Récemment, il semble qu'il soit devenu à la mode de parler d'intelligence artificielle (IA), et cette expression est maintenant utilisée partout où cela est possible. Mais, malgré cela, la technologie elle-même peut être utile dans plusieurs domaines à la fois. De même, l'informatique quantique a reçu une attention renouvelée en tant qu'outil prétendument révolutionnaire qui pourrait, entre autres, renforcer les cyberdéfenses et même créer un nouvel Internet. Et bien que ces dernières années, les deux technologies aient considérablement progressé, elles sont encore loin d'être parfaites, peu importe comment quelqu'un voudrait qu'il en soit autrement.
Cela est particulièrement vrai pour l'IA, qui, dans sa forme actuelle, est principalement constituée d'algorithmes d'apprentissage automatique spécialisés capables d'exécuter automatiquement des tâches individuelles. Selon des chercheurs du Center for Quantum Technology de l'Université nationale de Singapour (NUS), l'IA peut être considérablement améliorée grâce à l'informatique quantique.
Dans une nouvelle étude publiée dans la revue Physical Review Letters, des scientifiques de NUS ont proposé un algorithme quantique pour les systèmes linéaires d'équations qui permettra une analyse informatique quantique beaucoup plus efficace de grands ensembles de données.
«Auparavant, des algorithmes quantiques similaires étaient utilisés pour une gamme étroite de problèmes. Nous devons les améliorer si nous voulons obtenir une accélération quantique pour d'autres données », a déclaré l'auteur de l'étude Zhao Zhikuan dans un communiqué de presse.
Un algorithme quantique, en termes simples, est un algorithme conçu pour fonctionner dans des modèles de calcul quantique réalistes. Comme les algorithmes traditionnels, le quantum est une procédure étape par étape, mais il utilise des phénomènes spécifiques à l'informatique quantique, tels que l'intrication et la superposition quantiques.
Dans ce cas, l'algorithme de résolution des systèmes linéaires effectue des calculs à l'aide de grandes matrices de données. Ces tâches à grande échelle conviennent mieux aux ordinateurs quantiques.
Mieux, plus rapide, plus fort
Vidéo promotionelle:
En d'autres termes, l'algorithme de résolution de systèmes linéaires offre un moyen de calcul plus rapide et plus puissant que les ordinateurs classiques. La première version d'un tel algorithme quantique, développée en 2009, a jeté les bases de la recherche sur les formes quantiques de l'IA et de l'apprentissage automatique.
«L'apprentissage automatique quantique est un domaine en évolution dans lequel les chercheurs tentent d'exploiter la puissance du traitement de l'information quantique pour accélérer l'exécution de tâches d'apprentissage automatique classiques», indique le document de recherche. La question de savoir si cela rendra l'IA plus intelligente est une autre question.
Les systèmes d'intelligence artificielle d'aujourd'hui et leurs algorithmes d'apprentissage automatique sont déjà capables d'effectuer d'énormes quantités de calcul. Le processus de traitement des ensembles de données (et il s'agit généralement de tonnes d'informations à travers lesquelles l'IA se fraye un chemin) sera certainement accéléré par l'informatique quantique.
Bien sûr, avant que l'algorithme développé par Zhao et ses collègues puisse être utile, nous devons créer des ordinateurs quantiques plus adaptés. Compte tenu de la quantité de travail effectué sur ce front, on peut supposer qu'il ne faudra pas longtemps avant que le concept devienne une réalité.
«Nous prévoyons qu'il faudra trois à quatre ans pour que les expériences matérielles actuelles deviennent des applications concrètes de l'informatique quantique en intelligence artificielle», a déclaré Zhao dans un communiqué de presse. En attendant, son équipe prévoit de faire bientôt une démonstration du fonctionnement de leur algorithme.
Dmitry Volkov