Um modelo de inteligência artificial, após um treinamento parcial em um computador quântico, deu respostas corretas onde antes errava.
Pesquisadores da Multiverse Computing demonstraram que a adição de um número muito pequeno de parâmetros, executados em uma máquina quântica, poderia melhorar significativamente a precisão de um grande modelo de linguagem. O trabalho deles, publicado na plataforma
arXiv, constitui uma primeira prova de que a computação quântica pode fortalecer IAs já implantadas em grande escala.
Para entender o mecanismo por trás dessa melhoria, é preciso observar um indicador-chave chamado "perplexidade". Quanto menor a perplexidade de um modelo, mais ele é capaz de prever corretamente a próxima palavra em uma frase. Tradicionalmente, para reduzir essa perplexidade, aumentava-se o número de parâmetros, o que tornava a infraestrutura mais pesada. Mas os pesquisadores encontraram uma alternativa: utilizar blocos quânticos especializados, chamados adaptadores unitários de Cayley, que exigem apenas um aumento infinitesimal no número de parâmetros.
Concretamente, os cientistas pegaram o modelo Llama 3.1 8B da Meta, que tem 8 bilhões de parâmetros. Eles congelaram seus parâmetros originais e inseriram os adaptadores de Cayley, treinados previamente em um computador clássico. O conjunto foi executado no processador quântico IBM Quantum System Two, equipado com 156 qubits.
O resultado? Uma redução de 1,4% na perplexidade com apenas 6.000 parâmetros adicionais, ou seja, um aumento de 0,000075%. Um ganho tão expressivo com tão poucas modificações é espetacular.
Assim, os testes revelaram melhorias concretas. Por exemplo, o modelo original respondia incorretamente a uma pergunta de astronomia sobre os planetas gigantes, afirmando que apenas Saturno possui anéis. Após a adição quântica, o modelo híbrido identificou corretamente que todos os planetas jovianos têm anéis. Da mesma forma, em biologia, uma pergunta sobre as consequências do fluxo gênico foi melhor tratada pela versão aprimorada.
Além disso, os autores do estudo explicam que essa abordagem abre caminho para sistemas de IA híbridos, combinando o melhor do clássico e do quântico. O objetivo final é alcançar uma "supremacia quântica", onde um computador quântico realizará tarefas impossíveis para qualquer computador clássico.
Por enquanto, a principal dificuldade na produção de computadores quânticos em escala industrial continua sendo o ruído, ou seja, os erros causados por perturbações ambientais durante os cálculos quânticos. Apenas alguns cálculos simples em computadores quânticos de laboratório são atualmente realizáveis.
Fonte: arXiv