یادگیری ماشین کوانتومی : کوانتوم این بار در خدمت هوش مصنوعی

4

در طول چند دهه گذشته، اثرات کوانتومی باعث پیشرفت زمینه های مختلف علم اطلاعات، مانند محاسبات، رمزنگاری و ارتباط امن شده اند. اما این بار، علم کوانتوم در خدمت هوش مصنوعی قرار گرفته است. بنابر مقاله ای که در ژورنال Physical Review Letters منتشر شد، اثرات کوانتومی می توانند یادگیری ماشین (زیرشاخه ای از علم هوش مصنوعی) را بهبود ببخشند. در یادگیری ماشین کوانتومی ، یک ماشین می تواند با سرعت و با بهره وری بالا  از طریق برهمکنش با محیط اطرافش، یاد بگیرد. با دیپ لوک همراه باشید…

یادگیری ماشین، به قدرت پردازشی وابسته بوده و در واقع بر آن، متکی است. به این معنا که هرچه قدرت پردازشی ماشین، بالاتر باشد، میزان یادگیری آن نیز بیشتر خواهد بود. از طرفی می توان این قدرت پردازشی را به کمک اثرات کوانتومی بخشید. از آنجایی که تکنولوژی های کوانتومی به شدت در حال پیشرفت هستند، می توان نتیجه گرفت که یادگیری ماشین کوانتومی نیز نقش مهمی را در آینده دنیا بازی خواهد کرد. درک بهتر تغییرات آب و هوا، کمک به توسعه دارو و درمان های تازه و همچنین ماشین های اتوماتیک و کارخانه های هوشمند، از جمله مواردی هستند که به کمک یادگیری ماشین کوانتومی ، امکان پذیر خواهند بود.

در این پژوهش جدید، دانشمندان دریافتند که اثرات کوانتومی می توانند به بهبود یادگیری تقویتی (reinforcement learning) که یکی از سه شاخه اصلی یادگیری ماشین است، کمک کنند. گروه های تحقیقاتی دیگری، قبلا نشان داده بودند که اثرات کوانتومی می توانند باعث بهبود سایر شاخه های اصلی یادگیری ماشین (زمینه های نظارتی و غیرنظارتی) شوند، اما در این مقاله، برای اولین بار، یادگیری تقویتی از دید کوانتومی بررسی شد.

یکی از راه هایی که اثرات کوانتومی می توانند به یادگیری ماشین کمک کنند، برهم نهی کوانتومی است که به ماشین اجازه می دهد مراحل مختلف یک کار را به طور همزمان انجام دهد. مسلما چنین امکانی باعث افزایش چشمگیر سرعت و بهره وری یادگیری می شود. با اینکه یادگیری ماشین کوانتومی دارای مزایای بسیار زیادی است، اما تحقیقات نشان می دهد که در برخی زمینه ها، یادگیری ماشین کلاسیکی، بهتر عمل می کند. دانشمندان دلیل دشواری استفاده از یادگیری ماشین کوانتومی را به یک سوال بنیادی و چالش برانگیز مربوط می دانند: معنای یادگیری چیست؟ از آنجایی که در یادگیری ماشین کوانتومی ، ماشین و محیط می توانند درهم تنیده شوند، مرز بین این دو مبهم و نامشخص می شود و در نتیجه مفهوم یادگیری دچار تغییر می شود. محققان امیدوارند با رویکرد سیستماتیکی که در این مقاله پیشنهاد شد، بتوانند هر سه شاخه اصلی یادگیری ماشین را از دید کوانتومی بررسی کرده و نخستین گام ها را در نظریه کامل یادگیری ماشین کوانتومی بردارند.

دانلودمقاله اصلی به صورت PDF

زاده ی اردیبهشت ۶۹ و دانشجوی دکترای شیمی کوانتوم محاسباتی در دانشگاه شهید بهشتی است.او علاقمند به دنیای کوانتوم، تکنولوژی، فوتبال و موسیقی (رپ/راک) بوده و علاوه بر سردبیری دیپ لوک، به طراحی وب و نویسندگی در گجت نیوز، بیگ تم و ماهنامه GB جی اس ام مشغول است.

گفتگو۴ دیدگاه

  1. محمد مهدی دوستی

    البته یک چیزی که وجود داره اینه که تا رسیدن بشر به هوش مصنوعی خیلی راه همونجور که میچیو کاکو می گه بشر از ۱۹۵۰ در حال تلاش در این زمینه اما دو مشکل اساسی وجود داره یکی عقل سلیم و دوم احساس کامپیوتر کوانتومی به این دلیل ناپایدار که الکترون هر لحظه دچار تغییر می شه و باعث از بین رفتن داده ها می شه چون عملیات بیش از چند ثانیه انجام می شه و الکترون در کم تر از یک ثانیه تغییر می کنه ممنون از پست زیباتون خانم ریاحی

ارسال نظر


*