Baru-baru ini, nampaknya menjadi bergaya untuk membicarakan kecerdasan buatan (AI), dan ungkapan ini kini digunakan sedapat mungkin. Tetapi, walaupun ini, teknologi itu sendiri dapat berguna di beberapa bidang sekaligus. Begitu juga, pengkomputeran kuantum telah mendapat perhatian baru sebagai alat revolusi kononnya dapat, antara lain, memperkuat pertahanan siber dan bahkan membuat Internet baru. Dan walaupun dalam beberapa tahun kebelakangan ini kedua-dua teknologi telah maju dengan serius, mereka masih jauh dari sempurna, tidak kira bagaimana orang menginginkannya sebaliknya.
Hal ini terutama berlaku untuk AI, yang dalam bentuknya sekarang terutamanya algoritma pembelajaran mesin khusus yang mampu melaksanakan tugas individu dalam mod automatik. Menurut penyelidik di Pusat Teknologi Kuantum di Universiti Nasional Singapura (NUS), AI dapat ditingkatkan dengan ketara melalui pengkomputeran kuantum.
Dalam kajian baru yang diterbitkan dalam jurnal Physical Review Letters, saintis NUS telah mencadangkan algoritma kuantum untuk sistem persamaan linear yang akan memungkinkan analisis komputer kuantum yang lebih cekap dari set data yang besar.
Algoritma kuantum sebelumnya serupa digunakan untuk masalah yang sempit. Kita harus memperbaikinya jika kita ingin mencapai pecutan kuantum untuk data lain,”kata penulis kajian Zhao Zhikuan dalam siaran pers.
Algoritma kuantum, dalam istilah sederhana, adalah algoritma yang dirancang untuk berjalan dalam model pengiraan kuantum yang realistik. Seperti algoritma tradisional, kuantum adalah prosedur langkah demi langkah, tetapi menggunakan fenomena yang khusus untuk pengiraan kuantum, seperti keterlibatan dan superposisi kuantum.
Dalam kes ini, algoritma untuk menyelesaikan sistem linear melakukan pengiraan menggunakan matriks data yang besar. Tugas berskala besar seperti itu lebih sesuai untuk komputer kuantum.
Lebih baik, lebih pantas, lebih kuat
Video promosi:
Dengan kata lain, algoritma untuk menyelesaikan sistem linier menawarkan kaedah pengkomputeran yang lebih pantas dan kuat berbanding komputer klasik. Versi pertama algoritma kuantum seperti itu, yang dikembangkan pada tahun 2009, meletakkan landasan untuk penyelidikan bentuk kuantum AI dan pembelajaran mesin.
"Pembelajaran mesin kuantum adalah bidang yang berkembang di mana para penyelidik berusaha memanfaatkan kekuatan pemprosesan maklumat kuantum untuk mempercepat pelaksanaan tugas pembelajaran mesin klasik," kata makalah penyelidikan. Adakah ini akan menjadikan AI lebih pintar adalah persoalan lain.
Sistem AI masa kini dan algoritma pembelajaran mesin mereka sudah mampu melakukan pengiraan yang banyak. Proses memproses set data (dan ini biasanya banyak maklumat di mana AI membuat jalannya) pasti akan dipercepat oleh pengkomputeran kuantum.
Sudah tentu, sebelum algoritma yang dikembangkan oleh Zhao dan rakannya berguna, kita perlu membuat komputer kuantum yang lebih sesuai. Memandangkan jumlah pekerjaan yang dilakukan di depan ini, dapat diandaikan bahawa tidak akan lama sebelum konsep menjadi kenyataan.
"Kami menjangkakan bahawa diperlukan tiga hingga empat tahun untuk eksperimen perkakasan semasa untuk menjadi aplikasi dunia nyata untuk pengkomputeran kuantum dalam kecerdasan buatan," kata Zhao dalam siaran pers. Sementara itu, pasukannya merancang untuk melakukan demonstrasi bagaimana algoritma mereka berfungsi tidak lama lagi.
Dmitry Volkov
