فکر کردن سریعتر هوش مصنوعی با استفاده از الگوریتم کوانتومی

فکر کردن سریعتر هوش مصنوعی با استفاده از الگوریتم کوانتومی

یکی از راه‌هایی که کامپیوترها “فکر کنند” تجزیه‌وتحلیل روابط در میان داده‌ها می‌باشد. یک تیم بین‌المللی نشان داده است که کامپیوترهای کوانتومی می‌توانند سریع‌تر از کامپیوترهای معمولی این کار را انجام دهند. برای مجموعه بیشتری از داده‌ها که از قبل پیش‌بینی‌شده بود.

شما در این مقاله می‌توانید در مورد الگوریتم‌های کوانتومی بیشتر بدانید و اطلاعات بیشتری در این زمینه کسب کنید.

الگوریتم سیستم خطی که در نشریه دوم فوریه science daily منتشر شده است، به‌راحتی می‌تواند به‌عنوان متغیر بر روی قیمت‌ها تأثیر بگذارد یا در شبکه‌های اجتماعی مورداستفاده قرار گیرد. از این الگوریتم همچنین می‌توان برای استفاده در شبکه‌های اجتماعی از آن استفاده نمود.

ژائو کوان ژاکو، نویسنده این طرح می‌گوید: “الگوریتم کوانتومی ارائه‌شده دارای مشکلاتی است که قبل از اینکه بخواهیم از آن استفاده کنیم نیاز به اعمال تغییراتی در آن وجود خواهد داشت.” او افزوده است که برای اینکه سرعت کار الگوریتم کوانتومی افزایش داشته باشد، این تغییرات باید در الگوریتم کوانتومی فعلی حتماً انجام داده شود.

این دقیقاً چیزی است که وی قرار است همراه با همکاران خود ارائه دهد، این کار مشترک ژیو کوان ژاکو و آنپام پراکاس در مرکز فن‌آوری‌های کوانتومی دانشگاه ملی سنگاپور قرار است، انجام داده شود. همکار دیگر این تیم، لئونارد وسینگ و سپس در دانشگاه زوریخ و آکسفورد قرار است در مورد این الگوریتم کار انجام شود. ژیو دانشجوی دکتری در دانشگاه تکنولوژی سنگاپور است.

اولین الگوریتم سیستم خطی کوانتومی توسط گروهی از محققان در سال 2009 انجام داده شد و در زمینه اشکال کوانتومی یادگیری ماشین یا هوش مصنوعی داشته باشد و تحقیقی در این زمینه صورت گرفت.

یک الگوریتم سیستم خطی بر روی یک ماتریس بزرگ از داده‌ها کار می‌کند. برای مثال یک تحلیلگر بورس یا تاجر می‌خواهد، سعی کند تا تغییرات قیمت در آینده را پیش‌بینی نماید، ماتریسی که او روی آن کار می‌کند در زمینه حرکت قیمت در تاریخ‌های مختلف می‌باشد و داده‌های مربوط به این ویژگی را داشته باشد. ممکن است داده‌های نرخ ارز در زمان‌های گذشته نیز درون این ماتریس جای داشته باشند. الگوریتم محاسبه می‌تواند با غیرفعال کردن ماتریس، ارتباط آن‌ها را با ویژگی‌ها مرتبط کنند. پس از آن اطلاعات استخراج‌شده و مورداستفاده برای افراد عادی می‌باشد.

ژائو در این زمینه توضیح می‌دهد: “اطلاعات زیادی قرار است با استفاده از کامپیوترها و به‌وسیله ماتریس‌ها تجزیه‌وتحلیل شود، اگر داده‌ها از 10.000 در 10.000 بیشتر شوند و ماتریسی بسیار بزرگ داشته باشیم، داده‌ها می‌تواند کار را برای کامپیوترهای کلاسیک امروزی بسیار سخت کنند.” این امر به دلیل افزایش میزان محاسبات در افزایش میزان داده‌های یک ماتریس می‌باشد، ژائو می‌گوید میزان محاسبات در هر بار دو برابر شدن اطلاعات ماتریس هشت برابر افزایش می‌یابند.

الگوریتمی که در سال 2009 ارائه شد می‌تواند عملکرد بهتری در داده‌های بزرگ‌تر داشته باشد ولی این همان چیزی است که ما به الان به آن اطلاعات کم گفته می‌شود! در مورد الگوریتم قبلی که الان موردبحث است، روابط محدود در میان عناصر وجود دارد که آن در دنیای واقعی اصلاً واقع‌بینانه نیست.

سه همکار جدیدی که در زمینه این الگوریتم کار می‌کنند، سعی کرده‌اند تا اطلاعات را با استفاده از الگوریتم جدید با سرعت بیشتر الگوریتم‌های قبلی و کامپیوترهای کلاسیک مورد تجزیه‌وتحلیل قرار دهند.

به‌عنوان یک راهنما، اگر یک ماتریس مربع با 10000 داده داشته باشیم و بخواهیم آن را با استفاده از الگوریتم کامپیوترهای کلاسیک تجزیه‌وتحلیل نماییم، به 1000 گام نیاز داریم و این در حالی است که در الگوریتم جدید کوانتومی می‌توانیم با 100 گام این کار را انجام دهیم. الگوریتم جدید به تکنیکی متکی است به‌عنوان تخمین ارزش منحصربه‌فرد کوانتومی.

چند اثبات در زمینه الگوریتم سیستم خطی کوانتومی در کامپیوترهای کوچک ارائه‌شده است و الان ژائو و همکارانش امیدوار هستند تا با همکاری یک گروه آزمایشی، تجزیه‌وتحلیل کامل تلاش خود را در زمینه اثبات طرح خودشان انجام دهند. آن‌ها برای اینکه مزیت استفاده از کامپیوترهای کوانتومی را نسبت به کامپیوترهای معمولی نشان دهند، نیاز به استفاده از کامپیوترهای کوانتومی بزرگ‌تری را دارند. ژائو ابراز امیدواری کرده است که طرح کنونی آن‌ها در پنج سال آینده بتواند عملی شود و دنیای کامپیوترهای کوانتومی بتوانند بیشتر در زمینه هوش مصنوعی و ساخت سخت‌افزارها مورداستفاده قرار گیرند.

منبع: sciencedaily