Avanços na Inteligência Artificial: A Colaboração entre IA e Computação Quântica

O Futuro da IA e da Computação Quântica

Pesquisadores estão explorando novas fronteiras ao combinar inteligência artificial (IA) com a computação quântica, resultando em melhorias significativas na precisão dos modelos. A experiência mais recente mostra que, ao aumentar um número relativamente pequeno de parâmetros em um modelo de IA utilizando um computador quântico, a exatidão na previsão de respostas pode ser significativamente aprimorada.

Demonstrando Melhorias Quânticas em Modelos de Linguagem

A equipe de pesquisa da IBM anunciou que a IA treinada com um computador quântico demonstrou um aumento significativo na precisão, permitindo que modelos conseguissem respostas corretas onde modelos base falhavam. Este avanço representa uma das primeiras demonstrações de "melhorias quânticas" em um modelo de linguagem de grande porte, indicando que o futuro da IA pode ser moldado por técnicas quânticas.

Reduzindo a Incerteza com Circuitos Quânticos

Uma das principais métricas para medir a qualidade de sistemas de IA, como Claude da Anthropic e ChatGPT da OpenAI, é a "perplexidade" (PPL), que avalia a capacidade de prever a próxima palavra em uma sequência. Modelos com uma PPL baixa se mostram melhores em gerar sequências coerentes, enquanto altos índices de PPL indicam a probabilidade de saídas erráticas.

Cientistas da Multiverse Computing publicaram um estudo na plataforma arXiv, no qual mostraram que um pequeno aumento no número de parâmetros pode resultar em uma redução significativa da perplexidade ao usar blocos de circuitos quânticos, que são unidades fundamentais da computação quântica. Eles conseguiram diminuir a perplexidade do modelo Llama 3.1 8B — um modelo de 8 bilhões de parâmetros criado pela Meta — em 1,4% com apenas 6.000 parâmetros adicionais, representando um aumento de apenas 0.000075% dos parâmetros totais.

Técnicas de Treinamento Inovadoras

Os pesquisadores desenvolveram um novo método utilizando adaptadores unitários parametrizados de Cayley (CUAs), que são matrizes matemáticas treináveis capazes de melhorar o desempenho de modelos de LLM. O modelo original permanece inalterado durante esse processo, e a combinação das novas e antigas características é executada em um processador quântico supercondutor de 156 qubits da IBM.

De acordo com Borja Aizpurua, um dos cientistas envolvidos, a introdução dos parâmetros Cayley é crucial, pois circuitos menores geram menos "ruído", que é um problema significativo em computação quântica. Ruído pode vir de diversas fontes, incluindo interferências externas e radiação cósmica.

Resultados Excepcionais e o Caminho a Seguir

Os resultados mostraram que o modelo híbrido, que combina a inteligência clássica com a quântica, pôde responder corretamente a diversas perguntas que o modelo base não conseguiu, como questões de astronomia e biologia. Por exemplo, enquanto o modelo original falhou ao afirmar que apenas Saturno tem anéis, o modelo aprimorado corretamente identificou todos os planetas jovianos como possuidores de anéis.

Essas descobertas não apenas sublinham o potencial da computação quântica em melhorar a IA, mas também apontam para um futuro em que sistemas AI híbridos podem se tornar comuns, superando limitações de modelos convencionais.

O futuro é promissor e, à medida que a tecnologia quântica avança, podemos antecipar um mundo onde a IA não só responde perguntas com precisão, mas também se adapta e aprende de maneiras que nunca imaginamos.