Um grupo de cientistas fez um avanço sem precedentes na trem modelo de inteligência artificial usando um computador quântico IBM. Este desenvolvimento levanta questões importantes sobre o futuro da IA e o papel da computação quântica no seu desenvolvimento.
Experimentos mostraram que é possível melhorar a previsão e o desempenho de modelos de linguagem avançados não há necessidade de aumentar o tamanho ou o consumo de recursos comuns.
Até agora, grandes modelos de IA, como aqueles que alimentam assistentes de texto ou sistemas de chat, foram treinados exclusivamente em infraestruturas tradicionais baseadas em processadores, como CPUs ou GPUs.
O processo envolve a edição de bilhões de parâmetros para que o modelo aprenda a prever a próxima palavra em uma frase, funções básicas para a compreensão e criação da linguagem natural.
Um estudo recente, conduzido pela Multiverse Computing e executado no processador quântico IBM Quantum System Two, introduz uma variação: em vez de padronizar o modelo básico adicionando grandes blocos de memória e força clássica, os pesquisadores introduziram pequenos blocos chamados adaptadores unitários Cayley (CUAs).
Esses blocos foram adicionados à versão do modelo Llama 3.1 8B, que possui 8 bilhões de parâmetros e foi desenvolvido pela Meta.
A principal diferença do método tradicional é que Os computadores quânticos não substituem toda a infraestrutura, mas complementam o modelo básico com módulos especiaispode melhorar a previsão com alguns parâmetros adicionais.
A importância deste avanço é que, pela primeira vez, “Evolução quântica ponta a ponta” feita de modelos de linguagem completosusando hardware quântico comercial.
O efeito da integração quântica é medido por um parâmetro chamado perplexidade. Esta métrica avalia a capacidade do modelo de prever corretamente a seguinte expressão: quanto menor a dificuldade, melhor será a previsão do sistema.
No experimento, o modelo híbrido é alcançado reduziu a confusão do Llama 3.1 8B em 1,4%uma melhoria alcançada com 6.000 parâmetros adicionais, equivalente a 0,000075% do modelo total.
Para contextualizar, grandes modelos de IA geralmente aumentam a precisão ao multiplicar milhões de símbolos, o que consome mais memória e energia. Aqui, A melhoria é alcançada com um aumento quase insignificante na complexidade do sistema.
Embora a melhoria nos números possa parecer pequena, os resultados são significativos: O modelo quântico respondeu com sucesso a questões que o modelo clássico não conseguia. Por exemplo, numa questão de astronomia, o modelo original respondeu que apenas Saturno tem anéis, enquanto o modelo melhorado determinou corretamente que todos os planetas gigantes têm anéis.
Noutra questão de biologia genética populacional, o modelo quântico corrigiu a homogeneidade genética, onde o modelo fundamental falhou.
Estes resultados mostram que a introdução de partículas quânticas pode mudar o comportamento da IA na direção desejada.. Isto ainda não significa que os computadores quânticos possam substituir os computadores convencionais em todos os sentidos, mas significa que podem fornecer melhorias especiais a um custo menor.
A experiência comprova o conceito: mostra que os blocos quânticos podem ser integrados em modelos reais e produzir melhorias mensuráveis, embora ainda não estejamos perante uma revolução imediata. A computação quântica ainda enfrenta desafios de hardwarepois deveria reduzir o ruído e aumentar o número de qubits úteis.
No entanto, o estudo abre portas a novas estratégias para melhorar os modelos de IA, independentemente do aumento do tamanho e do custo da infraestrutura convencional. Se no futuro for possível projetar circuitos quânticos mais potentes e eficientes, será possível resolver as limitações atuais e o modelo híbrido conforme mostrado. obter uma “vantagem quântica”, ou seja, resolver tarefas impossíveis para computadores tradicionais.
Hoje, a maior lição é estratégica: empresas e startups que trabalham com IA devem considerar a evolução da computação quântica, incorporando-a como uma oportunidade para melhorar modelos sem aumentar recursos. Atualmente, Os processadores tradicionais ainda dominam, mas as fronteiras tecnológicas estão começando a mudar.
