Quantum computing

Compositional Quantum Framework migliora la comprensione dei sistemi AI



Indirizzo copiato

Un nuovo modello sviluppato da un team di ricercatori di Quantinuum sfrutta il calcolo quantistico per migliorare la capacità di comprensione dei sistemi di intelligenza artificiale, consentendo alle macchine di apprendere concetti come forma e colore e offrendo una comprensione più profonda del mondo che le circonda

Pubblicato il 19 feb 2024



Quantinuum

L’AI incontra la fisica quantistica: un salto di qualità per i modelli di AI “comprensivi”. Un gruppo di scienziati specializzati in calcolo quantistico ha sviluppato un approccio innovativo e creato un modello che permette alle macchine di apprendere come gli esseri umani. Un recente articolo del team di Quantinuum descrive questo modello, che consente ai sistemi AI di apprendere concetti come forma e colore. Non solo la macchina può osservare un’immagine e riconoscerla, ma riesce anche a comprenderne il significato.

Compositional Quantum Framework

I ricercatori di Quantinuum hanno sviluppato il Compositional Quantum Framework, progettato per strutturare e apprendere automaticamente concetti dai dati attraverso approcci sia classici che quantistici. Utilizzando una tipologia matematica chiamata “teoria delle categorie”, che sfrutta il calcolo grafico per rappresentare oggetti e morfismi, gli oggetti vengono raffigurati come fili etichettati e i morfismi come scatole che collegano questi fili, consentendo una comprensione visiva e intuitiva delle operazioni complesse.

In termini semplici, i ricercatori hanno fondamentalmente fuso intuizioni provenienti dal calcolo quantistico con concetti di scienze cognitive per creare un modello che fornisce una struttura matematica che permette a un sistema AI di visualizzare un’azione.

Quantinuum ha applicato il concetto al riconoscimento delle immagini, dimostrando che concetti come forma, colore, dimensione e posizione possono essere insegnati a macchine addestrate su immagini di forme. Il modello di Quantinuum scompone i concetti in parti più semplici in modo che il sistema possa vedere come si relazionano e interagiscono tra loro – una sorta di mappa dettagliata. Migliorando la capacità di una macchina di comprendere un’azione o un concetto, il team di Quantinuum spera che la ricerca contribuirà a far progredire i sistemi AI che non solo prevedono ma anche comprendono.

Oltre la black box

Di recente, Yann LeCun di Meta ha affermato che l’AI generativa dovrebbe essere abbandonata per concentrarsi sulla creazione di sistemi che comprendono il mondo intorno a loro. Anche il team di ricerca di Quantinuum vuole raggiungere questo obiettivo – ma per motivi legati alla responsabilità. I ricercatori sostengono infatti che gli attuali grandi modelli linguistici sono essenzialmente scatole nere, con gli utenti incapaci di esaminare il loro funzionamento sottostante.

“Nell’attuale contesto, in cui si parla di responsabilità e trasparenza nell’intelligenza artificiale, abbiamo un corpus di ricerca che conta davvero e che influenzerà fondamentalmente la prossima generazione di sistemi AI. Questo avverrà prima di quanto molti prevedano”, ha dichiarato Ilyas Khan, fondatore di Quantinuum.

Quantinuum, pur essendo principalmente un’azienda di calcolo quantistico, ha una lunga storia di ricerca legata all’AI. Quest’ultimo sforzo si concentra sull’interpretabilità dei sistemi AI con l’obiettivo dell’azienda di contribuire agli sforzi per la sicurezza. “L’AI ha il potere di causare gravi danni oltre a immensi benefici. È fondamentale che gli utenti capiscano perché un sistema sta prendendo le decisioni che prende. Quando leggiamo e sentiamo parlare di ‘preoccupazioni per la sicurezza’ con i sistemi AI, interpretabilità e responsabilità sono questioni chiave”, si legge in un post sul blog dell’azienda.

Il modello di Quantinuum può funzionare su computer classici e macchine quantistiche; l’articolo afferma che questi ultimi sistemi sono più naturalmente adatti per affrontare concetti come la teoria delle categorie. Sono ancora i primi giorni per il Compositional Quantum Framework; il team alle spalle afferma che è necessario “un ulteriore lavoro sostanziale” per dimostrare che può essere applicato per l’uso in applicazioni come gli agenti AI.

Articoli correlati

Articolo 1 di 4