量子機械学習を実用的なアプリケーションに導入する準備はできていますか?

銀行機関は多くの場合、顧客が銀行カードを使用する際の取引行動を理解し、追跡しています。たとえば、スウェーデンに休暇に行く場合、現金を持ち歩く代わりにクレジット カードで支払うことができます。ただし、他人がそれを使用すると、クレジット カードを発行した銀行は取引をブロックする決定をすることができません。結局のところ、カードのスワイプ記録には、他人がカードを不正利用したという証拠はありません。

銀行の機械学習アルゴリズムは、毎日何十億ものこうした決定を行っています。これはコンピューターサイエンスでは「平均分類問題」として知られており、これらのモデルは取引が顧客の通常の購買行動と一致するかどうかを判断する必要があります。従来の機械学習アルゴリズムの場合、この問題は主に、消費者の支払い履歴や銀行とのその他のやり取り情報をプロファイリングすることによって解決されますが、これは計算量が多く不完全なプロセスです。

テクノロジーの最前線にある量子機械学習アルゴリズムは、そのような実用的なアプリケーションに対応する準備ができていますか?この質問に対する答えについては、業界の専門家の意見が分かれています。

#量子機械学習はいつ登場しますか?

IBM の著名なエンジニアであり、王立工学アカデミーの会員でもあるリチャード・ホプキンス氏は、別の選択肢として量子機械学習アルゴリズムを使用する可能性があると説明しました。

同氏は、従来の機械学習モデルでは、トランザクションのさまざまな特性をすべて識別して比較検討し、トランザクションが疑わしいかどうかを判断するためのトレーニングに多くの時間とリソースが必要であると指摘しました。対照的に、量子機械学習モデルは量子ビットの重ね合わせを使用してこれらの特徴を同時に観察するため、非常に難しい分類問題に対する答えをより速く見つけることができます。

ホプキンスの見解では、量子機械学習の分野はまだ実験段階にあるものの、量子機械学習アルゴリズムが不正行為検出、医薬品の研究開発などのさまざまな分野で使用されるようになるには5年しかかからない可能性があります。 、コンピュータビジョンなどのアプリケーション。

しかし、すべての専門家がこの見解に同意しているわけではありません。量子スタートアップ企業 Xanadu の研究者であり、著書『量子コンピュータのための機械学習』の共著者であるマリア・シュルド博士は、長期的には量子機械学習には間違いなく大きな発展の可能性があるが、量子の実用化はまだ実現していないと信じています。コンピュータの計算は今のところ遠いようです。

彼女はこう言いました。「私たちは科学者で、研究している科学のビジネスケースを作ることが多いです。私たちがこれを行うのは、それがうまくいくとわかっているからではなく、何らかの刺激的な結果が得られることを願っているからです。」

量子機械学習はまだ実験段階です

量子機械学習は比較的新しい分野です。このテーマに関する研究論文は 1990 年代半ばから発表されてきましたが、量子機械学習が実際に科学界の注目を集め始めたのはここ 5 ～ 6 年のことです。

シュルド氏は、量子機械学習には 2 つの大きな研究分野があると紹介しました。1 つは、量子コンピューターを使用して、ギブス サンプラーなどの従来の機械学習アルゴリズムを高速化することです。もう 1 つは、量子コンピューターをモデルとして使用すること、特に量子アルゴリズムを使用することです。チップ自体をベースとして、従来のニューラル ネットワークと同様の方法でモデルをトレーニングします。

それでも、この分野全体としてはまだ非常に実験的な段階にあります。同氏は、機械学習アルゴリズムは場合によっては従来のアルゴリズムに比べて「量子的な利点」があることが証明される可能性があるものの、現実世界への応用が想定されるまでにはしばらく時間がかかるだろうと説明した。

これは、量子の利点が単一の狭いユースケースで達成されるという前提で発表されることが多い、複数の研究における量子機械学習への熱意によって影が薄くなっています。 「これは学術的な観点からは興味深いが、量子コンピューティングの応用可能性についてはあまり述べていない。結局のところ、これらの研究で取り上げられた問題の多くは、量子コンピュータで動作するように慎重にコード化されているのだ。」とシュルド氏は述べた。言い換えれば、彼らは、量子コンピューターを使用して、非常に特殊な方法で、非常に特殊な問題を解決することしか得意ではありません。」

これは、従来の機械学習技術の問題ではなく、その多くには次のような利点があります。より多くの問題に一般化されます。対照的に、量子機械学習の研究者は、手法をさまざまなタスクに適応させるのに依然として苦労しています。このため、シュルド氏は、量子チップを新しい機械学習モデルの基礎として使用する時期ではないと明確に指摘しました。

量子機械学習は実際にそれを証明する必要があります

量子コンピューティングの研究者は、特定の状況では量子機械学習が従来の機械学習よりもはるかに優れたパフォーマンスを発揮できることに同意していますが、前者の実用化がどれくらい早く現れるかについては、専門家の意見が分かれている。

ホプキンス氏は、問題をアルゴリズムにマッピングして解決策を生成するための共通のテンプレートがこの分野にはまだ不足していることを認めています。これは従来の機械学習がかつて直面した問題でもありますが、それが完成すれば、このテクノロジーの活用は非常に簡単になります。 。

「量子コンピューターを使用すると、ユーザーは高次元のデータセットに基づいて、より適切で正確な意思決定を行うことができます。私たちはこれを理論的に証明し、実験室でも証明しており、ますますそれに近づいています」私たちはそれを現実に証明することになるのです」と彼は言った。

しかし、量子機械学習モデルはこれに対応する準備ができているのでしょうか?シュルド氏はそうではないと考えている。彼女は、「基盤となるハードウェアが改良されるまで、多くの実際的な問題を解決できる量子機械学習アルゴリズムが存在するかどうかはわかりません。エラーのない機械がなければ、実際に解決できる量子機械学習アルゴリズムには限界があるでしょう」と述べました。

ホプキンス氏は同意しないが、ChatGPT を訓練できる量子コンピューターが登場する可能性は低いことを認めているタイプのモデルも近々登場予定です。同氏は、「わずか433量子ビットの量子コンピューターでこれを達成することは不可能ですが、私たちは可能な量子機械学習実験の数を拡大するために毎年進歩しています。人々は徐々に量子機械学習モデルが変化するのを目にすることになるはずです」と述べました。より多用途に。」

以上が量子機械学習を実用的なアプリケーションに導入する準備はできていますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。