Il cervello umano ha capacità sorprendenti che lo rendono per molti versi più potente dei computer più avanzati del mondo. Quindi non sorprende che gli ingegneri abbiano cercato a lungo di copiarlo. Oggi, le reti neurali artificiali ispirate alla struttura del cervello vengono utilizzate per affrontare alcuni dei problemi più difficili dell'intelligenza artificiale (AI). Ma questo approccio in genere prevede la creazione di software in modo che le informazioni vengano elaborate in modo simile al cervello, piuttosto che creare hardware che imita i neuroni.

I miei colleghi ed io speriamo invece di costruire il primo computer di rete neurale dedicato, utilizzando la più recente tecnologia "quantistica" piuttosto che il software AI. Combinando questi due rami dell'informatica, speriamo di produrre una svolta che porti a un'intelligenza artificiale che operi a una velocità senza precedenti, prendere automaticamente decisioni molto complesse in brevissimo tempo.

Abbiamo bisogno di un'IA molto più avanzata se vogliamo che ci aiuti a creare cose come auto e sistemi a guida autonoma veramente autonomi per gestire con precisione il flusso di traffico di un'intera città in tempo reale. Molti tentativi di creare questo tipo di software comportano la scrittura di codice che imiti il ​​modo in cui funzionano i neuroni nel cervello umano e la combinazione di molti di questi neuroni artificiali in una rete. Ogni neurone imita un processo decisionale prendendo un numero di segnali di input ed elaborandoli per fornire un output corrispondente a "sì" o "no".

Ogni input è ponderato in base a quanto è importante per la decisione. Per esempio, per l'intelligenza artificiale che potrebbe dirti in quale ristorante ti piacerebbe di più andare, la qualità del cibo può essere più importante della posizione del tavolo disponibile, così sarebbe dato più peso nel processo decisionale.

Questi pesi vengono regolati nelle esecuzioni di test per migliorare le prestazioni della rete, addestrare efficacemente il sistema a funzionare meglio. È così che il software AlphaGo di Google ha appreso il complesso gioco di strategia Go, giocando contro una copia di se stesso fino a quando non fu pronto a battere il campione del mondo umano di quattro partite a uno. Ma le prestazioni del software AI dipendono fortemente dalla quantità di dati di input su cui può essere addestrato (nel caso di AlphaGo, era la frequenza con cui giocava contro se stesso).

Il nostro progetto Quromorphic mira ad accelerare radicalmente questo processo e aumentare la quantità di dati di input che possono essere elaborati costruendo reti neurali che funzionano sui principi della meccanica quantistica. Queste reti non saranno codificate nel software, ma direttamente costruito in hardware fatto di circuiti elettrici superconduttori. Prevediamo che questo renderà più facile scalarli senza errori.

I computer tradizionali memorizzano i dati in unità note come bit, che può prendere uno dei due stati, 0 o 1. I computer quantistici memorizzano i dati in "qubit", che può assumere molti stati diversi. Ogni qubit in più aggiunto al sistema raddoppia la sua potenza di calcolo. Ciò significa che i computer quantistici possono elaborare enormi quantità di dati in parallelo (allo stesso tempo).

Finora, solo piccoli computer quantistici che dimostrano parti della tecnologia sono stati costruiti con successo. Motivato dalla prospettiva di una potenza di elaborazione significativamente maggiore, molte università, giganti della tecnologia e start-up stanno ora lavorando sui progetti. Ma nessuno ha ancora raggiunto uno stadio in cui può superare i computer esistenti (non quantistici).

Questo perché i computer quantistici devono essere isolati molto bene dai disturbi che li circondano, che diventa sempre più difficile man mano che le macchine diventano più grandi. Per esempio, i processori quantistici devono essere tenuti nel vuoto a una temperatura molto fredda (vicina allo zero assoluto) altrimenti potrebbero essere colpiti dalle molecole d'aria che li colpiscono. Ma il processore deve anche essere connesso in qualche modo al mondo esterno per poter comunicare.

Più spazio per gli errori

Le sfide tecniche nel nostro progetto sono molto simili a quelle per la costruzione di un computer quantistico universale che può essere utilizzato per qualsiasi applicazione. Ma speriamo che le applicazioni di intelligenza artificiale possano tollerare più errori rispetto all'elaborazione convenzionale e quindi la macchina non avrà bisogno di essere isolata così bene.

Per esempio, L'intelligenza artificiale viene spesso utilizzata per classificare i dati, come decidere se un'immagine mostra un'auto o una bicicletta. Non è necessario catturare completamente ogni dettaglio dell'oggetto per prendere questa decisione. Quindi, mentre l'intelligenza artificiale ha bisogno di alte velocità del computer, non richiede livelli di precisione così elevati. Per questa ragione, speriamo che questo renda l'IA un campo ideale per il calcolo quantistico a breve termine.

Il nostro progetto comporterà la dimostrazione dei principi coinvolti con una rete neurale quantistica. Per sfruttare appieno la tecnologia, sarà necessario creare dispositivi più grandi, un processo che può richiedere dieci anni o più, altrettanti dettagli tecnici devono essere controllati in modo molto preciso per evitare errori di calcolo. Ma una volta dimostrato che le reti neurali quantistiche possono essere più potenti del classico software di intelligenza artificiale in un'applicazione del mondo reale, diventerebbe molto rapidamente una delle tecnologie più importanti in circolazione.

Questo articolo è stato ripubblicato da The Conversation con una licenza Creative Commons. Leggi l'articolo originale.