Celem przyświecającym inżynierom była integracja konwencjonalnych modeli z obliczeniami kwantowymi. Wszystko po to, aby zwiększyć tempo i skuteczność wykonywania zaawansowanych obliczeń czy rozwiązywania problemów. Zaprezentowane w tej sprawie informacje sugerują, że dokonane w ostatnim czasie postępy polegały na stworzeniu wewnętrznego symulatora kwantowego z uczeniem się opartym na gradiencie i tzw. mechanizmem uwagi kwantowej.
Czytaj też: OpenAI chce zdetronizować Wyszukiwarkę Google. ChatGPT z kolejnym ulepszeniem
Powiązanie obliczeń kwantowych ze strukturą dużych modeli językowych ma stanowić wielki krok do przodu dla całej gałęzi. Duże modele językowe już teraz towarzyszą nam niemal na każdym kroku, a przewidywania jasno pokazują, iż ich udział w codziennym życiu będzie dalej rósł. Ale stawiane przed nimi wymagania też się zwiększają, dlatego konieczne będzie wzmocnienie możliwości obliczeniowych takich narzędzi.
Kwantowe uczenie maszynowe wydaje się istnym strzałem w dziesiątkę, jeśli ludzkość na poważnie myśli o rozwoju. O możliwościach płynących z takiego rozwiązania powinniśmy przekonać się już wkrótce, ponieważ testy tej technologii będą prowadzone w tym miesiącu. W kolejnych tygodniach powinny więc pojawić się pierwsze doniesienia na temat uzyskanych rezultatów.
Pierwszy w historii kwantowy duży model językowych został uruchomiony przez australijską firmę SECQAI. Ma on zapewnić kolejny krok w rozwoju sztucznej inteligencji
Przedstawiciele SECQAI dodają, że jak na razie udało się uporać z problemami dotyczącymi prac nad wewnętrznym systemem przystosowanym do symulowania komputera kwantowego, obsługi uczenia się opartego na gradiencie i funkcjonowania mechanizmu uwagi kwantowej. Poczynione postępy mają w przyszłości zapewnić szereg praktycznych korzyści.
Czytaj też: Osiągnęli teleportację kwantową i wykorzystali ją w praktyce. Wielki sukces naukowców
Jakich? Mówi się chociażby o postępach w projektowaniu półprzewodników przy małych rozmiarach tranzystorów, opracowywaniu nowych materiałów i leków czy identyfikacji ukrytych wzorców w istniejących standardach szyfrowania. Kwantowy duży model językowy pozwala na prowadzenie rozbudowanych symulacji i świetnie sprawdza się w realizacji powierzonych mu zadań.