نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

3 تیر 1403 2:22 ب.ظ

آیا کوانتوم می تواند هوش مصنوعی مولد مورد نظر ما را به ما بدهد؟

کوانتوم

19 اکتبر 2023 -توسط میراندا ولبورث، دانشگاه دوک-تصاویر ایجاد شده در DALL·E

محاسبات کوانتومی و هوش مصنوعی (AI) ممکن است به اندازه نیویورک و لس آنجلس از یکدیگر دور به نظر برسند. اما به گفته کریس مونرو، مدیر مرکز کوانتومی دوک (DQC)، این دو سوژه عملاً همسایه های هم هستند.

مونرو، پروفسور ممتاز خانواده گیلهولی در دانشگاه دوک با انتصاب در مهندسی برق و کامپیوتر و فیزیک گفت: «کوانتوم و هوش مصنوعی اغلب با هم ذکر می‌شوند و منطقی است زیرا کوانتوم به نسل بعدی هوش مصنوعی سرعت می‌بخشد.» حتی ChatGPT، نماد کنونی فناوری پیشرفته هوش مصنوعی، در حال حاضر از نظر توانایی محدود است زیرا رایانه ها نمی توانند بین یک تریلیون شیء ارتباط برقرار کنند. فقط حافظه کافی در رایانه برای انجام این کار وجود ندارد.

البته مونرو در مورد رایانه‌های سنتی با اهرم بیت صحبت می‌کند که ارزیابی‌های بله/خیر را انجام می‌دهند. سیستم‌های کوانتومی از نوعی که مونرو و همکارانش در DQC در حال ساخت هستند، پتانسیل قدرت محاسباتی بی‌نهایت بیشتری را دارند که از نظر تئوری می‌تواند به ابزارهای هوش مصنوعی بی‌نهایت توانمندتر تبدیل شود.

جونگ سانگ کیم، پروفسور ممتاز مهندسی برق و کامپیوتر در دوک که به همراه مونرو، شرکت محاسبات کوانتومی IonQ را تأسیس کردند، گفت: «یادگیری ماشین و هوش مصنوعی بسیار جالب است زیرا بسیار تجربی است.

ما داده‌ها و مدل‌ها و قدرت محاسباتی زیادی را روی این مشکل پرتاب می‌کنیم، اما بینش محدودی در مورد چگونگی و چرایی عملکرد فناوری هوش مصنوعی داریم. سوال واقعاً جالب این است که “آیا فرصت هایی برای کوانتوم وجود دارد که واقعاً تفاوت ایجاد کند؟”

مدل‌های زبان بزرگ (LLM) مطمئناً در خلاصه‌سازی کوه‌هایی از داده‌ها یا ارائه متن بسیار سبک ماهر هستند. اما در این مقطع، LLM ها نمی توانند با دانش تخصصی همگام شوند – طبق ChatGPT، آخرین به روز رسانی آن در مورد پیشرفت در محاسبات کوانتومی در سپتامبر 2021 انجام شد – و همچنین نمی توانند ایده هایی را ترکیب کنند یا ایده های جدیدی تولید کنند.

در اینجا یک مثال سریع آورده شده است. در حال حاضر، اگر کاربر از ChatGPT در مورد اینکه چرا جولیت در صحنه بالکن رومئو و ژولیت به خورشید تشبیه شده است سؤال کند، ابزار این پاسخ را برمی‌گرداند:

رومئو با مقایسه ژولیت با خورشید چندین معنا را بیان می کند:

     درخشندگی و زیبایی: خورشید اغلب با نور و زیبایی همراه است. رومئو بیان می کند که چگونه حضور ژولیت جهان او را روشن می کند و آن را پر از زیبایی می کند.

     گرما و راحتی: نور خورشید گرما و راحتی را فراهم می کند. به همین ترتیب، عشق و محبت ژولیت به قلب رومئو گرما و آرامش می بخشد.

     مرکز توجه: خورشید مرکز جهان در مدل زمین مرکزی است که همه چیز به دور آن می چرخد. در این زمینه، رم تأکید می کند که چگونه ژولیت مرکز جهان او است و جهان او حول او می چرخد.

     سرزندگی و حیات: خورشید برای زندگی روی زمین ضروری است. رومئو ممکن است به این فکر کند که ژولیت منبع زندگی و سرزندگی اوست و بدون او از دست خواهد رفت.

     فاصله دست نیافتنی: همانطور که خورشید دور و دست نیافتنی است، ژولیت نیز به دلیل دشمنی بین خانواده هایشان دست نیافتنی است. این به تنش دراماتیک عشق آنها می افزاید.”

این یک خلاصه کاملاً رضایت بخش از آنچه که مطمئناً مجموعه گسترده ای از ادبیات در مورد این موضوع است. با این حال، هنگامی که برای نوشتن یک تشبیه جدید که ژولیت را با یک جسم سیاره‌ای متفاوت مقایسه می‌کند، دعوت می‌شود، کاستی‌های LLM در پاسخ آن مشخص می‌شود: «حضور ژولیت در زندگی من مانند سیاره‌ای دور است، فریبنده و اسرارآمیز، با مداری که به سمت زمین می‌کشد. تار و پود وجود من.”

مشکل این تشبیه تولید شده توسط هوش مصنوعی – جدا از اینکه بیشتر شبیه “نوت بوک” است تا “رومئو و ژولیت” – این است که مدار هیچ کششی ندارد، واقعیتی که ChatGPT هنگام فشار آن را تصدیق کرد.

مدل‌های زبانی مانند ChatGPT احتمالاتی هستند، به این معنی که آنها رشته‌هایی از کلمات را بر اساس احتمال اینکه کلمه بعدی به‌طور متوالی دنبال می‌شود تولید می‌کنند – که احتمالاً منجر به زبان نادرست در مثال بالا شده است. با توجه به تعداد زیاد کلمات و پیکربندی‌هایی که در آنها مرتب شده و برای تشکیل جملات بازآرایی می‌شوند، مدل‌های ریاضی داخلی که زیربنای آن‌ها هستند و مقدار داده‌های مورد نیاز برای آموزش آنها بسیار زیاد است.

همبستگی‌های بی‌شماری که این مدل‌ها باید ایجاد کنند، به سختی می‌توان با رایانه‌های کلاسیک به دست آورد، اما این درک وجود دارد که توانایی برتر رایانه‌های کوانتومی در تشخیص الگوها و پیش‌بینی چندین نتیجه همزمان می‌تواند به مدل‌های هوش مصنوعی کمک کند.

کیم می‌گوید: «اگر از مدل‌های کوانتومی برای ثبت ساختار داده‌ها مانند تصاویر استفاده کنید، آن‌ها حتی در حال حاضر با رایانه‌های کوانتومی کوچکی که داریم، بسیار مؤثر هستند.هوش مصنوعی مولد تنها بخش کوچکی از برنامه های کاربردی یادگیری ماشین را شامل می شود و فرصت های بی شماری برای کسب و کارها برای خودکارسازی وظایف یا کارآمدتر کردن آنها با یادگیری ماشینی ایجاد می کند  – طراحی تراشه نیمه هادی یک نمونه است.

این یکی از دلایلی است که چرا ابتکارات کوانتومی هنوز در سراسر جهان در حال گسترش هستند. اما یک چالش مهم برای این بازیکنان جدید، صعود به زمینی است که برای چندین دهه تحت تسلط چند تیم کلیدی بوده است.

ایالات متحده از اواسط دهه 1990 به طور قابل توجهی در تحقیق و توسعه محاسبات کوانتومی سرمایه گذاری کرده است و بریتانیا و سنگاپور به سرعت از آن پیروی کردند. اکنون، تعداد زیادی از کشورهای دیگر از ابتکارات کوانتومی خود دفاع می‌کنند – اما با پیشروی‌های اولیه در جبهه تحقیق و توسعه، تازه‌واردها مسیرهای جایگزینی را انتخاب می‌کنند.

کیم گفت: «در کوانتوم، سازندگان و گیرندگان وجود دارند. سازندگان فناوری‌ها را توسعه می‌دهند و دستگاه‌هایی می‌سازند. ایالات متحده سازندگان زیادی دارد، از استارت‌آپ‌ها گرفته تا شرکت‌های بزرگی که دستگاه‌های محاسباتی کوانتومی می‌سازند، زیرا ما این فناوری را در اینجا توسعه دادیم. سپس صاحبان آن‌ها هستند—این افراد لزوماً علاقه‌ای به ساخت رایانه‌های کوانتومی ندارند، اما می‌خواهند بفهمند که چگونه می‌توانند از فناوری سازندگان برای سود بردن کسب‌وکارشان استفاده کنند. آنها این فرصت را دارند که از طریق مشارکت‌ها برنده شوند و نباید از پیشرفت‌های حاصل از صنعت در کشورهای دیگر خجالت بکشند.”

مونرو می‌گوید: «بعضی از مردم نگران هستند که فناوری محاسبات کوانتومی بیش از حد پرفروش شده است، که ما به سمت «دره مرگ» می‌رویم، جایی که محور عمودی میزان سرمایه‌گذاری یا علاقه به فناوری است و محور افقی زمان است. “به آن چرخه هایپ نیز می گویند. وقتی به اوج می رسید و این فناوری هنوز سال ها تا تحقق آن فاصله دارد، مردم ناامید می شوند.”

ابتکار ملی کوانتومی، که در سال 2018 راه اندازی شد، به بنیاد ملی علوم، وزارت انرژی و موسسه ملی استاندارد و فناوری برنامه های جدیدی برای پیشبرد محاسبات کوانتومی اعطا کرد که دوک بخش مهمی از آن را به خود اختصاص داده است. و IARPA سرمایه گذاری 31 میلیون دلاری را در مشارکت بین مونرو، کیم و مایکل جی فیتزپاتریک، پروفسور برجسته مهندسی برق و کامپیوتر، کن براون انجام داد. این بودجه به این سه نفر اجازه داد تا تعدیل‌کننده‌های نوری چند کانالی را که اتم‌ها را می‌گیرند و هدایت می‌کنند، تهیه کنند و جهش‌های رو به جلو و مرزهای تحقیقات مربوط به تله‌گیری یون را ممکن می‌سازد.

اکنون، کنگره در حال بررسی ابتکار ملی کوانتومی برای تجدید است. کیم در حال حاضر به عنوان مشاور ویژه در کره خدمت می کند، کره ای که پایه های برنامه محاسبات کوانتومی 2.5 میلیارد دلاری خود را می گذارد. برزیل، اسپانیا، آفریقای جنوبی و بریتانیا همگی ابتکارات محاسبات کوانتومی جدیدی را در سال گذشته ایجاد کردند.

اگر این سرمایه‌گذاری‌ها نشانه‌ای باشد، علاقه به فناوری به اوج خود نرسیده است. اما لازم نیست حرف کیم و مونرو را قبول کنید. فقط از خود ChatGPT بپرسید.

محاسبات کوانتومی این پتانسیل را دارد که در زمینه‌های مختلف، از جمله یادگیری ماشین و پردازش زبان طبیعی، پیشرفت‌های قابل توجهی ایجاد کند، که به طور بالقوه می‌تواند مدل‌هایی مانند من را بهبود بخشد. با پیشرفت میدان و رفع چالش ها، ممکن است شاهد پیشرفت های ملموس تر و قابل توجهی در هوش مصنوعی و سایر فناوری ها باشیم.”

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *