p O cérebro humano tem capacidades incríveis que o tornam, de muitas maneiras, mais poderoso do que os computadores mais avançados do mundo. Portanto, não é surpreendente que os engenheiros estejam há muito tempo tentando copiá-lo. Hoje, As redes neurais artificiais inspiradas na estrutura do cérebro são usadas para resolver alguns dos problemas mais difíceis da inteligência artificial (IA). Mas essa abordagem normalmente envolve a construção de software para que as informações sejam processadas de maneira semelhante ao cérebro, em vez de criar hardware que imita os neurônios. p Em vez disso, eu e meus colegas esperamos construir o primeiro computador de rede neural dedicado, usando a mais recente tecnologia "quântica" em vez de software de IA. Ao combinar esses dois ramos da computação, esperamos produzir um avanço que leve à IA que opera a uma velocidade sem precedentes, tomar decisões muito complexas automaticamente em um tempo muito curto.

p Precisamos de IA muito mais avançada se quisermos que ela nos ajude a criar coisas como carros autônomos e autônomos e sistemas para gerenciar com precisão o fluxo de tráfego de uma cidade inteira em tempo real. Muitas tentativas de construir esse tipo de software envolvem escrever um código que imite a maneira como os neurônios do cérebro humano funcionam e combinar muitos desses neurônios artificiais em uma rede. Cada neurônio imita um processo de tomada de decisão pegando uma série de sinais de entrada e processando-os para dar uma saída correspondente a "sim" ou "não".

p Cada entrada é ponderada de acordo com a sua importância para a decisão. Por exemplo, para IA que poderia dizer a qual restaurante você mais gostaria de ir, a qualidade da comida pode ser mais importante do que a localização da mesa disponível, assim, seria dado mais peso no processo de tomada de decisão.

p Esses pesos são ajustados em execuções de teste para melhorar o desempenho da rede, treinar efetivamente o sistema para funcionar melhor. Foi assim que o software AlphaGo do Google aprendeu o complexo jogo de estratégia Go, jogando contra uma cópia de si mesmo até que estivesse pronto para vencer o campeão mundial humano por quatro jogos a um. Mas o desempenho do software AI depende fortemente de quantos dados de entrada ele pode ser treinado (no caso do AlphaGo, foi a frequência com que jogou contra si mesmo).

p Nosso projeto Quromorphic visa acelerar radicalmente este processo e aumentar a quantidade de dados de entrada que podem ser processados ​​através da construção de redes neurais que funcionam nos princípios da mecânica quântica. Essas redes não serão codificadas em software, mas diretamente construído em hardware feito de circuitos elétricos supercondutores. Esperamos que isso torne mais fácil escalá-los sem erros.

p Os computadores tradicionais armazenam dados em unidades conhecidas como bits, que pode assumir um de dois estados, 0 ou 1. Computadores quânticos armazenam dados em "qubits", que pode assumir muitos estados diferentes. Cada qubit extra adicionado ao sistema dobra seu poder de computação. Isso significa que os computadores quânticos podem processar grandes quantidades de dados em paralelo (ao mesmo tempo).

p Até aqui, apenas pequenos computadores quânticos que demonstram partes da tecnologia foram construídos com sucesso. Motivado pela perspectiva de poder de processamento significativamente maior, muitas universidades, gigantes da tecnologia e empresas iniciantes agora estão trabalhando em projetos. Mas nenhum ainda atingiu um estágio em que possa superar os computadores existentes (não quânticos).

p Isso ocorre porque os computadores quânticos precisam estar muito bem isolados de perturbações em seus arredores, que se torna cada vez mais difícil à medida que as máquinas ficam maiores. Por exemplo, os processadores quânticos precisam ser mantidos no vácuo a uma temperatura muito baixa (perto do zero absoluto), caso contrário, eles podem ser afetados pelas moléculas de ar que os atingem. Mas o processador também precisa estar conectado ao mundo externo de alguma forma para se comunicar.

p Mais espaço para erro

p Os desafios técnicos em nosso projeto são muito semelhantes aos de construir um computador quântico universal que pode ser usado para qualquer aplicação. Mas esperamos que os aplicativos de IA possam tolerar mais erros do que a computação convencional e, assim, a máquina não precise ser tão bem isolada.

p Por exemplo, A IA é frequentemente usada para classificar dados, como decidir se uma imagem mostra um carro ou uma bicicleta. Não é necessário capturar totalmente todos os detalhes do objeto para tomar essa decisão. Portanto, embora a IA precise de altas velocidades de computador, ela não exige níveis tão altos de precisão. Por esta razão, esperamos que isso torne a IA um campo ideal para computação quântica de curto prazo.

p Nosso projeto envolverá a demonstração dos princípios envolvidos com uma rede neural quântica. Colocar a tecnologia em pleno uso envolverá a criação de dispositivos maiores, um processo que pode levar dez anos ou mais, pois muitos detalhes técnicos precisam ser controlados com muita precisão para evitar erros computacionais. Mas, uma vez que mostramos que as redes neurais quânticas podem ser mais poderosas do que o software de IA clássico em uma aplicação do mundo real, muito rapidamente se tornaria uma das tecnologias mais importantes que existem. p Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.