Хотя квантовые вычисления - молодая и относительно слаборазвитая технология, они могут однажды изменить наше понимание сложных природных систем, таких как климат Земли, ядерные реакции внутри звезд и человеческое познание.  

Квантовые компьютеры достигают беспрецедентных вычислительных возможностей, используя причудливые свойства материи в субатомном масштабе, где электроны существуют как облака вероятности, а пары запутанных частиц могут взаимодействовать мгновенно, независимо от расстояния между ними.   

Но как далеко мы находимся от полной реализации этого нового класса компьютеров? Каковы его перспективы для продвижения исследований в области искусственного интеллекта? И когда, если вообще когда-нибудь, ученые-психологи смогут написать программы, раскрывающие некоторые секреты человеческого познания?  

Пока что на эти вопросы невозможно ответить из-за пугающего списка технологических инноваций. Тем не менее, мы можем взглянуть на текущую границу квантовых вычислений и рассмотреть технологические пробелы, которые еще остаются.  

"Природа не классическая, черт возьми, и если вы хотите сделать симуляцию природы, вам лучше сделать ее квантово-механической, и, черт возьми, это замечательная проблема, потому что она не выглядит такой простой".  

Ричард Фейнман, "Моделирование физики с помощью компьютеров". 

От научной фантастики к технологическому факту 

От спутников на земной орбите, впервые предложенных Артуром К. Кларком, до механических рук с дистанционным управлением, о которых мечтал Роберт Хайнлайн, научная фантастика часто предвосхищает технологические инновации.  

Менее известный, но не менее влиятельный пример спекулятивной научной фантастики появился в книге "Когда Харли был один", написанной Дэвидом Геррольдом и опубликованной в начале 1970-х годов. Харли (сокращение от Human Analog Replication, Lethetic Intelligence Engine) был недавно созданным компьютером, наделенным искусственным интеллектом, который боролся с теми же эмоциональными и психологическими дилеммами, с которыми сталкиваются многие человеческие подростки. Чтобы помочь ему стать взрослым, Харли пользовался поддержкой психолога по имени Дэвид Оберсон, который пытался понять его незрелый, но феноменально аналитический ум.  

Эта история о пересечении человеческой психологии и компьютерных технологий исследует как перспективы искусственного интеллекта, так и фундаментальную неспособность биологического и электронного мозга понять мотивы и психические состояния друг друга.

Хотя до такого самосознающего искусственного интеллекта нам, вероятно, еще несколько веков, современные компьютеры уже применяют так называемую нечеткую логику (вычисления на основе переменных, а не просто нулей и единиц) для решения широкого круга проблем. Они также используют алгоритмы искусственного интеллекта для управления автономными транспортными средствами и нейронные сети для грубой имитации некоторых аспектов человеческого познания.  

Проблема сравнения мозгов и компьютеров 

Если вы ищете самый мощный графический процессор на современном рынке, вы найдете устройства, содержащие около 54 миллиардов транзисторов. Если пойти еще дальше, то, имея доступ к суперкомпьютеру, вы получили бы мощность 2,5 триллиона транзисторов. Однако эти гигантские цифры все равно меркнут по сравнению с биологической проводкой человеческого мозга, которая, по одним подсчетам, содержит до тысячи триллионов (1015) синапсов (AI Impacts, n.d.). Это показывает, что при всех наших достижениях в компьютерной технике мы все еще на много порядков далеки от того, чтобы создать вычислительную мощь человеческого мозга.  

В специальном приложении к журналу Nature "Четыре самые большие проблемы в моделировании мозга" научный писатель Саймон Макин исследовал этот огромный разрыв, описав четыре препятствия на пути квантового моделирования мозга: масштаб, сложность, скорость и интеграция.  

Сравнивая мозг с компьютером, Макин также отметил, что скорость означает нечто большее, чем просто вычислительная мощность компьютерного чипа. Компьютерные аналоги также должны учитывать количество времени, которое требуется мозгу для развития и обучения новым навыкам.

Исследователи сделали несколько первых шагов к преодолению разницы в масштабах между синапсами в человеческом мозге и транзисторами в классическом компьютере, создав уменьшенные модели мозга. По словам Макина, наиболее подробное моделирование, включающее биофизические модели, было выполнено на части мозга крысы, с 31 000 нейронов, соединенных 36 миллионами синапсов.  

Помимо ограничений масштаба, существует огромная разница в сложности между работой классических компьютеров и познанием в человеческом мозге на молекулярном уровне. Хотя исследовательские группы создают базы данных типов клеток мозга разных видов для изучения работы мозга на клеточном уровне, существуют ограничения на сбор данных, учитывая, что некоторые данные о человеческом мозге невозможно собрать неинвазивно.  

Сравнивая мозг с компьютером, Макин также отметил, что скорость означает нечто большее, чем просто вычислительная мощность компьютерного чипа. Компьютерные аналоги также должны учитывать количество времени, которое требуется мозгу для развития и освоения новых навыков. Чтобы преодолеть эту временную разницу, компьютеры должны работать быстрее реального времени, что пока невозможно для сложных симуляций. 

Наконец, Макин рассмотрел то, что он называет проблемой интеграции. Подход "сверху вниз", при котором частичные модели областей мозга объединяются в общую сеть мозга, должен сочетаться с подходом "снизу вверх", использующим симуляцию на основе биофизических моделей. В итоге он отметил, что некоторые аспекты разума, "такие как понимание, управление и сознание, возможно, никогда не будут охвачены" компьютерной моделью мозга.   

Преодоление разрыва между квантовыми вычислениями  

Квантовый компьютер работает, управляя поведением фундаментальных субатомных частиц, таких как фотоны и электроны. Но в отличие от более крупных скоплений материи - атомов, молекул или людей - субатомные частицы, как известно, непослушны. Это одновременно и благословение, и проклятие при использовании их для вычислений.  

Благословение, потому что оно позволяет квантовым компьютерам выполнять определенные задачи с почти невообразимой скоростью. Например, современные базовые квантовые процессоры могут работать с огромным количеством неполных или "нечетких" данных, что делает их идеальными для факторизации больших чисел, что является ключевым шагом на пути к безопасной квантовой криптографии. 

Это проклятие, потому что чем мощнее квантовый компьютер, тем сложнее его контролировать, программировать и эксплуатировать.

Фундаментальное различие между классическим и квантовым компьютером сводится к тому, как они манипулируют "битами", или отдельными фрагментами данных. Для классического компьютера биты - это просто огромные потоки нулей и единиц, двоичный код машинного языка.  

В классических вычислениях биты могут существовать только в одном из двух состояний - либо 1, либо 0. В квантовых вычислениях квантовый бит (кубит) может быть 0, 1 или любой комбинацией этих двух состояний, называемых суперпозицией. Квантовый бит может быть использован для выполнения вычислений, например, для факторизации очень больших чисел. Однако после измерения квита он мгновенно превращается обратно в 0 или 1, предоставляя операторам компьютеров необходимые данные.

Квантовый бит, однако, не такой жесткий. Он может быть нулем, единицей или бесконечным диапазоном возможностей между ними. Это квантовое свойство, известное как суперпозиция, получило известность благодаря мысленному эксперименту Шредингера, в результате которого ненаблюдаемая кошка была одновременно жива и мертва.    

Текучая природа квантовых битов, или кубитов, как их еще называют, означает, что ими можно манипулировать так, как классическими битами. Это очень важно, поскольку моделирование природы с помощью классических компьютеров технически сложно как с точки зрения аппаратного, так и программного обеспечения, поскольку необходимо учитывать все возможные переменные. Квантовые компьютеры, с их большим количеством степеней свободы, не нуждаются в таком программировании грубой силой; они просто имитируют систему.  

Это не значит, что грубая сила не нужна в квантовых компьютерах. Она просто необходима на начальном этапе. 

Чтобы заставить фундаментальные частицы использовать свои квантовые свойства, исследователи должны сначала охладить их всего на долю градуса выше абсолютного нуля. (Квантовый компьютер Q System One компании IBM использует слой за слоем охлаждение, чтобы достичь таких экстремальных температур. Каскадная конструкция была названа "люстрой").  

Затем инженеры используют магнитные поля для фиксации кубитов в нужном состоянии и микроволновые импульсы, чтобы перевернуть состояние каждого бита на ноль или единицу или поставить их в суперпозицию. Несколько импульсов также могут запутать два кубита, сделав их внутренне связанными.  

Но на этом сложности не заканчиваются. Квантовым исследователям также необходимо найти способ программировать систему с помощью сложных алгоритмов, поддерживать квантовое состояние стабильным, чтобы не потерять информацию, и добавить достаточное количество кубитов, чтобы имитировать изучаемую систему, включая нейронные сети. 

"Я считаю, что это очень интригующее направление для исследования, но мы действительно находимся только в самом начале". 

Михаэль Хартманн (Университет Эрланген-Нюрнберг, Германия)

"Квантовые нейронные сети были исследованы до некоторой степени, и хотя это многообещающе, большая проблема заключается в том, чтобы ввести классические данные в квантовый компьютер", - сказал Майкл Хартманн, профессор теоретической физики в Университете Эрланген-Нюрнберг в Германии. "То есть, квантовые компьютеры могут обрабатывать огромное количество данных - количество, которое растет экспоненциально с увеличением числа кубитов. Следовательно, можно подумать, что они идеально подходят для машинного обучения. Однако, чтобы использовать огромные возможности квантовых компьютеров, необходимо предоставить им данные в виде квантового состояния. Это огромные усилия, чтобы сохранить такой большой объем классических данных - а классический формат данных, который мы имеем, - в квантовом состоянии".  

Кроме того, в отличие от классических вычислений, где для решения проблемы можно просто добавить больше битов, аппаратное обеспечение квантовых вычислений еще недостаточно надежно для простого наращивания. Чем больше кубитов вы добавляете, тем больше вычислительной мощности вы получаете, но вы также вносите повышенную вероятность ошибки в систему, помимо других структурных проблем.   

"Таким образом, в то время как в квантовых вычислениях очевидно необходимо более совершенное аппаратное обеспечение, и это будет оставаться главной целью в течение следующего десятилетия или более, существует также потребность в концепциях того, как лучше использовать "квантовость" для моделирования познания принятия решений", - сказал Хартманн. "Я считаю, что это очень интригующее направление для изучения, но мы действительно находимся только в самом начале". 

Перевод: Агеева Александра