El cerebro humano tiene capacidades asombrosas que lo hacen, en muchos sentidos, más poderoso que las computadoras más avanzadas del mundo. Por tanto, no es de extrañar que los ingenieros hayan intentado copiarlo durante mucho tiempo. Hoy dia, Las redes neuronales artificiales inspiradas en la estructura del cerebro se utilizan para abordar algunos de los problemas más difíciles de la inteligencia artificial (IA). Pero este enfoque generalmente implica la creación de software para que la información se procese de manera similar al cerebro, en lugar de crear hardware que imite a las neuronas.

En cambio, mis colegas y yo esperamos construir la primera computadora de red neuronal dedicada, utilizando la última tecnología "cuántica" en lugar de software de inteligencia artificial. Al combinar estas dos ramas de la informática, Esperamos producir un gran avance que lleve a una IA que opere a una velocidad sin precedentes, tomando automáticamente decisiones muy complejas en muy poco tiempo.

Necesitamos una inteligencia artificial mucho más avanzada si queremos que nos ayude a crear cosas como coches y sistemas autónomos verdaderamente autónomos para gestionar con precisión el flujo de tráfico de toda una ciudad en tiempo real. Muchos intentos de construir este tipo de software implican escribir código que imite la forma en que funcionan las neuronas del cerebro humano y combinar muchas de estas neuronas artificiales en una red. Cada neurona imita un proceso de toma de decisiones tomando una serie de señales de entrada y procesándolas para dar una salida correspondiente a "sí" o "no".

Cada entrada se pondera de acuerdo con la importancia que tiene para la decisión. Por ejemplo, para IA que podría decirle a qué restaurante le gustaría ir más, la calidad de la comida puede ser más importante que la ubicación de la mesa disponible, por lo que se le daría más peso en el proceso de toma de decisiones.

Estos pesos se ajustan en las ejecuciones de prueba para mejorar el rendimiento de la red, entrenar eficazmente el sistema para que funcione mejor. Así fue como el software AlphaGo de Google aprendió el complejo juego de estrategia Go, jugando contra una copia de sí mismo hasta que estuvo listo para vencer al campeón mundial humano por cuatro juegos a uno. Pero el rendimiento del software de IA depende en gran medida de la cantidad de datos de entrada con los que se pueda entrenar (en el caso de AlphaGo, era la frecuencia con la que jugaba contra sí mismo).

Nuestro proyecto Quromorphic tiene como objetivo acelerar radicalmente este proceso y aumentar la cantidad de datos de entrada que se pueden procesar mediante la construcción de redes neuronales que funcionen en los principios de la mecánica cuántica. Estas redes no se codificarán en software, pero directamente construido en hardware hecho de circuitos eléctricos superconductores. Esperamos que esto facilite la ampliación sin errores.

Las computadoras tradicionales almacenan datos en unidades conocidas como bits, que puede tomar uno de dos estados, 0 o 1. Las computadoras cuánticas almacenan datos en "qubits", que puede asumir muchos estados diferentes. Cada qubit adicional agregado al sistema duplica su potencia de cálculo. Esto significa que las computadoras cuánticas pueden procesar grandes cantidades de datos en paralelo (al mismo tiempo).

Hasta aquí, sólo se han construido con éxito pequeñas computadoras cuánticas que demuestran partes de la tecnología. Motivado por la perspectiva de una potencia de procesamiento significativamente mayor, muchas universidades, Los gigantes tecnológicos y las empresas de nueva creación están ahora trabajando en diseños. Pero ninguno ha llegado a una etapa en la que pueda superar a las computadoras existentes (no cuánticas).

Esto se debe a que las computadoras cuánticas deben estar muy bien aisladas de las perturbaciones en su entorno. que se vuelve más y más difícil a medida que las máquinas se hacen más grandes. Por ejemplo, Los procesadores cuánticos deben mantenerse en el vacío a una temperatura muy fría (cercana al cero absoluto), de lo contrario, podrían verse afectados por las moléculas de aire que los golpeen. Pero el procesador también necesita estar conectado al mundo exterior de alguna manera para poder comunicarse.

Más margen de error

Los desafíos técnicos en nuestro proyecto son muy similares a los de construir una computadora cuántica universal que se pueda utilizar para cualquier aplicación. Pero esperamos que las aplicaciones de IA puedan tolerar más errores que la computación convencional y, por lo tanto, la máquina no necesitará estar tan bien aislada.

Por ejemplo, La IA se utiliza a menudo para clasificar datos, como decidir si una imagen muestra un automóvil o una bicicleta. No es necesario capturar completamente todos los detalles del objeto para tomar esa decisión. Entonces, si bien la IA necesita altas velocidades de computadora, no exige niveles tan altos de precisión. Por esta razón, Esperamos que eso haga de la IA un campo ideal para la computación cuántica a corto plazo.

Nuestro proyecto implicará demostrar los principios involucrados con una red neuronal cuántica. Para aprovechar al máximo la tecnología, será necesario crear dispositivos más grandes, un proceso que puede tardar diez años o más, ya que muchos detalles técnicos deben controlarse con mucha precisión para evitar errores de cálculo. Pero una vez que hemos demostrado que las redes neuronales cuánticas pueden ser más poderosas que el software de IA clásico en una aplicación del mundo real, muy rápidamente se convertiría en una de las tecnologías más importantes que existen.

Este artículo se ha vuelto a publicar de The Conversation con una licencia de Creative Commons. Lea el artículo original.