Un modelo de inteligencia artificial, tras un entrenamiento parcial en un ordenador cuántico, ha dado respuestas correctas donde antes se equivocaba.
Investigadores de Multiverse Computing han demostrado que la adición de un número muy pequeño de parámetros, ejecutados en una máquina cuántica, puede mejorar significativamente la precisión de un gran modelo de lenguaje. Su trabajo, publicado en la plataforma
arXiv, constituye una primera prueba de que la computación cuántica puede reforzar IAs ya desplegadas a gran escala.
Para entender el mecanismo detrás de esta mejora, hay que fijarse en un indicador clave llamado "perplejidad". Cuanto más baja es la perplejidad de un modelo, más capaz es de predecir correctamente la siguiente palabra en una frase. Tradicionalmente, para reducir esta perplejidad, se aumentaba el número de parámetros, lo que hacía más pesada la infraestructura. Pero los investigadores han encontrado una alternativa: utilizar bloques cuánticos especializados, llamados adaptadores unitarios de Cayley, que solo requieren un aumento infinitesimal del número de parámetros.
Concretamente, los científicos tomaron el modelo Llama 3.1 8B de Meta, que cuenta con 8 mil millones de parámetros. Congelaron sus parámetros originales e insertaron los adaptadores de Cayley, entrenados previamente en un ordenador clásico. El conjunto se ejecutó en el procesador cuántico IBM Quantum System Two, dotado de 156 qubits.
¿El resultado? Una reducción del 1,4 % de la perplejidad con solo 6 000 parámetros adicionales, es decir, un aumento del 0,000075 %. Un nivel de ganancia tan grande con tan pocas modificaciones es espectacular.
Así, las pruebas revelaron mejoras concretas. Por ejemplo, el modelo original respondía incorrectamente a una pregunta de astronomía sobre los planetas gigantes, afirmando que solo Saturno tiene anillos. Tras la adición cuántica, el modelo híbrido identificó correctamente que todos los planetas jovianos tienen anillos. Del mismo modo, en biología, una pregunta sobre las consecuencias del flujo genético fue mejor tratada por la versión mejorada.
Además, los autores del estudio explican que este enfoque abre el camino a sistemas de IA híbridos, combinando lo mejor de lo clásico y lo cuántico. El objetivo último es alcanzar una "supremacía cuántica", donde un ordenador cuántico realizará tareas imposibles para cualquier ordenador clásico.
Por ahora, la principal dificultad en la producción de ordenadores cuánticos a escala industrial sigue siendo el ruido, es decir, los errores causados por las perturbaciones ambientales durante los cálculos cuánticos. Solo algunos cálculos simples en ordenadores cuánticos de laboratorio son por ahora factibles.
Fuente: arXiv