścią ludzkiego poznania i ludzkiego społeczeństwa. Stwierdzenie, że przestrzega reguł, które wykazują inne układy fizyczne, nie oznacza, że ​​świadomość jest bardziej kwantowa niż jakikolwiek inny klasyczny system makro; w końcu natura powiela wzorce we wszystkich skalach. 

Ale może pomóc wyjaśnić, w jaki sposób możemy zrozumieć tak wiele z fizyki; podąża za wzorcami, które jesteśmy skonfigurowani do wykorzystywania. Znalezienie potencjalnej odpowiedzi na coś, co zaskoczyło Einsteina, to nie lada wyczyn. I kto wie, kiedy przyszła sztuczna inteligencja post-NISQ przetrawi cały dorobek BBC, być może będziemy w stanie zapytać ją nie tylko o to, co Szkic papugi oznacza, ale jaki jest w ogóle sens dziennej telewizji. Być może to zbyt daleko idące filozoficzne pytanie. ®