Le cerveau humain possède des capacités étonnantes qui le rendent à bien des égards plus puissant que les ordinateurs les plus avancés du monde. Il n'est donc pas surprenant que les ingénieurs tentent depuis longtemps de le copier. Aujourd'hui, les réseaux de neurones artificiels inspirés de la structure du cerveau sont utilisés pour résoudre certains des problèmes les plus difficiles de l'intelligence artificielle (IA). Mais cette approche implique généralement la création de logiciels afin que les informations soient traitées de la même manière que le cerveau, plutôt que de créer du matériel qui imite les neurones.

Mes collègues et moi espérons plutôt construire le premier ordinateur de réseau neuronal dédié, en utilisant la dernière technologie "quantique" plutôt qu'un logiciel d'IA. En combinant ces deux branches de l'informatique, nous espérons produire une percée qui mènera à une IA qui fonctionne à une vitesse sans précédent, prendre automatiquement des décisions très complexes en très peu de temps.

Nous avons besoin d'une IA beaucoup plus avancée si nous voulons qu'elle nous aide à créer des choses comme des voitures et des systèmes autonomes véritablement autonomes pour gérer avec précision le flux de circulation d'une ville entière en temps réel. De nombreuses tentatives pour créer ce type de logiciel impliquent l'écriture de code qui imite le fonctionnement des neurones du cerveau humain et la combinaison de plusieurs de ces neurones artificiels dans un réseau. Chaque neurone imite un processus de prise de décision en prenant un certain nombre de signaux d'entrée et en les traitant pour donner une sortie correspondant à "oui" ou "non".

Chaque entrée est pondérée en fonction de son importance pour la décision. Par exemple, pour l'IA qui pourrait vous dire dans quel restaurant vous aimeriez le plus aller, la qualité de la nourriture peut être plus importante que l'emplacement de la table disponible, ils auraient donc plus de poids dans le processus de prise de décision.

Ces poids sont ajustés lors de tests pour améliorer les performances du réseau, former efficacement le système pour qu'il fonctionne mieux. C'est ainsi que le logiciel AlphaGo de Google a appris le jeu de stratégie complexe Go, jouer contre une copie de lui-même jusqu'à ce qu'il soit prêt à battre le champion du monde humain par quatre jeux à un. Mais les performances du logiciel d'IA dépendent fortement de la quantité de données d'entrée sur lesquelles il peut être entraîné (dans le cas d'AlphaGo, c'était combien de fois il jouait contre lui-même).

Notre projet Quromorphic vise à accélérer radicalement ce processus et à augmenter la quantité de données d'entrée pouvant être traitées en construisant des réseaux de neurones qui fonctionnent sur les principes de la mécanique quantique. Ces réseaux ne seront pas codés dans un logiciel, mais directement intégré dans du matériel fait de circuits électriques supraconducteurs. Nous espérons que cela facilitera leur mise à l'échelle sans erreurs.

Les ordinateurs traditionnels stockent les données dans des unités appelées bits, qui peut prendre l'un des deux états, 0 ou 1. Les ordinateurs quantiques stockent les données en "qubits", qui peut prendre de nombreux états différents. Chaque qubit supplémentaire ajouté au système double sa puissance de calcul. Cela signifie que les ordinateurs quantiques peuvent traiter d'énormes quantités de données en parallèle (en même temps).

Jusque là, seuls de petits ordinateurs quantiques qui démontrent des parties de la technologie ont été construits avec succès. Motivé par la perspective d'une puissance de traitement nettement supérieure, de nombreuses universités, les géants de la technologie et les start-up travaillent maintenant sur des conceptions. Mais aucun n'a encore atteint un stade où ils peuvent surpasser les ordinateurs existants (non quantiques).

En effet, les ordinateurs quantiques doivent être très bien isolés des perturbations de leur environnement, qui devient de plus en plus difficile à mesure que les machines grossissent. Par exemple, les processeurs quantiques doivent être maintenus sous vide à une température très froide (proche du zéro absolu) sinon ils pourraient être affectés par les molécules d'air qui les heurtent. Mais le processeur doit également être connecté au monde extérieur d'une manière ou d'une autre pour pouvoir communiquer.

Plus de marge d'erreur

Les défis techniques de notre projet sont très similaires à ceux de la construction d'un ordinateur quantique universel pouvant être utilisé pour n'importe quelle application. Mais nous espérons que les applications d'IA peuvent tolérer plus d'erreurs que l'informatique conventionnelle et que la machine n'aura donc pas besoin d'être aussi bien isolée.

Par exemple, L'IA est souvent utilisée pour classer les données, comme décider si une image montre une voiture ou un vélo. Il n'est pas nécessaire de capturer entièrement tous les détails de l'objet pour prendre cette décision. Ainsi, bien que l'IA ait besoin de vitesses informatiques élevées, elle n'exige pas des niveaux de précision aussi élevés. Pour cette raison, nous espérons que cela fait de l'IA un domaine idéal pour l'informatique quantique à court terme.

Notre projet consistera à démontrer les principes impliqués dans un réseau de neurones quantiques. Pour tirer pleinement parti de la technologie, il faudra créer des appareils plus gros, un processus qui peut prendre dix ans ou plus car de nombreux détails techniques doivent être contrôlés très précisément pour éviter les erreurs de calcul. Mais une fois que nous avons montré que les réseaux de neurones quantiques peuvent être plus puissants que les logiciels d'IA classiques dans une application du monde réel, il deviendrait très rapidement l'une des technologies les plus importantes du marché.

Cet article est republié à partir de The Conversation sous une licence Creative Commons. Lire l'article original.