Spojili vještačku inteligenciju i kvantni računar: Istorijski podvig naučnika riješio najveći AI problem

Ovo istraživanje predstavlja prvu uspješnu demonstraciju takozvanog „kvantnog poboljšanja“ na već postojećem, masovnom AI modelu koji se koristi u realnom svijetu.

Glavni problem modernih sistema, kao što su ChatGPT ili Claude, jeste to što njihovo opismenjavanje zahtijeva stravičnu količinu resursa. Na primjer, procjenjuje se da GPT-5.5 model ima između dva i pet biliona parametara. Što je model pametniji, to mu treba više parametara, a samim tim i ogromna fizička infrastruktura i data centri koji troše abnormalne količine struje.

Naučnici su odlučili da testiraju alternativu i eksperimentisali su na Metinom modelu Llama 3.1 8B (koji ima 8 milijardi parametara).

Umjesto da vještački povećavaju model i pune mu memoriju, oni su u njega ubacili specijalne matematičke matrice, odnosno kvantne adaptere (CUA). Kada su ovaj hibridni sistem pokrenuli na moćnom 156-kubitnom procesoru IBM Quantum System Two, dogodilo se nešto nevjerovatno.

Sa dodatkom od svega 6.000 sićušnih parametara (što je zanemarljiv skok od 0,000075%), perpleksnost (PPL) modela smanjena je za 1,4%.

Perpleksnost je ključna metrika u svijetu vještačke inteligencije koja mjeri sposobnost algoritma da pogodi sljedeću riječ u rečenici. Što je PPL niži, to je AI stabilniji. Visok PPL znači da će model početi da „halucinira“ i daje potpuno bizarne i nepovezane odgovore.

Kvantno osvježeni model je smjesta pokazao nadmoć u praksi. Na testu iz astronomije, klasičan Llama model je netačno tvrdio da samo Saturn ima planetarne prstenove. Kvantno unaprijeđeni model je iz prve tačno prepoznao sve Jovijanske planete sa prstenovima. Sličan uspjeh ponovio se i na kompleksnom pitanju iz genetike i biologije, gdje je „obična“ vještačka inteligencija zakazala, a kvantna dala tačan odgovor, prenosi Live Science.

Najveća prepreka u ovom istorijskom eksperimentu bio je kosmički i zemaljski šum (zračenja Wi-Fi mreža, telefona, pa čak i magnetno polje Zemlje) koji lako kvari osjetljive proračune u kubitima. Ipak, naučnici su dokazali da je hibridni model održiv i da uspješno neutrališe greške.

Krajnji cilj ovog pravca istraživanja jeste dostizanje „kvantne prednosti“ – momenta kada će AI sistemi pokretani kvantnim čipovima postati toliko napredni da će moći da rješavaju probleme o kojima klasični superračunari današnjice ne mogu ni da sanjaju.