Технологии будущего: как криптография и искусственный интеллект изменятся за пять лет. Квантовый искусственный интеллект
Ученые из "Сколтеха" предлагают создать квантовый искусственный интеллект
13:2214.09.2017
(обновлено: 13:23 14.09.2017)
2928110
МОСКВА, 14 сен – РИА Новости. Квантовые компьютеры можно использовать не только для проведения сложнейших и неподъемных расчетов, недоступных для обычных компьютеров, но и для создания уникальных систем машинного обучения и искусственного разума, говорится в обзорной статье, опубликованной в журнале Nature.
"Наша команда дискутировала по скайпу до поздней ночи, к какой области науки отнести наше исследование. Мы многократно переписывали нашу статью, меняли основную мысль, в конечном счете написали три версии за 8 месяцев, не имеющие между собой ничего общего, кроме названия — и итоге отправили конечный вариант в журнал Nature", — рассказывает Якоб Биамонте (Jacob Biamonte), сотрудник Сколтеха и специалист в области квантовой физики, чьи слова приводит пресс-служба института.
Физик из Google: мы близки к созданию "рабочего" квантового компьютера Стремительный рост объема данных, вырабатываемых и используемых человечеством в повседневной жизни, заставляет сегодня программистов, инженеров, физиков и представителей других наук искать новые способы обработки информации. Самые большие надежды сегодня возлагаются на две вещи – квантовые компьютеры, способные обрабатывать космически большие объемы данных, и на системы машинного обучения и искусственного интеллекта, умеющие искать полезную "иголку" в "стоге сена" бесполезной информации, не тратя на это много ресурсов.
Сегодня многие IT-компании и простые ученые, как рассказывает Биамонте, часто задумываются о том, можно ли объединить эти две вещи и как это стоит сделать, если это возможно. Ученые из "Сколтеха" и зарубежных стран проанализировали имеющуюся информацию на этот счет и попытались сформулировать "дорожную карту" для развития систем машинного обучения, работающих на базе квантовых компьютеров.
Для ее создания ученые проанализировали то, как различные алгоритмы, используемые сегодня в работе систем искусственного интеллекта, могут быть ускорены, если перевести их с языка "обычных" компьютеров, исполняющих все операции последовательно, на язык их квантовых "кузенов", способных выполнять подобные вычисления одновременно.
Физики из России и США создали первый 51-кубитный квантовый компьютер Как показали эти расчеты, квантовые компьютеры могут ускорить работу фактически всех подобных алгоритмов. Часть из них ускорится экспоненциально, исполняя вычислительные операции за небольшую долю времени, которое тратится на них на обычных компьютерах, а другие – "всего" в квадратный корень раз. Иными словами, операция, на которую обычно уходит 4 секунды, будет исполняться на квантовом устройстве за 2 секунды.
Все это, как считают Биамонте и его коллеги, позволяет использовать квантовые компьютеры не только для проведения сложных химических и физических расчетов и решения оптимизационных задач, но и для массы других целей, где сегодня применяются нейросети и искусственный интеллект. Главной проблемой для их реализации пока является то, что ученые еще не создали достаточно крупных квантовых компьютеров, на которых такие нейросети смогут работать, и квантовой памяти, способной хранить в себе большие объемы данных.
ria.ru
Ученые предлагают создать квантовый искусственный интеллект
18 Октября 2017
Ученые предлагают создать квантовый искусственный интеллект
Квантовые компьютеры можно использовать не только для проведения сложнейших и неподъемных расчетов, недоступных для обычных компьютеров, но и для создания уникальных систем машинного обучения и искусственного разума, говорится в обзорной статье, опубликованной в журнале Nature.
Ученые предлагают создать квантовый искусственный интеллект
"Наша команда дискутировала по скайпу до поздней ночи, к какой области науки отнести наше исследование. Мы многократно переписывали нашу статью, меняли основную мысль, в конечном счете написали три версии за 8 месяцев, не имеющие между собой ничего общего, кроме названия — и итоге отправили конечный вариант в журнал Nature", — рассказывает Якоб Биамонте (Jacob Biamonte), сотрудник Сколтеха и специалист в области квантовой физики, чьи слова приводит пресс-служба института.
Стремительный рост объема данных, вырабатываемых и используемых человечеством в повседневной жизни, заставляет сегодня программистов, инженеров, физиков и представителей других наук искать новые способы обработки информации. Самые большие надежды сегодня возлагаются на две вещи – квантовые компьютеры, способные обрабатывать космически большие объемы данных, и на системы машинного обучения и искусственного интеллекта, умеющие искать полезную "иголку" в "стоге сена" бесполезной информации, не тратя на это много ресурсов.
Сегодня многие IT-компании и простые ученые, как рассказывает Биамонте, часто задумываются о том, можно ли объединить эти две вещи и как это стоит сделать, если это возможно. Ученые из "Сколтеха" и зарубежных стран проанализировали имеющуюся информацию на этот счет и попытались сформулировать "дорожную карту" для развития систем машинного обучения, работающих на базе квантовых компьютеров.
Для ее создания ученые проанализировали то, как различные алгоритмы, используемые сегодня в работе систем искусственного интеллекта, могут быть ускорены, если перевести их с языка "обычных" компьютеров, исполняющих все операции последовательно, на язык их квантовых "кузенов", способных выполнять подобные вычисления одновременно.
Как показали эти расчеты, квантовые компьютеры могут ускорить работу фактически всех подобных алгоритмов. Часть из них ускорится экспоненциально, исполняя вычислительные операции за небольшую долю времени, которое тратится на них на обычных компьютерах, а другие – "всего" в квадратный корень раз. Иными словами, операция, на которую обычно уходит 4 секунды, будет исполняться на квантовом устройстве за 2 секунды.
Все это, как считают Биамонте и его коллеги, позволяет использовать квантовые компьютеры не только для проведения сложных химических и физических расчетов и решения оптимизационных задач, но и для массы других целей, где сегодня применяются нейросети и искусственный интеллект. Главной проблемой для их реализации пока является то, что ученые еще не создали достаточно крупных квантовых компьютеров, на которых такие нейросети смогут работать, и квантовой памяти, способной хранить в себе большие объемы данных.
РИА Новости
Поделиться в соцсетях
qi.ifmo.ru
Шаг в непостижимое: зачем нужны квантовые компьютеры
Компьютеры существуют не в вакууме. Они служат для решения проблем, и тип проблем, которые они могут решить, зависит от их аппаратного обеспечения. Графические процессоры предназначены для воспроизведения изображений, процессоры искусственного интеллекта для ИИ… а вот для чего нужны квантовые компьютеры?
Хотя мощность квантовых вычислений впечатляет, это не означает, что существующее программное обеспечение на квантовых компьютерах работает в миллиард раз быстрее. Скорее, существуют типы проблем, которые квантовые компьютеры решают хорошо, и проблемы, которые они решают плохо. Вот несколько основных сфер применения таких машин, которые мы вскоре увидим, когда они станут коммерчески доступными.
Искусственный интеллект
Основной областью применения для квантовых вычислений считается искусственный интеллект (ИИ). ИИ опирается на принцип обучения на собственном опыте: он становится все более точным благодаря обратной связи, которая поступает, пока компьютерная программа не проявит «интеллект».
Эта обратная связь основана на вычислении вероятностей множества возможных вариантов, и поэтому ИИ — это идеальный кандидат для квантовых вычислений. Он обещает перевернуть каждую отрасль, от автомобилестроения до медицины, и говорят, что ИИ в XXI веке будет тем, чем было электричество в XX-м.
Например, Lockheed Martin планирует использовать свой квантовый компьютер D-Wave для тестирования программного обеспечения автопилота, которое в настоящее время слишком сложно для классических компьютеров, а Google использует квантовый компьютер для разработки софта, который сможет отличать автомобили от объектов на местности. Мы уже достигли точки, где ИИ порождает ИИ, и поэтому его значимость будет быстро возрастать.
Молекулярное моделирование
Другим примером служит точное моделирование молекулярных взаимодействий, нахождение оптимальных конфигураций для химических реакций. Такая «квантовая химия» настолько сложна, что сегодняшние компьютеры могут анализировать только простейшие молекулы.
Химические реакции — квантовые по своей природе, поскольку они образуют сильно запутанные квантовые суперпозиционные состояния. Но квантовые компьютеры не будут испытывать трудностей с оценкой даже самых сложных процессов.
Google уже совершила прорыв в эту область, имитируя энергию молекул водорода. В результате были получены более эффективные продукты — от солнечных элементов до фармацевтических препаратов, — и в особенности это повлияло на производство удобрений. Поскольку на производство удобрений уходит 2% мировой энергии, последствия для энергетики и окружающей среды будут значительными.
Криптография
Сегодня сетевая безопасность основывается по большому счету на сложности разложения больших чисел на простые. Чтобы «взломать код», цифровым компьютерам нужно перебрать все возможные варианты. Это требует огромного количества времени, что делает эту операцию дорогостоящей и непрактичной.
Квантовые компьютеры могут выполнять такое разложение на порядки более эффективно, чем цифровые компьютеры, а это означает, что такие методы безопасности скоро устареют. Новые методы криптографии разрабатываются, но это может занять некоторое время: в августе 2015 года АНБ приступило к внедрению списка методов устойчивой криптографии, которые бы противостояли квантовым компьютерам, а в апреле 2016 года Национальный институт стандартов и технологий начал процесс общественной оценки таких методов, который займет от четырех до шести лет.
Существуют также перспективные методы квантового шифрования, которые разрабатываются с использованием односторонней природы квантового сплетения. В ряде стран уже есть сети на этой основе, способные работать в масштабе городов, а китайские ученые недавно объявили, что успешно отправили сплетенные фотоны с орбитального «квантового» спутника на три отдельные базовые станции на Земле.
Финансовое моделирование
Современные рынки — одни из самых сложных существующих систем. Хотя мы разработали еще более научные и математические инструменты для решения этой проблемы, по-прежнему существует одно существенное отличие от других научных областей: у нас нет контролируемых параметров, позволяющих проводить эксперименты.
Чтобы решить эту проблему, инвесторы и аналитики обратились к квантовым вычислениям. Первейшее преимущество их заключается в том, что случайность, присущая квантовым компьютерам, сравнима с вероятностной природой финансовых рынков. Инвесторы часто хотят оценить возможные результаты при чрезвычайно большом количестве сценариев, сгенерированных наугад.
Еще одно преимущество квантовых решений заключается в том, что для таких финансовых операций, как арбитраж, может потребоваться множество шагов, обусловленных предыдущими действиями, и поэтому количество вариантов быстро опережает способности традиционного компьютера.
Прогноз погоды
Главный экономист Национального управления океанических и атмосферных исследований США Родни Вейер утверждает, что почти 30% ВВП страны ($6 трлн) прямо или косвенно зависят от погоды, что в том числе сказывается на производстве продуктов питания, транспортировке и розничной торговле. Возможность лучше прогнозировать погоду принесет огромную пользу во многих сферах, не говоря о том, что это даст больше времени, чтобы укрыться от стихийных бедствий.
Ученые давно над этим работают, но уравнения, регулирующие такие процессы, содержат так много переменных, что делает классическое моделирование весьма долгим. Как отметил квантовый исследователь Сет Ллойд, «использование классического компьютера для проведения такого анализа может занять больше времени, чем требуется для наступления этой погоды!» Это побудило Ллойда и его коллег из Массачусетского технологического института показать, что уравнения, управляющие погодой, обладают скрытой волновой природой, и могут быть вычислены квантовым компьютером.
Технический директор Google Хартмут Невен также отмечает, что квантовые компьютеры могут помочь в создании более адекватных моделей климата, которые могли бы дать нам больше информации о том, как люди влияют на окружающую среду. На основе этих моделей мы строим наши оценки будущего потепления и определяем, какие шаги необходимо предпринять сейчас для предотвращения стихийных бедствий. Национальная метеорологическая служба Великобритании уже начала инвестировать в подобные инновации.
Физика элементарных частиц
Еще одним применением этой захватывающей новой физики может стать… изучение захватывающей новой физики. Модели физики элементарных частиц часто необычайно сложны и требуют огромной вычислительной мощности. Это делает их идеальным об
ideanomics.ru
Первостепенная задача квантовых компьютеров – усиление искусственного интеллекта
Идея слияния квантовых вычислений и машинного обучения находится в своём расцвете. Сможет ли она оправдать высокие ожидания?
В начале 90-х Элизабет Берман [Elizabeth Behrman], профессор физики в Уичитском университете начала работать над слиянием квантовой физики с искусственным интеллектом – в частности, в области тогда ещё непопулярной технологии нейросетей. Большинство людей считало, что она пытается смешивать масло с водой.
«Мне чертовски трудно было публиковаться, — вспоминает она. – Журналы по нейросетям говорили „Что это за квантовая механика?“, а журналы по физике говорили „Что это за нейросетевая ерунда?“
Сегодня смесь двух этих понятий кажется самой естественной вещью на свете. Нейросети и другие системы машинного обучения стали самой внезапной технологией XXI века. Человеческие занятия удаются им лучше, чем у людей, и они превосходят нас не только в задачах, в которых большинство из нас и так не блистали – например, в шахматах или глубоком анализе данных, но и в тех задачах, для решения которых эволюционировал мозг – например, распознавание лиц, перевод языков и определение права проезда на четырёхстороннем перекрёстке. Подобные системы стали возможными благодаря огромной компьютерной мощности, поэтому неудивительно, что технокомпании начали поиски компьютеров не просто побольше, а принадлежащих к совершенно новому классу.
Квантовые компьютеры после десятилетий исследований почти готовы выполнять вычисления с опережением любых других компьютеров на Земле. В качестве их главного преимущества обычно приводят разложение на множители больших чисел – операцию, ключевую для современных систем шифрования. Правда, до этого момента осталось ещё как минимум лет десять. Но и сегодняшние рудиментарные квантовые процессоры таинственным образом прекрасно подходят для нужд машинного обучения. Они манипулируют огромными объёмами данных за один проход, выискивают неуловимые закономерности, невидимые для классических компьютеров, и не тушуются перед неполными или неопределёнными данными.
„Существует естественный симбиоз между статистической по сути природой квантовых вычислений и машинным обучением“, — говорит Иоганн Оттербах, физик из Rigetti Computing, компании, занимающейся квантовыми вычислениями в Беркли, Калифорния.
Если на то пошло, то маятник уже качнулся до другого максимума. Google, Microsoft, IBM и другие техногиганты вливают средства в квантовое машинное обучение (КМО) и в инкубатор стартапов, посвящённый этой теме, расположенный в Торонтском университете. „Машинное обучение“ становится модным словечком», — говорит Джейкоб Биамонт, специалист по квантовой физике из Сколковского института науки и технологий. «А смешав его с понятием „квантовый“, вы поучите мегамодное слово».
Но понятие «квантовый» никогда не означает именно то, что от него ожидают. Хотя вы могли бы решить, что КМО-система должна быть мощной, она страдает от синдрома «запертости». Она работает с квантовыми состояниями, а не с человекочитаемыми данными, и перевод между двумя этими мирами может нивелировать все её явные преимущества. Это как iPhone X, обладающий всеми своими впечатляющими характеристиками, оказывается не быстрее старого телефона, поскольку местная сеть работает отвратительно. В некоторых особых случаях физики могут преодолеть это узкое место ввода-вывода, но появятся ли такие случаи при решении практических задач с МО, пока непонятно.
«У нас пока нет чётких ответов, — говорит Скот Ааронсон, специалист по информатике из Техасского университета в Остине, всегда пытающийся реально смотреть на вещи в области квантовых вычислений. – Люди довольно осторожно относятся к вопросу о том, дадут ли эти алгоритмы какое-то преимущество в скорости».
Квантовые нейроны
Основная задача нейросети, будь она классической или квантовой – распознавать закономерности. Она создана по образу человеческого мозга и представляет собой решётку из базовых вычислительных единиц – «нейронов». Каждый из них может быть не сложнее переключателя вкл/выкл. Нейрон отслеживает выход множества других нейронов, будто бы голосующих по определённому вопросы, и переключается в положение «вкл» если достаточно много нейронов проголосовали «за». Обычно нейроны упорядочиваются в слои. Первый слой принимает ввод (к примеру, пиксели изображения), средние слои создают различные комбинации ввода (представляя такие структуры, как грани и геометрические фигуры), а последний слой выдаёт вывод (высокоуровневое описание того, что содержится на картинке).
Глубинные нейросети обучаются, регулируя веса их связей так, чтобы наилучшим образом передавать сигналы через несколько слоёв к нейронам, связанным с нужными обобщёнными концепциями
Что важно, вся эта схема не проработана заранее, а адаптируется в процессе обучения методом проб и ошибок. Например, мы можем скармливать сети изображения, подписанные «котёнок» или «щенок». Каждой картинке она присваивает метку, проверяет, правильно ли у неё получилось, и если нет – подправляет нейронные связи. Сначала она работает почти случайно, но затем улучшает результаты; после, допустим, 10 000 примеров она начинает разбираться в домашних животных. В серьёзной нейросети может быть миллиард внутренних связей, и всех их необходимо подстроить.
На классическом компьютере эти связи представлены баснословной матрицей чисел, а работа сети означает выполнение матричных вычислений. Обычно эти операции с матрицей отдают на обработку особому чипу – к примеру, графическому процессору. Но никто не справляется с матричными операциями лучше квантового компьютера. «Обработка больших матриц и векторов на квантовом компьютере происходит экспоненциально быстрее», — говорит Сет Ллойд, физик из Массачусетского технологического института и пионер квантовых вычислений.
Для решения этой задачи квантовые компьютеры способны воспользоваться преимуществами экспоненциальной природы квантовой системы. Большая часть информационной ёмкости квантовой системы содержится не в её отдельных единицах данных – кубитах, квантовых аналогах битов классического компьютера – но в совместных свойствах этих кубитов. У двух кубитов совместно есть четыре состояния: оба вкл, оба выкл, вкл/выкл и выкл/вкл. У каждого есть определённый вес, или «амплитуда», которая может играть роль нейрона. Если добавить третий кубит, можно представить уже восемь нейронов; четвёртый – 16. Ёмкость машины растёт экспоненциально. По сути, нейроны размазаны по всей системе. Когда вы изменяете состояние четырёх кубитов, вы обрабатываете 16 нейронов одним махом, а классическому компьютеру пришлось бы обрабатывать эти числа по одному.
Ллойд оценивает, что 60 кубитов хватит для кодирования такого количества данных, которое человечество производит за год, а 300 могут содержать классическое информационное наполнение всей Вселенной. У самого большого из имеющихся на сегодня квантовых компьютеров, построенного IBM, Intel и Google, порядка 50 кубитов. И это только если принять, что каждая амплитуда представляет один классический бит. На самом деле амплитуды – величины непрерывные (и представляют комплексные числа), и с точностью, подходящей для решения практических задач, каждая из них может хранить до 15 битов, говорит Ааронсон.
Но способность квантового компьютера хранить информацию в сжатом виде не делает его быстрее. Нужно иметь возможность использовать эти кубиты. В 2008 Ллойд, физик Арам Хэрроу из MIT и Авинатан Хассидим, специалист по информатике из Университета имени Бар-Илана в Израиле показали, как можно выполнить важную алгебраическую операцию по инвертированию матрицы. Они разбили её на последовательность логических операций, которые можно выполнять на квантовом компьютере. Их алгоритм работает для огромного количества технологий МО. И ему не требуется так много шагов, как, допустим, разложению большого числа на множители. Компьютер способен быстро выполнить задачу по классификации до того, как шум – крупный ограничивающий фактор современных технологий – сможет всё испортить.
«До того, как у вас будет полностью универсальный, устойчивый к ошибкам квантовый компьютер, у вас может появиться просто некое квантовое преимущество», — сказал Кристан Темм из Исследовательского центра им. Томаса Уотсона компании IBM.
Дайте природе решить задачу
Пока что машинное обучение на основе квантовых матричных вычислений было продемонстрировано только на компьютерах с четырьмя кубитами. Большая часть экспериментальных успехов квантового машинного обучения использует другой подход, в котором квантовая система не просто симулирует сеть, а является сетью. Каждый кубит отвечает за один нейрон. И хотя тут об экспонентном росте говорить не приходится, подобное устройство может воспользоваться другими свойствами квантовой физики.
Крупнейшее из таких устройств, содержащее порядка 2000 кубитов, изготовлено компанией D-Wave Systems, расположенной недалеко от Ванкувера. И это не совсем то, что люди представляют себе, думая о компьютере. Вместо того, чтобы получить некие вводные данные, выполнить последовательность вычислений и показать вывод, он работает, находя внутреннюю непротиворечивость. Каждый из кубитов – сверхпроводящая электрическая петля, работающая, как крохотный электромагнит, ориентированный вверх, вниз, или и вверх и вниз – то есть, находясь в суперпозиции. Совместно кубиты связываются за счёт магнитного взаимодействия.
Чтобы запустить эту систему, сначала необходимо применить горизонтально ориентированное магнитное поле, инициализирующее кубиты одинаковой суперпозицией вверх и вниз – эквивалент чистого листа. Для ввода данных есть пара способов. В некоторых случаях можно зафиксировать слой кубитов в необходимых начальных значениях; чаще входные данные включаются в силу взаимодействий. Затем вы позволяете кубитам взаимодействовать друг с другом. Некоторые пытаются выстроиться одинаково, некоторые – в противоположном направлении, и под влиянием горизонтального магнитного поля они переключаются в предпочтительную ориентацию. В этом процессе они могут заставить переключиться и другие кубиты. Сначала это происходит довольно часто, поскольку так много кубитов расположено неправильно. Со временем они успокаиваются, после чего можно выключить горизонтальное поле и зафиксировать их в этом положении. В этот момент кубиты выстроились в последовательность положений «вверх» и «вниз», представляющую собой вывод на основе ввода.
Не всегда очевидно, какой будет итоговое расположение кубитов, но в этом и смысл. Система, просто ведя себя естественно, решает задачу, над которой классический компьютер бился бы долго.
«Нам не нужен алгоритм, — объясняет Хидетоси Нисимори, физик из Токийского технологического института, разработавший принципы работы машин D-Wave. – Это полностью отличный от обычного программирования подход. Задачу решает природа».
Переключение кубитов происходит из-за квантового туннелирования, естественного стремления квантовых систем к оптимальной конфигурации, наилучшей из возможных. Можно было бы построить классическую сеть, работающую на аналоговых принципах, использующих случайное дрожание вместо туннелирования для переключения битов, и в некоторых случаях она на самом деле работала бы лучше. Но, что интересно, для задач, появляющихся в области машинного обучения, квантовая сеть, судя по всему, быстрее достигает оптимума.
У машины от D-Wave есть и недостатки. Она чрезвычайно подвержена влиянию шума, и в текущей версии может выполнять не очень много разновидностей операций. Но алгоритмы машинного обучения терпимы к шуму по своей природе. Они полезны именно потому, что могут распознать смысл в неопрятной реальности, отделяя котят от щенков, несмотря на отвлекающие моменты. «Нейросети известны сопротивляемостью к шуму», — сказал Берман.
В 2009-м команда под руководством Хартмута Нивена, специалиста по информатике из Google, пионера дополненной реальности (он был сооснователем проекта Google Glass), перешедшего в область квантовой обработки информации, показала, как ранний прототип машины от D-Wave способен выполнять вполне настоящую задачу машинного обучения. Они использовали машину как однослойную нейросеть, сортирующую изображения по двум классам: «автомобиль» и «не автомобиль» на библиотеке из 20 000 фотографий, сделанных на улицах. В машине было всего 52 рабочих кубита, совсем недостаточно для того, чтобы полностью ввести изображение. Поэтому команда Нивена скомбинировала машину с классическим компьютером, анализировавшим различные статистические параметры изображений и подсчитывал, насколько чувствительны эти величины к наличию на фото автомобиля – обычно они были не особенно чувствительными, но, по крайней мере, отличались от случайных. Некоторая комбинация этих величин могла надёжным образом определить наличие автомобиля, просто не было очевидно – какая именно комбинация. А определением нужной комбинации как раз занималась нейросеть.
Каждой величине команда сопоставила кубит. Если кубит устанавливался на значении 1, он отмечал соответствующую величину как полезную; 0 означал, что она не нужна. Магнитные взаимодействия кубитов закодировали требования этой задачи – к примеру, необходимость учитывать лишь наиболее сильно отличающиеся величины, чтобы итоговый выбор был наиболее компактным. Получившаяся система оказалась способной распознать автомобиль.
В прошлом году группа под руководством Марии Спиропулу, специалиста по физике частиц из Калифорнийского технологического института, и Дэниела Лидара, физика из Университета Южной Калифорнии, применили алгоритм для решения практической задачи по физике: классификации столкновений протонов на категории «бозон Хиггса» и «не бозон Хиггса». Ограничив оценки только столкновениями, порождавшими фотоны, они использовали основную теорию частиц для предсказания того, какие свойства фотона должны указывать на кратковременное появление частицы Хиггса – к примеру, превышающая некий порог величина импульса. Они рассмотрели восемь таких свойств и 28 их комбинаций, что в сумме дало 36 сигналов-кандидатов и позволило чипу D-Wave найти оптимальную выборку. Он определил 16 переменных как полезные, а три – как наилучшие. «Учитывая малый размер тренировочного набора, квантовый подход дал преимущество в точности над традиционными методами, используемыми в сообществе специалистов по физике высоких энергий», — сказал Лидар.
Мария Спиропулу, физик в Калифорнийском технологическом институте, использовала машинное обучение в поисках бозонов Хиггса
В декабре компания Rigetti продемонстрировала способ автоматической группировки объектов при помощи квантового компьютера общего назначения из 19 кубитов. Исследователи скормили машине список городов и расстояний между ними и попросили её рассортировать города на два географических региона. Трудность этой задачи в том, что распределение одного города зависит от распределения всех остальных, поэтому вам надо искать решение для всей системы сразу.
Команда компании, по сути, назначила каждому городу по кубиту и отметила, к какой группе его приписали. Через взаимодействие кубитов (в системе Rigetti оно не магнитное, а электрическое) каждая пара кубитов стремилась принять противоположные значения, поскольку в таком случае их энергия минимизировалась. Очевидно, что в любой системе, содержащей больше двух кубитов, некоторым парам придётся принадлежать к одной и той же группе. Ближе расположенные города охотнее соглашались на это, поскольку для них энергетическая стоимость принадлежность к одной и той же группе была ниже, чем в случае с далёкими городами.
Чтобы привести систему к наименьшей энергии, команда Rigetti избрала подход, в чём-то похожий на подход D-Wave. Они инициализировали кубиты суперпозицией из всех возможных распределений по группам. Они позволили кубитам недолго взаимодействовать друг с другом, и это склонило их к принятию тех или иных значений. Затем они применили аналог горизонтального магнитного поля, что позволило кубитам поменять ориентацию на противоположную, если у них была такая склонность, что немного подтолкнуло систему по направлению к энергетическому состоянию с минимальной энергией. Затем они повторяли этот двухэтапный процесс – взаимодействие и переворот – пока система не минимизировала энергию, распределив города в два разных региона.
Подобные задачи по классификации, хотя и полезны, но довольно просты. Реальные прорывы МО ожидаются в генеративных моделях, которые не просто распознают щенков и котят, но способны создать новые архетипы – животных, никогда не существовавших, но настолько же милых, насколько реальные. Они даже способны самостоятельно вывести такие категории, как «котята» или «щенки», или реконструировать изображение, на котором отсутствует лапа или хвостик.
«Эти технологии способны на многое и очень полезны в МО, но очень сложны в реализации», — сказал Мохаммед Амин, главный учёный в D-Wave. Помощь квантовых компьютеров пришлась бы тут кстати.
D-Wave и другие исследовательские команды приняли этот вызов. Тренировать такую модель – значит, подстраивать магнитные или электрические взаимодействия кубитов так, чтобы сеть могла воспроизвести некие пробные данные. Для этого нужно скомбинировать сеть с обычным компьютером. Сеть занимается сложными задачами – определяет, что данный набор взаимодействий означает в плане конечной конфигурации сети – а партнёрский компьютер использует эту информацию для подстройки взаимодействий. В одной демонстрации в прошлом году Алехандро Пердомо-Ортиз, исследователь из Лаборатории квантового искусственного интеллекта НАСА вместе с командой дали D-Wave систему изображений, состоящую из написанных от руки цифр. Она определила, что всего их десять категорий, сопоставила цифры от 0 до 9, и создала свои собственные каракули в виде цифр.
Бутылочные горлышки, ведущие в туннели
Это всё хорошие новости. А плохие новости в том, что неважно, насколько крут ваш процессор, если вы не сможете предоставить ему данные для работы. В алгоритмах матричной алгебры единственная операция может обрабатывать матрицу из 16 чисел, но для загрузки матрицы всё равно требуется 16 операций. «Вопроса подготовки состояния – размещение классических данных в квантовом состоянии – избегают, а я думаю, что это одна из важнейших частей», — сказала Мария Шульд, исследователь стартапа квантовых компьютеров Xanadu и один из первых учёных, получивших степень в области КМО. Физически распределённые системы МО сталкиваются с параллельными сложностями – как ввести задачу в сеть кубитов и заставить кубиты взаимодействовать, как нужно.
После того, как вы смогли ввести данные, вам нужно хранить их таким образом, чтобы квантовая система смогла взаимодействовать с ними, не обрушив текущие вычисления. Ллойд с коллегами предложили квантовую оперативную память, использующую фотоны, но ни у кого пока нет аналогового устройства для сверхпроводящих кубитов или пойманных ионов – технологий, использующихся в ведущих квантовых компьютерах. «Это ещё одна огромная техническая проблема, кроме проблемы постройки самого квантового компьютера, — сказал Ааронсон. – При общении с экспериментаторами у меня создаётся впечатление, что они испуганы. Они вообще не представляют, как подойти к созданию этой системы».
И, наконец, как вывести данные? Это значит – измерить квантовое состояние машины, но измерение не только возвращает по одному числу за раз, выбранному случайно, оно ещё рушит всё состояние компьютера, стирая остаток данных до того, как у вас будут шансы их востребовать. Придётся запускать алгоритм снова и снова, чтобы вынуть всю информацию.
Но не всё потеряно. Для некоторых типов задач можно воспользоваться квантовой интерференцией. Можно управлять ходом операций так, чтобы неправильные ответы взаимно уничтожались, а правильные подкрепляли сами себя; таким образом, когда вы будете измерять квантовое состояние, вам вернут не просто случайное значение, а желаемый ответ. Но только несколько алгоритмов, например, поиск с полным перебором, могут воспользоваться интерференцией, и ускорение обычно получается небольшим.
В некоторых случаях исследователи обнаружили обходные пути для ввода и вывода данных. В 2015 году Ллойд, Сильвано Гарнероне из Университета Ватерлоо в Канаде и Паоло Занарди из Университета Южной Калифорнии показали, что в определённых видах статистического анализа не обязательно вводить или хранить весь набор данных целиком. Точно так же не нужно считывать все данные, когда будет достаточно нескольких ключевых значений. К примеру, технокомпании используют МО для выдачи рекомендаций телепередач к просмотру или товаров к покупке на основе огромной матрицы человеческих привычек.
«Если вы делаете такую систему для Netflix или Amazon, вам нужна не сама записанная где-то матрица, а рекомендации для пользователей», — говорит Ааронсон.
Всё это вызывает вопрос: если квантовая машина демонстрирует свои способности в особых случаях, может, и классическая машина тоже сможет хорошо себя показать в этих случаях? Это главный неразрешённый вопрос в этой области. В конце концов, обычные компьютеры тоже могут очень многое. Обычный метод выбора для обработки больших наборов данных – случайная выборка – на самом деле очень похожа по духу на квантовый компьютер, который, что бы там внутри его ни происходило, в итоге выдаёт случайный результат. Шульд отмечает:
«Я реализовывала множество алгоритмов, на которые я реагировала как: „Это так здорово, это такое ускорение“, а затем, просто ради интереса, писала технологию выборки для классического компьютера, и понимала, что того же самого можно добиться и при помощи выборки».
Ни один из достигнутых на сегодняшний день успехов КМО не обходится без подвоха. Возьмём машину D-Wave. При классификации изображений автомобилей и частиц Хиггса она работала не быстрее классического компьютера.
«Одна из тем, не обсуждаемых в нашей работе – это квантовое ускорение», — сказал Алекс Мотт, специалист по информатике из проекта Google DeepMind, работавший в команде, исследовавшей частицу Хиггса. Подходы с матричной алгеброй, например, алгоритм Хэрроу-Хассидими-Ллойда демонстрируют ускорение только в случае разреженных матриц – почти полностью заполненных нулями. «Но никто не задаёт вопрос – а разреженные данные вообще интересны для машинного обучения?» – отметила Шульд.
Квантовый интеллект
С другой стороны, даже редкие улучшения существующих технологий могли бы порадовать технокомпании.
«Получающиеся улучшения скромные, не экспоненциальные, но хотя бы квадратичные», — говорит Нэйтан Вайеб, исследователь в области квантовых компьютеров из Microsoft Research. «Если взять достаточно большой и быстрый квантовый компьютер, мы могли бы произвести революцию во многих областях МО». И в процессе использования этих систем специалисты по информатике, возможно, решат теоретическую загадку – на самом ли деле они по определению быстрее, и в чём именно.
Шульд также считает, что со стороны ПО есть место для инноваций. МО – это не просто куча вычислений. Это комплекс задач со своей особой, определённой структурой. «Алгоритмы, создаваемые людьми, отделены от тех вещей, что делают МО интересным и красивым, — сказала она. – Поэтому я начала работу с другого конца и задумалась: Если у меня уже есть квантовый компьютер – мелкомасштабный – какую модель МО на нём можно реализовать? Может, эту модель пока ещё не изобрели». Если физики хотят впечатлить экспертов по МО, им придётся сделать что-то большее, чем просто создать квантовые версии существующих моделей.
Точно так же, как многие нейробиологи пришли к выводу, что структура мыслей человека отражает потребность в теле, так же материализуются и системы МО. Изображения, языке и большая часть протекающих через них данных приходят из реального мира и отражают его свойства. КМО тоже материализуется – но в более богатом мире, чем наш. Одна из областей, где оно, без сомнения, будет блистать – в обработке квантовых данных. Если эти данные будут представлять не изображение, а результат физического или химического эксперимента, квантовая машина станет одним из его элементов. Проблема ввода исчезает, а классические компьютеры остаются далеко позади.
Будто бы в ситуации замкнутого круга, первые КМО могут помочь разработать их преемников.
«Один из способов, которым мы реально можем захотеть использовать эти системы – это для создания самих квантовых компьютеров, — сказал Вайбе. – Для некоторых процедур устранения ошибок это единственный имеющийся у нас подход».
Может, они даже смогут устранить ошибки в нас. Не затрагивая тему того, является ли человеческий мозг квантовым компьютером – а это очень спорный вопрос – он всё же иногда ведёт себя именно так. Поведение человека чрезвычайно привязано к контексту; наши предпочтения формируются через предоставляемые нам варианты выбора и не подчиняются логике. В этом мы похожи на квантовые частицы.
«То, каким образом вы задаёте вопросы и в каком порядке, имеет значение, и это типично для квантовых наборов данных», — сказал Пердомо-Ортиз.
Поэтому система КМО может оказаться естественным методом изучения когнитивных искажений человеческого мышления.
У нейросетей и квантовых процессоров есть нечто общее: удивительно, что они вообще работают. Возможность натренировать нейросеть никогда не была очевидной, и десятилетиями большинство людей сомневались, что это вообще окажется возможным. Точно также неочевидно, что квантовые компьютеры когда-нибудь можно будет приспособить к вычислениям, поскольку отличительные черты квантовой физики так хорошо скрыты от всех нас. И всё же оба они работают – не всегда, но чаще, чем мы могли бы ожидать. И учитывая это, кажется вероятным, что и их объединение найдёт себе место под солнцем.
www.nanonewsnet.ru
Шесть примеров, когда квантовые компьютеры нам очень помогут
Компьютеры не существуют в вакууме. Они решают проблемы, и проблемы, которые они решают, определяются исключительно аппаратным обеспечением. Графические процессоры обрабатывают изображения; процессоры искусственного интеллекта обеспечивают работу алгоритмов ИИ; квантовые компьютеры предназначены для… чего?
В то время как сила квантовых вычислений впечатляет, это не означает, что существующее программное обеспечение просто так работает в миллиард раз быстрее. Скорее квантовые компьютеры тоже имеют определенного типа проблемы, некоторые из которых они хорошо решают, некоторые нет. Ниже вы найдете основные сферы применения, в которых квантовые компьютеры должны будут выстрелить на все сто, когда станут коммерчески реализуемыми.
Искусственный интеллект
Основное применение квантовым вычислениям — это искусственный интеллект. ИИ основан на принципах обучения в процессе извлечения опыта, становится все точнее по мере работы обратной связи, пока, наконец, не обзаводится «интеллектом», пусть и компьютерным. То есть самостоятельно обучается решению задач определенного типа.
Эта обратная связь зависит от расчета вероятности для множества возможных исходов, и квантовые вычисления идеально подходят для такого рода операций. Искусственный интеллект, подкрепленный квантовыми компьютерами, перевернет каждую отрасль, от автомобилей до медицины, и говорят, что ИИ станет для двадцать первого века тем, чем электричество стало для двадцатого.
Например, Lockheed Martin планирует использовать свой квантовый компьютер D-Wave для испытаний программного обеспечения для автопилота, которое слишком сложное для классических компьютеров, а Google использует квантовый компьютер для разработки ПО, которое сможет отличать автомобили от дорожных знаков. Мы уже достигли точки, за которой ИИ создает больше ИИ, и его сила и величина будет только расти.
Молекулярное моделирование
Другой пример — это точное моделирование молекулярных взаимодействий, поиск оптимальных конфигураций для химических реакций. Такая «квантовая химия» настолько сложная, что с помощью современных цифровых компьютеров можно проанализировать только простейшие молекулы.
Химические реакции квантовые по своей природе, поскольку образуют весьма запутанные квантовые состояния суперпозиции. Но полностью разработанные квантовые компьютеры смогут без проблем рассчитывать даже такие сложные процессы.
Google уже совершает набеги в эту область, моделируя энергию водородных молекул. В результате получаются более эффективные продукты, от солнечных батарей до фармацевтических препаратов, и особенно удобрения; поскольку на удобрения приходится до 2% глобального потребления энергии, последствия для энергетики и окружающей среды будут колоссальными.
Криптография
Большая часть систем кибербезопасности полагается на сложность факторинга больших чисел на простые. Хотя цифровые компьютеры, которые просчитывают каждый возможный фактор, могут с этим справиться, длительное время, необходимое для «взлома кода», выливается в дороговизну и непрактичность.
Квантовые компьютеры могут производить такой факторинг экспоненциально эффективнее цифровых компьютеров, делая современные методы защиты устаревшими. Разрабатываются новые методы криптографии, которые, впрочем, требуют времени: в августе 2015 года NSA начало собирать список устойчивых к квантовым вычислениям криптографических методов, которые могли бы противостоять квантовым компьютерам, и в апреле 2016 Национальный институт стандартов и технологий начал публичный процесс оценки, который продлится от четырех до шести лет.
В разработке находятся также перспективные методы квантового шифрования, которые задействуют односторонний характер квантовой запутанности. Сети в пределах города уже продемонстрировали свою работоспособность в нескольких странах, и китайские ученые недавно объяснили, что успешно передали запутанные фотоны из орбитального «квантового» спутника на три отдельные базовые станции на Земле.
Финансовое моделирование
Современные рынки являются одними из самых сложных систем в принципе. Хотя мы разработали много научных и математических инструментов для работы с ними, им по-прежнему недостает условия, которым могут похвастать другие научные дисциплины: нет контролируемых условий, в которых можно было бы провести эксперименты.
Чтобы решить эту проблему, инвесторы и аналитики обратились к квантовым вычислениям. Непосредственным их преимуществом является то, что случайность, присущая квантовым компьютерам, конгруэнтна стохастическому характеру финансовых рынков. Инвесторы зачастую хотят оценивать распределение результатов при очень большом количестве сценариев, генерируемых случайным образом.
Другое преимущество, которое предлагают квантовые компьютеры, состоит в том, что финансовые операции вроде арбитража иногда могут требовать множества последовательных шагов, и число возможностей их просчета сильно опережает допустимое для обычного цифрового компьютера.
Прогнозирование погоды
Главный экономит NOAA Родни Вейер утверждает, что почти 30% от ВВП США (6 триллионов долларов) прямо или косвенно зависит от погодных условий, влияющих на производство продуктов питания, транспорт и розничную торговлю, среди прочего. Способность лучше предсказывать погоду будет иметь огромное преимущество для многих областей, не говоря уж о дополнительном времени, которое понадобится для восстановления от стихийных бедствий.
Хотя ученые давно ломают голову над процессами погодообразования, уравнения, стоящие за ними, включают множество переменных, сильно усложняя классическое моделирование. Как отметил квантовый исследователь Сет Ллойд, «использование классического компьютера для такого анализа займет столько времени, что погода успеет измениться». Поэтому Ллойд и его коллеги из MIT показали, что уравнения, управляющие погодой, имеют скрытую волновую природу, которую вполне удастся разрешить с применением квантового компьютера.
Хартмут Невен, директор по разработкам в Google отметил, что квантовые компьютеры могут также помочь в создании более совершенных климатических моделей, которые могли бы дать нам более глубокое представление о том, как люди влияют на окружающую среду. На основе этих моделей мы выстраиваем наши представления о будущем потеплении, и они помогают нам определять шаги, которые требуются для предотвращения стихийных бедствий.
Физика частиц
Как ни странно, глубокое изучение физики с применением квантовых компьютеров может привести… к изучению новой физики. Модели физики элементарных частиц зачастую чрезвычайно сложные, требуют пространных решений и задействуют много вычислительного времени для численного моделирования. Они идеально подойдут для квантовых компьютеров, и ученые уже положили на них глаз.
Ученые Университета Инсбрука и Института квантовой оптики и квантовой информации (IQOQI) недавно использовали программируемую квантовую систему для подобных манипуляций с моделями. Для этого они взяли простую версию квантового компьютера, в котором ионы производят логические операции, базовые шаги в любом компьютерном расчете. Моделирование показало прекрасное соглашение с реальными, описанными физикой, экспериментами.
«Два этих подхода идеально дополняют друг друга», говорит физик-теоретик Питер Цоллер. «Мы не можем заменить эксперименты, которые проводятся на ускорителях частиц. Но развивая квантовые симуляторы, мы можем однажды лучше понять эти эксперименты».
Теперь инвесторы стараются внедриться в экосистему квантовых вычислений, и не только в компьютерной индустрии: банки, аэрокосмические компании, кибербезопасность — все они выходят на гребень вычислительной революции.
В то время как квантовые вычисления уже оказывают влияние на поля выше, этот список не является исчерпывающем ни в коем случае, и это самое интересное. Как бывает со всеми новыми технологиями, в будущем будут появляться совершенно немыслимые приложения, в такт с развитием аппаратных средств.
Другие статьи:
nlo-mir.ru
Технологии будущего: как криптография и искусственный интеллект изменятся за пять лет. Фото | Технологии
Глава этого проекта, математик Сецилия Бочини ( Cecilia Boschini), объясняет, что взлом любой криптографической защиты сводится к решению определенной математической задачи. Чем сложнее эта задача, тем дольше ее решать, и тем надежнее защита. Нынешние методы шифрования устроены так, что пришлось бы потратить десятилетия на то, чтобы взломать код. Но очень мощные вычислители в теории могли бы справиться с этой задачей гораздо быстрее. Некоторое время назад ученые изобрели новый метод криптографии — следующий шаг эволюции алгоритмов шифрования после эллиптических кривых. Это lattice-based cryptography, что переводится, как «криптография на решетках». Представьте себе воображаемую решетку, скажем, тюремную.
В точках пересечения прутьев располагаются узлы с определенными координатами. Каждый из узлов может быть соединен с любым другим с помощью вектора. Поиск длины самого короткого ненулевого вектора в такой системе представляет собой сложную математическую проблему, которая так и называется Shortest vector problem (SVP) — проблема самого короткого вектора. «Казалось бы что тут сложного, — говорит Сецилия — нужно просто посмотреть на решетку и станет ясно, какая точка ближе всего к заданному узлу. Но если таких решеток много и они распределены, скажем, по сотне измерений, то даже квантовый компьютер будет не в состоянии решить эту математическую задачу». Собственно, по этой причине данный метод считается одним из самых многообещающих способов так называемого постквантового шифрования. IBM уже начала готовиться к переходу на протоколы, использующие данную защиту. Но, возможно, преждевременно.
Иван Новиков, основатель Wallarm напоминает, что до создания квантового компьютера с миллионами кубитов еще очень далеко. IBM в прошлом году анонсировала, что работает над 50-кубитной машиной, в этом году Google похвасталась 72 кубитами. «За последние 20 лет, начиная с 1998 года, когда было объявлено о первом двухкубитовом квантовом вычислителе, количество кубит увеличилось примерно вдвое ежегодно. И все это время хакеры взламывали криптографические системы из-за ошибок в реализации даже очень стойких, можно сказать, безупречных алгоритмов. Вспомним историю 2014 года с OpenSSL уязвимостью Heartbleed, из-за которой были раскрыты данные сотен миллионов человек», — напоминает Новиков. Так что математическая теория зачастую сильно отличается от практики.
Менее предвзятый искусственный интеллект
Это может звучать странно, но здесь кроется действительно серьезная научная, социальная и технологическая проблема. Дело в том, что нейронные сети обучаются людьми с помощью наборов данных, в которые уже «зашита» предвзятость. К примеру, в наборе данных с фотографиями знаменитостей, который некоторые приложения могут использовать для обучения алгоритмов распознавания лиц, есть перекос в сторону представителей светлокожей расы. Обученная на таких данных нейронка будет хуже распознавать людей с другим цветом кожи. Не исключено, что такая предвзятость может привести к дискриминации, некорректным решениям и так далее. IBM разработала и продолжает совершенствовать методику для проверки наборов данных для выявления «предубеждений». Ученые компании уверены, что в ближайшие пять лет эта проблема исчезнет или перестанет быть существенной.
Более интересен побочный эффект этого исследования. Франческа Росси (Francesca Rossi), которая руководит данным проектом, говорит, что чем больше ученые работают над выявлением таких отклонений в наборах данных, тем больше понимают свои собственные предвзятые убеждения. Что ж, это нам уже показала нейронная сеть Microsoft, которая обучалась на сообщениях в Твиттере и подхватила от людей все возможные ментальные болезни вроде сексизма, расизма и любви к нецензурному грубому самовыражению.
Над избавлением искусственного интеллекта от субъективных предвзятых оценок работают специалисты из множества различных областей, включая людей искусства, философов, юристов. Как надеется Талия, избавленный от человеческих слабостей ИИ в будущем станет подсказывать людям, если они их проявляют. Вы готовы к такому будущему, в котором машины нас учат, как нужно жить? IBM предсказывает, что оно наступит уже через пять лет.
www.forbes.ru
«Искусственный интеллект будет помогать человеку в ежедневной, в том числе и творческой, деятельности»
«Квантовый компьютер будет работать в смычке с традиционным как облачное приложение»
Владимир: Николай, привет. Что такое квантовый компьютер? Для тех, кто про него слышал, кто понимает, что это что-то невероятно мощное, но не понимает, что это. Можешь рассказать немного?
Николай: Квантовый компьютер — электронное устройство, новый вид вычисления. Дело в том, что традиционные компьютеры, к которым мы привыкли, работают с битами, которые находятся в бинарном состоянии. Ноль либо единица. Квантовый компьютер, грубо говоря, находится во всех состояниях между нулем и единицей одновременно, то есть это аналоговая система. Все вычисления проходят в состоянии суперпозиции, то есть произведении, сложении разных квантовых битов.
Владимир: Много интересных и сложных слов ты назвал. Скажи, пожалуйста, проще: почему квантовый компьютер такой мощный? Почему он на устах у всех уже какое-то количество лет? Когда о нем вообще впервые начали говорить? Как давно?
Николай: Говорить, писать о них начали достаточно давно. В 60–70-х годах. Но именно в состояние прагматизма, когда стали появляться реально существующие квантовые компьютеры, все перешло только в последние годы. Он так важен, потому что для определенного класса задач он пригоден идеально, он выполняет их за доли секунд, в то время как традиционным компьютерам потребуется годы, а иногда — миллионы лет.
13 сентября в Москве состоится конференция по большим данным Big Data Conference. В этом году мы включили в программу не только лучшие кейсы от компаний, но и Big Data Hackathon для специалистов по анализу данных. Не пропустите!Владимир: То есть, это та самая стадия, как было десятки лет назад, когда стояли огромные здания и обычные компьютеры занимали огромное пространство. Квантовый компьютер когда-то станет меньше, более доступным? Смогут ли простые люди его купить? Или все-таки это промышленная машина для промышленных вычислений?
Николай: Скорее всего, учитывая, что он очень узкоспециализирован, квантовый компьютер будет работать в смычке с традиционными как облачное приложение. То есть примерно так, как сегодня работают графические карты, ускорители. Также будет к традиционному компьютеру подключаться и квантовый, скорее всего, удаленно, поскольку все сегодня переходит в облачный подход.
Владимир: Но почему его так много лет не могли создать? Совсем недавно начали появляться первые промышленные образцы квантовых компьютеров, в чем была проблема, раз с 60-х годов о нем говорили? Не могла дойти инженерная мысль до того, чтобы его создать? В чем был основной камень преткновения?
Николай: Технологическая сложность. Так же, как и было трудно создать традиционный компьютер, первые арифмометры производили из дерева, потому их стали делать металлическими, потом появились полупроводники. Так и для квантовых компьютеров. Во-первых, выявили явление сверхпроводимости. Во-вторых, научились строить холодильники, которые приближают температуру близкую к абсолютному нулю. И в-третьих, все это научились объединять в сети, которые быстро работают. Квантовые биты — кубиты — научились объединять довольно быстрыми проводниками, которые работают совместно и синхронно.
Владимир: Многие говорят так: «Все это ерунда, никакого квантового компьютера пока нет, все это планы ученых, обсуждения и так далее». Расскажи, развей миф: существует ли сегодня квантовый компьютер или нет?
Николай: Существует, и не один. Они разные. Наш разрабатывается в Цюрихе в лаборатории Research, есть в США, прототипы находятся в Европе, есть и другие. IBM работает над универсальным квантовым компьютером, который пригоден для решения широкого спектра задач. Создавались и раньше квантовые компьютеры в виде прототипов либо специфичных компьютеров, которые предназначались для решения именно одной конкретной задачи, например, криптографии.
Владимир: Мы слушали, как работает квантовый компьютер. Николай, что это за шаманский звук бубнов? Почему так звучит квантовый компьютер и что это за звуки вообще?
Николай: Квантовый компьютер сегодня довольно шумный, потому что работают холодильники. Дело в том, что для того, чтобы производить квантовые вычисления, необходимо избежать влияния действий окружающей среды. Всего того, что нас окружает. Даже ремонтные работы на расстоянии многих километров от квантового компьютера могут повлиять на точность вычислений. Поэтому он работает при температуре, близкой к абсолютному нулю, и в полной темноте. Там холоднее, чем в космосе, там темнее, чем, практически, в черной дыре. Звук производят те холодильники, которые охлаждают ступени.
Сам компьютер представляет собой примерно трехметровый цилиндр, и он состоит из четырех ступеней. Самая верхняя — это интерфейс компьютера, который подключается к традиционному компьютеру, может быть доступен через интернет. Вторая ступень — проводящие элементы из специальных коаксиальных кабелей. Третья ступень — механизм программирования этих кубитов — квантовых битов, программируются они специальными микроволнами. Ну и, четвертая — это уже сами кубиты. Кубиты из специального сверхпроводящего материала — неодия, мостов с переменной проводимости, и все это на кристаллах находится.
Владимир: То есть компьютер — довольно нежное создание, которое постоянно совершенствуется, да?
Николай: Более того, это аналоговая система, в отличие от цифровой, которая требует и всегда будет требовать постоянной заботы и подстройки.
«Возможности квантовых компьютеров на стойкости крипты не скажутся»
Владимир: Давай поговорим о том, какие задачи конкретно сейчас решают подобные машины. Вот что их можно попросить сделать и какое решение получить?
Николай: Поскольку кубиты устроены также, как молекулы, как природа, все природные явления удобно моделировать на квантовом компьютере. Например, поведение молекулы кофеина. Чтобы смоделировать полностью все состояния, на традиционном компьютере потребуется несколько тысяч лет. На квантовом компьютере это можно сделать за измеримое количество часов.
Либо простая задача, которую мы часто приводим в пример. Это рассадка гостей — 10 человек — на свадьбе за круглым столом. Существует несколько миллионов вариантов того, как можно рассадить их между собой. Так вот, перебор этих миллионов вариантов на традиционном компьютере потребует тысячи лет. А на квантовом это решается за секунды. Задача коммивояжера. Персонифицированная медицина. Подбор лекарств персональных. Специальные строительные материалы. Проектирование элементов по заданным свойствам. Все эти вещи, ну и, конечно, криптография, которые можно решать на квантовом компьютере сегодня.
Владимир: Многие люди считают, что порядка 25% кошельков находится в утерянном состоянии, к ним нет доступа, нет приватных ключей, на них большое количество средств. Был даже один стартап, который говорил — давайте соберем деньги и начнем подбирать ключи к этим кошелькам, получим большое количество биткоинов. Квантовый компьютер решает задачи по криптографии, и сможет ли он, например, подобрать быстро пароли к биткоин-кошелькам, к банковским счетам? Насколько это является прорывной технологией и, с другой стороны, опасностью для людей? Если можно зашифровать — соответственно, можно и расшифровать.
Николай: В первую очередь важно сказать, что, конечно же, опасности он не представляет, поскольку на тот момент, когда компьютер сможет расшифровывать, будут активно использоваться квантовые активы для шифрования. Такие сегодня уже появляются, несколько существует в активном тестировании у крупных европейских и американских банков. Сможет ли он это сделать сегодня? Сегодняшние образцы не смогут. Наверное, в некотором отдаленном будущем, конечно же, смогут, но тогда уже ценность того крипта, что используется сегодня, существенно упадет.
Важно то, что и алгоритмы тоже должны меняться. Например, основные стойкие алгоритмы сегодня основаны на подборе простых чисел, с чем квантовый компьютер очень хорошо справляется. Наши исследователи в лаборатории IBM Research работают, например, над алгоритмом, построенном на проблеме рюкзака ограниченной мощности. Представьте, что у нас есть тысячи разноцветных шариков, все шарики разного цвета, и мы наугад берем из них 500 и бросаем в рюкзак в темной комнате. Все их потом берем и суммируем. Вот эта сумма является крипточислом. А как подобрать те 500, из которых она собралась? Это никак не связано с простыми числами. Здесь квантовый компьютер так же бессилен, как и традиционный. Поэтому да, конечно, во многом они нам помогут, во многом упростят жизнь, в чем-то, наверное, усложнят, но на стойкости крипты, скорее всего, это никак не скажется.
Владимир: То есть за безопасность своих банковских счетов можно пока не переживать?
Николай: Еще долгое время можно быть спокойным.
Николай Марин. Фото: страница Николая в Facebook
Владимир: Про практическое применение квантовых компьютеров и их максимальные возможности. Мы говорили, что сейчас они с некоторыми задачами не справляются, но если с технологической и медицинской точки зрения, например, что еще пока квантовые компьютеры не могут сделать? И над чем разработчики квантовых компьютеров работают сейчас?
Николай: В первую очередь, это моделирование всего того, что связано с деятельностью живой природы. И термоядерная энергетика — это можно начинать делать в ограниченном масштабе, поскольку квантовые компьютеры ограничены мощностью — количеством квантовых бит, кубит, которые в них существуют. У нас коммерческая система достигает 20 кубит, и они все полностью друг с другом связаны. Это можно смоделировать молекулу из 20 элементов. Ну, таких молекул не так уж много, но чтобы моделировать поведение большого количества молекул, нужно тысячи этих самых кубит, а задачи в сложности растут экспоненциально.
Владимир: Николай, скажи, сколько в разработку квантового компьютера ваша компания, в частности, потратила денег?
Николай: IBM потратил на разработку и исследования в 2014–2018 годах суммарно $3 миллиарда, из них существенная доля денег пошла именно на разработку квантового компьютера, ну и алгоритмов, связанных с разработкой искусственного интеллекта.
Владимир: И, я так понимаю, что не вы одни на рынке существуете, вы позволяете некоторому сообществу тоже его тестировать и работать над ним. Что вокруг квантового компьютера в плане людей сегодня существует? Кто над этим работает в плане специалистов?
Николай: Поскольку мы создаем именно универсальный квантовый компьютер, наша задача в том, чтобы его начали использовать. Сегодня компьютер доступен бесплатно в виде облачного приложения любому жителю планеты. У нас зарегистрировано 60 тысяч пользователей в нашей бесплатной системе, где можно программировать его либо мышкой — примерно как ноты расставлять по линейкам, только не ноты, а операции с квантовыми битами, сложение, вычитание и так далее. Более полутора миллионов экспериментов уже проведено на реально существующей квантовой машине.
Владимир: При этом не нужно быть ученым или студентом, программа доступна для всех?
Николай: Да, любому можно зайти с планшета на нее, можно из обычного браузера, попользоваться, поиграть, какой-то алгоритм составить. Ученым быть не нужно, можно писать на языке Python, если вас не устраивает программирование мышкой.
Владимир: Что из себя представляет команда инженеров, из кого она состоит? Ты говоришь, что в Цюрихе инженерное заведение, где, собственно говоря, стоит сам компьютер, вдалеке от машин, дорог и строительства, кто работает над этим? Насколько большое количество сотрудников именно IBM и что они каждый день делают?
Николай: Это относительно большое количество специалистов широкого профиля вплоть до сантехников, поскольку водяное охлаждение сопровождает квантовый компьютер. Но это, конечно же, и создатели самих процессоров, и полупроводников, и алгоритмов. Дело в том, что на сегодня насчитывается не более 50 алгоритмов в принципе существующих для квантовых компьютеров. Если для обычного компьютера посмотреть алгоритмы сортировки, то там несколько сотен наберется. А мы хотим, чтоб их появлялось больше. Так вот, касательно инженеров — кто-то занимается математикой, кто-то занимается физическим сбором компьютера, кто-то охлаждением, кто-то программированием микроволновым, кто-то чтением этих кубитов — они все очень разные, это все исследователи IBM Research.
«Технологии будут ассистировать, работать все равно придется»
Владимир: Николай, за рамками эфира ты мне рассказал о том, что в школе и институте тебе говорили о том, что программирования не будет вовсе. А его становится все больше и больше. Юристы пишут смарт-контракты и так далее. Как меняется весь IT-ландшафт, как ты его видишь, работая внутри большой компании?
Николай: Действительно, программирование требуется все больше и больше, оно меняет свой характер. Это меньше системное программирование, как раньше, где нужно сложные логические цепочки выставлять. Но это больше бизнес-сценарии, это больше написание скриптов, написание тех же контрактов на языках достаточно высокого уровня. Плюс очень много работы происходит с искусственным интеллектом, а его нужно обучать. И чтобы он обучался в счетное количество времени, нужно писать алгоритмы его обучения, эффективного обучения. Третья задача появилась — интернет вещей. Когда мы говорим об интернете вещей, самое важное, что интернет им не нужен, у вещей свой интернет, они не общаются с людьми в социальных сетях, они не общаются по каналам связи. Они общаются между собой, они выстраивают свой интернет, они выстраивают свои взаимоотношения, взаимодействия, и интернет вещей будущего нужно будет также программировать на языках высокого уровня, обучать устройства, задавать им принципы, приоритеты, задавать им какие-то ценности, на основе которых они будут принимать решения.
Владимир: Но как ты смотришь на то, что все-таки мы сейчас все боремся за эффективность и человек сам по себе довольно неэффективное существо, ему нужно спать, ему нужно есть, он часто ломается, он влюбляется и так далее. Что будет, на твой взгляд, с людьми дальше? Мы знаем примеры Саудовской Аравии, Швейцарии, когда людям просто платят за то, что они родились, главное, не мешайте, что называется. Вот вам ваша пенсия с 18 лет, живите спокойно, наслаждайтесь хорошим видом и дышите швейцарским воздухом. Или в Саудовской Аравии бегайте и наслаждайтесь жизнью. По поводу эффективности человека. Человек будет все меньше и меньше работать? Что с ним будет, учитывая то, что это неэффективное звено?
Николай: Мы регулярно проводим исследования «пять технологий ближайшего будущего», которые станут обыденностью в ближайшие пять лет. С достаточно высокой долей вероятности мы попадаем в эти пять лет, а иногда ошибаемся, потому что будущее наступает быстрее, чем мы ожидаем. В частности, мы говорили, что ДНК будет использоваться в медицине повсеместно, что учитель будет учиться у ученика, смартсити появится и так далее.
В прошлом году исследование, которое мы опубликовали, говорит о том, что, например, зрение всего спектра будет доступно каждому человеку, инфракрасный, низкий уровень спектра — все доступно в носимых устройствах. Люди будут превращаться в суперлюдей, а главное, что человек будет не умножаться технологиями и превращаться во что-то, а возводиться в степень самого себя с технологиями, решать быстрее. То есть технологии будут ассистировать, работать все равно придется. Но технологии будут позволять делать это с большим комфортом и с гораздо большим удовольствием, приносить для человечества большую пользу путем действий высокого уровня, а не тяжелого труда.
Владимир: Николай, про человека будущего мы поняли, что нам всем будет, чем заниматься, работа найдется каждому человеку, просто это будет эффективней. Про человека будущего, в частности, про искусственный интеллект — не является ли это угрозой? Сейчас, в основном, в играх это используется, да? Вживую пока это сложно представить. Что ты об этом думаешь?
Николай: Мы видим, что искусственный интеллект станет ассистировать человеку в его повседневной когнитивной интеллектуальной мозговой деятельности. Не человек против машины, а машина и человек. Хорошей метафорой здесь является навигационная система. Когда ты ставишь конечную точку, в которую тебе надо приехать, и на основе данных реального времени она тебе выстраивает маршрут и говорит — двигайся прямо, поверни направо. Когда подъезжаешь к повороту, сам принимаешь решение и поворачиваешь налево. И под твое предпочтение система тут же подстраивается и перестраивает маршрут. Таким образом будет работать искусственный интеллект. Он будет ассистировать человеку в ежедневной интеллектуальной, в том числе, творческой, деятельности и подстраиваться под его нужды и предпочтения.
Владимир: Вот про творческую деятельность ты начал говорить. Сейчас разные сервисы предлагают и музыку автоматически записать, выставив какие-то параметры, и стихи сочиняются через слова при помощи искусственного интеллекта или нейросетей, можно по-разному назвать. Насколько в творчестве это применимо, ведь многим казалось, что единственным предназначением человека в будущем будет как раз-таки творчество, написание книг, фантазий и так далее. Насколько искусственный интеллект может и это забрать у человека? Или в этом помочь человеку?
Николай: Забрать вряд ли, но помогает уже сегодня. Есть примеры, когда он составляет трейлеры к фильмам, а из всего фильма сделать интересный захватывающий трейлер длиной в полторы минуты достаточно трудно, чтобы он воспринимался человеком.
Владимир: Я как-то читал даже интервью с одним из людей, который делает трейлеры, он зарабатывает довольно неплохие деньги, выбирая все эти яркие моменты.
Николай: Да, ключевые кадры, чтобы сохранить интригу, но при этом показать моменты самого фильма. Искусственный интеллект помогает, ассистирует в написании музыки, в составлении дизайнерских платьев для специальных вечеров. Он ассистирует в творческой деятельности. Некоторые элементы творчества ему доступны, наверное, будут больше, но запевалой здесь является все равно человек.
Владимир: Про технологии и про финансовые, в том числе, я, работая в сфере крипты или блокчейна, понимаю, что многое наступает гораздо раньше, чем мы этого ждем. И ты упомянул о том, что вы делаете исследования периодически, и многие вещи наступают раньше, чем вы планируете. Почему такое ускорение? И так смотришь — уже среда, а вчера была еще пятница. Почему все так быстро течет и меняется, с чем это связано?
Николай: Некоторые технологии шагнули вперед, стало выгодно и эффективно их использовать за счет той самой крипты, например, графические карты.
Их производство было в не лучшем состоянии, поскольку графикой занимались и обычные компьютеры, но благодаря ажиотажу их стало много, они стали эффективными. Например, NVidia является членом консорциума вместе с другими производителями, вместе с нами Open Power, где мы производим платформу для искусственного интеллекта. Именно ажиотаж подстегнул производство графических карт, и на них стали делать задачи искусственного интеллекта.
Владимир: Будущему быть, судя по всему. Николай, спасибо тебе за то, что пришел к нам.
Актуальные материалы — в Telegram-канале @Rusbase Нашли опечатку? Выделите текст и нажмите Ctrl + Enter
rb.ru
