Intelligenza artificiale su computer quantistici

Potrebbe sembrare un mash-up da brivido proposto da un investitore esuberante, ma intelligenza artificiale e informatica quantistica sembrano poter funzionare insieme. Un gruppo di ricercatori dell'Università di Edimburgo e della società di calcolo quantistico QC Ware lo ha dimostrato in uno studio pubblicato su Quantum. Gli studiosi, infatti, hanno progettato un trasformatore quantistico e l'hanno testato su alcune analisi mediche. I risultati conseguiti, tuttavia, non hanno soddisfatto appieno le aspettative, rimanendo paragonabili a quelli ottenuti dai computer tradizionali.

Prima di approfondire questa ricerca, occorre ricordare un paio di nozioni sui trasformatori e sull'informatica quantistica (senza troppi tecnicismi).

Cos'è un trasformatore?

Un trasformatore è un modello di Deep Learning la cui architettura imita le reti neurali del nostro cervello. Presentati per la prima volta dai ricercatori di Google nel 2017, i trasformatori consentono a ChatGPT e ad altri chatbot di generare rapidamente output sofisticati. Per quanto l'AI abbia già raggiunto risultati straordinari, cosa succederebbe se si potesse utilizzare i trasformatori su un computer quantistico?

Il superpotere di un trasformatore risiede nella sua capacità di discernere quali parti dell'input sono più importanti e quanto intensamente queste parti sono collegate fra loro. Prendiamo la frase “lui mangia una mela verde”. Un trasformatore potrebbe individuare le parole chiave della frase: “mangiare”, “verde” e “mela”. Poi, in base agli schemi identificati nei dati di addestramento, giudicherebbe che l'azione “mangiare” ha poco a che fare con il colore “verde”, ma molto di più con l'oggetto “mela”. Gli scienziati informatici chiamano questa caratteristica “meccanismo di attenzione”, nel senso che il modello presta più attenzione alle parole più importanti di una frase o ai pixel di un'immagine. Il meccanismo di attenzione imita il modo in cui gli esseri umani elaborano il linguaggio, svolgendo un compito che è elementare per la maggior parte dei bambini, ma che fino all'era di ChatGPT i computer avevano difficoltà a svolgere. Adesso, questi modelli sono utilizzati soprattutto nella computer vision e nella elaborazione del linguaggio naturale (natural language processing).

L'informatica quantistica

I trasformatori vengono eseguiti su supercomputer con processori potenti, che utilizzano ancora i bit binari di base, cioè dei singoli "pezzi" di informazione che possono assumere soltanto i valori di 0 o 1 (aut-aut). I fisici definiscono questi computer come “classici”, includendo nella definizione anche PC e smartphone. L'hardware quantistico, invece, sfrutta le stranezze della meccanica quantistica (in particolare, il fenomeno della sovrapposizione quantistica) per risolvere problemi troppo poco pratici per i computer classici. Questo perché i bit quantistici, detti anche qubit, possono esistere allo stesso tempo come 0, 1 e una serie di altri stati intermedi possibili. 

Lo studio su Quantum

Jonas Landman e altri ricercatori dell'Università di Edimburgo hanno adattato un trasformatore progettato per l'analisi medica, rendendolo utilizzabile su hardware quantistici. Partendo da un database di immagini di 1.600 retine, alcune in occhi sani e altre in persone con cecità indotta dal diabete, il modello quantistico ha classificato ogni immagine in uno di cinque livelli che vanno da "nessun danno" fino al massimo livello di gravità del danno oculare.

Lo studio è stato suddiviso in tre fasi, di cui la prima è la progettazione di un trasformatore quantistico. Ne sono state realizzate tre versioni, ognuna delle quali poteva teoricamente prestare attenzione in modo più efficiente di un trasformatore classico, come dimostrato da prove matematiche.
Nella seconda fase, i ricercatori hanno testato il modello su un simulatore quantistico, evitando così i problemi di interferenze e sensibilità dei qubit che affliggono i computer quantistici reali. I risultati preliminari mostrano che il modello quantistico ha avuto un'accuratezza molto simile a quella dei supercomputer classici (compresa tra il 50 e il 55%)

Nella terza fase, i ricercatori hanno applicato i loro trasformatori a veri computer quantistici IBM, utilizzando fino a sei qubit alla volta. I tre trasformatori quantistici hanno dimostrato, però, una precisione compresa soltanto tra il 45 e il 55%.

Sei qubit non sono molti. Affinché un trasformatore quantistico possa eguagliare i trasformatori giganti dei chatbot come Gemini di Google o ChatGPT di OpenAI, gli scienziati informatici dovrebbero creare un codice che utilizzi centinaia di qubit. I computer quantistici di queste dimensioni esistono già, ma la progettazione di un trasformatore quantistico altrettanto grande non è ancora possibile a causa delle interferenze e dei potenziali errori coinvolti. (I ricercatori hanno provato con un numero maggiore di qubit, ma non hanno ottenuto lo stesso successo).

Cosa potrebbe succedere

Ma supponiamo che esista un computer quantistico affidabile, con più di 1.000 qubit e in cui l'interferenza sia in qualche modo ridotta al minimo. Un trasformatore quantistico, allora, sarebbe sempre in vantaggio? Forse no. Il confronto testa a testa tra trasformatori quantistici e classici non è l'approccio giusto, perché i due hanno punti di forza diversi.

Anche se la tecnologia di calcolo quantistico sta maturando, “ci vorranno molti anni prima che i computer quantistici raggiungano quel regime, e nel frattempo i computer classici non smetteranno di crescere”, afferma Nathan Killoran, responsabile del software dell'azienda di calcolo quantistico Xanadu. “L'apprendimento automatico classico è così potente e ben finanziato che potrebbe non valere la pena di sostituirlo completamente con una tecnologia emergente come l'informatica quantistica nel corso della nostra vita”.

Inoltre, i computer quantistici e l'apprendimento automatico classico eccellono ciascuno in diversi tipi di problemi. I moderni algoritmi di deep learning individuano schemi all'interno dei dati di addestramento. È possibile che i qubit possano imparare a codificare gli stessi schemi, ma non è chiaro se siano ottimali per questo compito. Questo perché i qubit offrono il massimo vantaggio quando un problema è “non strutturato”, cioè i dati non hanno schemi chiari da trovare. 

Ma le due opzioni non sono esclusive. Molti ricercatori quantistici ritengono che il posto ideale di un trasformatore quantistico sia quello di parte di un sistema ibrido classico-quantistico. I computer quantistici potrebbero gestire i problemi più complicati della chimica e della scienza dei materiali, mentre un sistema classico elabora volumi di dati. Ma I trasformatori quantistici potrebbero portare altri vantaggi: i trasformatori classici, ad ora, consumano così tanta energia che le aziende di servizi pubblici statunitensi mantengono in funzione impianti solo per soddisfare la domanda di energia dei data center. Il sogno di un trasformatore quantistico è anche il sogno di una macchina più snella ed efficiente che alleggerisca il carico energetico.

Fonte