p Inteligência artificial se refere, entre outras coisas, à capacidade das máquinas de demonstrar algum grau do que os humanos consideram "inteligência". Esse processo está sendo impulsionado pelo rápido avanço do aprendizado de máquina:fazer as máquinas pensarem por si mesmas, em vez de pré-programá-las com um conceito absoluto. p Veja o reconhecimento de imagem. Os humanos se destacam nesta tarefa, mas é difícil simular artificialmente. Treinar uma máquina para reconhecer um gato não significa inserir uma definição definida da aparência de um gato. Em vez de, muitas imagens diferentes de gatos são inseridas; o objetivo é que o computador aprenda a destilar o padrão subjacente de pixels "parecido com um gato".

p Essa dependência de dados é uma ferramenta de treinamento poderosa. Mas vem com armadilhas em potencial. Se as máquinas forem treinadas para encontrar e explorar padrões nos dados, então, em certos casos, eles apenas perpetuam a corrida, preconceitos de gênero ou classe específicos à inteligência humana atual.

p Mas a facilidade de processamento de dados inerente ao aprendizado de máquina também tem o potencial de gerar aplicativos que podem melhorar vidas humanas. Máquinas "inteligentes" podem ajudar os cientistas a detectar o câncer de maneira mais eficiente ou a compreender melhor a saúde mental.

p A maior parte do progresso no aprendizado de máquina até agora tem sido clássico:as técnicas que as máquinas usam para aprender seguem as leis da física clássica. Os dados com os quais eles aprendem têm uma forma clássica. As máquinas nas quais os algoritmos são executados também são clássicas.

p Trabalhamos no campo emergente de aprendizado de máquina quântica, que está explorando se o ramo da física chamado mecânica quântica pode melhorar o aprendizado de máquina. A mecânica quântica é diferente da física clássica em um nível fundamental:ela lida com probabilidades e transforma a incerteza em um princípio. A mecânica quântica também expande a física para incluir fenômenos interessantes que não podem ser explicados usando a intuição clássica.

p Do clássico ao quântico

p A mecânica quântica é um ramo da física que tenta compreender e aplicar a matemática, regras verificáveis ​​para o comportamento da natureza na menor extremidade do espectro - na escala dos átomos, elétrons e fótons. Foi desenvolvido pela primeira vez no início do século 20, e tem tido muito sucesso na descrição de sistemas no nível microscópico.

p A divisão fundamental entre os mundos quântico e clássico foi popularizada pelo experimento mental do gato de Schrõdinger. Iniciar, um gato é selado em uma caixa junto com um frasco de veneno e um átomo radioativo. A liberação do veneno - e a vida do gato - depende da decomposição do átomo.

p A mecânica quântica permite que o átomo seja descrito como deteriorado ou não degradado simultaneamente até que uma medição o force a um estado exato. Mas então deve seguir-se que o gato pode ser descrito como morto e vivo ao mesmo tempo, até que a caixa seja aberta e o estado do gato seja determinado. O paradoxo ilustra a dificuldade de aplicar regras quânticas a objetos clássicos.

p Esta é uma das possibilidades mais fascinantes inerentes à teoria quântica:que é possível para um sistema quântico estar em mais de um estado ao mesmo tempo - um fenômeno descrito como uma superposição - até que esse sistema seja medido.

p Computação quântica

p Existem várias maneiras de tornar o aprendizado de máquina quântico. Destes, é a corrida para criar um computador quântico que dominou a imprensa popular e viu o desenvolvimento de concorrentes como o computador D-Wave e o IBM Quantum Experience.

p O valor dos computadores quânticos estaria em sua capacidade de processar informações e realizar tarefas computacionais de forma diferente, e em alguns casos mais rapidamente, do que os computadores clássicos.

p Apesar do interesse comercial, nenhum dos contendores é um sucesso absoluto ainda. Isso porque os fenômenos dos quais eles se baseiam na mecânica quântica, como estados de superposição, são delicados e sujeitos à destruição.

p Outros ramos do aprendizado de máquina quântica se concentram em como a teoria quântica pode informar os métodos que os computadores usam para aprender, ou os dados com os quais eles aprendem, bem como o ajuste fino das ferramentas e técnicas de aprendizado de máquina clássico em uma estrutura quântica.

p Embora os resultados mensuráveis ​​ainda estejam principalmente no domínio da teoria, O aprendizado de máquina quântico tem implicações diárias para as pessoas comuns. Há muito se previa que o poder de processamento dos computadores quânticos poderia tornar ineficazes as técnicas de criptografia atuais usadas em transações bancárias ou outras transações on-line.

p Mais recentemente, As técnicas de aprendizado de máquina quântico, como o recozimento, mostraram-se promissoras ao otimizar os rendimentos de ativos financeiros ou o cálculo de classificações de crédito.

p É provável que as técnicas quânticas de aprendizado de máquina também se tornem importantes na tecnologia médica ou no design de medicamentos, pois os princípios que sustentam a química são fundamentalmente quânticos. ProteinQure, uma empresa de biotecnologia fundada em 2017, já usa elementos de computação quântica para criar novas terapias.

p As técnicas de aprendizado de máquina quântica provavelmente terão efeitos de longo alcance em muitas das tecnologias às quais nos acostumamos, da aviação à agricultura, com empresas como a Lockheed Martin, NASA e Google já a bordo.

p Aprendizado de máquina quântico na África

p O aprendizado de máquina quântico é empolgante, campo de rápido crescimento. Uma série de start-ups foram estabelecidas com o objetivo de aperfeiçoar o processo e fornecer dispositivos quânticos escaláveis.

p Acadêmicos e pesquisadores universitários também estão trabalhando para aproveitar o potencial do aprendizado de máquina quântico. Estamos entre eles. O grupo de pesquisa quântica da Universidade de KwaZulu-Natal investiga como a teoria quântica pode melhorar o aprendizado de máquina e como as técnicas de aprendizado de máquina podem informar a teoria quântica.

p Dra. Maria Schuld, quem faz parte do grupo, recentemente compartilhou manchetes com a IBM e a universidade americana MIT sobre um importante avanço no aprimoramento quântico dos métodos de aprendizado de máquina baseados em kernel. p Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.