Impression artistique du concept d'apprentissage quantique. Crédit :Rolando Barry, Université de Vienne
L'intelligence artificielle fait partie de notre vie moderne en permettant aux machines d'apprendre des processus utiles tels que la reconnaissance vocale et les assistants personnels numériques. Une question cruciale pour les applications pratiques est de savoir à quelle vitesse ces machines intelligentes peuvent apprendre. Une expérience à l'Université de Vienne a répondu à cette question, montrant que la technologie quantique permet d'accélérer le processus d'apprentissage. Les physiciens, dans une collaboration internationale en Autriche, Allemagne, les Pays-Bas, et les États-Unis, ont obtenu ce résultat en utilisant un processeur quantique pour les photons uniques en tant que robot. Ce travail, qui contribue à l'avancement de l'intelligence artificielle quantique pour de futures applications, est publié dans le numéro actuel de la revue La nature .
Robots résolvant des jeux informatiques, reconnaître les voix humaines, ou aider à trouver des traitements médicaux optimaux :ce ne sont là que quelques exemples étonnants de ce que le domaine de l'intelligence artificielle a produit ces dernières années. La course en cours pour de meilleures machines a conduit à la question de savoir comment et avec quels moyens des améliorations peuvent être réalisées. En parallèle, les énormes progrès récents des technologies quantiques ont confirmé la puissance de la physique quantique, non seulement pour ses théories souvent étranges et déroutantes, mais aussi pour des applications réelles. D'où, l'idée de fusionner les deux domaines :d'une part, l'intelligence artificielle avec ses machines autonomes; d'autre part, la physique quantique avec ses algorithmes puissants.
Au cours des dernières années, de nombreux scientifiques ont commencé à étudier comment faire le pont entre ces deux mondes, et d'étudier en quoi la mécanique quantique peut s'avérer bénéfique pour l'apprentissage des robots, ou vice versa. Plusieurs résultats fascinants ont montré, par exemple, les robots décident plus rapidement de leur prochain mouvement, ou la conception de nouvelles expériences quantiques utilisant des techniques d'apprentissage spécifiques. Encore, les robots étaient encore incapables d'apprendre plus vite, un élément clé dans le développement de machines autonomes de plus en plus complexes.
Dans le cadre d'une collaboration internationale dirigée par Philip Walther, une équipe de physiciens expérimentateurs de l'Université de Vienne, avec des théoriciens de l'Université d'Innsbruck, l'Académie autrichienne des sciences, l'Université de Leyde, et le Centre aérospatial allemand, ont réussi à prouver expérimentalement pour la première fois une accélération du temps d'apprentissage du robot. L'équipe a utilisé des photons uniques, les particules fondamentales de la lumière, couplé à un processeur quantique photonique intégré, qui a été conçu au Massachusetts Institute of Technology. Ce processeur a été utilisé comme un robot et pour la mise en œuvre des tâches d'apprentissage. Ici, le robot apprendrait à acheminer les photons uniques vers une direction prédéfinie. "L'expérience pourrait montrer que le temps d'apprentissage est considérablement réduit par rapport au cas où aucune physique quantique n'est utilisée, " dit Valeria Saggio, premier auteur de la publication.
En un mot, l'expérience peut être comprise en imaginant un robot debout à un carrefour, chargé d'apprendre à toujours prendre le virage à gauche. Le robot apprend en obtenant une récompense lorsqu'il fait le bon mouvement. Maintenant, si le robot est placé dans notre monde classique habituel, alors il essaiera soit un virage à gauche ou à droite, et ne sera récompensé que si le virage à gauche est choisi. En revanche, quand le robot exploite la technologie quantique, les aspects bizarres de la physique quantique entrent en jeu. Le robot peut maintenant utiliser l'une de ses caractéristiques les plus célèbres et les plus particulières, le principe dit de superposition. Cela peut être compris intuitivement en imaginant le robot effectuant les deux tours, gauche et droite, à la fois. "Cette fonctionnalité clé permet la mise en œuvre d'un algorithme de recherche quantique qui réduit le nombre d'essais pour apprendre le bon chemin. En conséquence, un agent capable d'explorer son environnement en superposition apprendra nettement plus vite que son homologue classique, " dit Hans Briegel, qui a développé les idées théoriques sur les agents d'apprentissage quantique avec son groupe à l'Université d'Innsbruck.
Cette démonstration expérimentale que l'apprentissage automatique peut être amélioré en utilisant l'informatique quantique montre des avantages prometteurs en combinant ces deux technologies. "Nous ne faisons que commencer à comprendre les possibilités de l'intelligence artificielle quantique", déclare Philip Walther, "et ainsi chaque nouveau résultat expérimental contribue au développement de ce domaine, qui est actuellement considéré comme l'un des domaines les plus fertiles pour l'informatique quantique."