"Quantum Particulars" es una columna editorial invitada que presenta ideas exclusivas y entrevistas con investigadores, desarrolladores y expertos cuánticos que analizan los desafíos y procesos clave en este campo. Este artículo presenta las opiniones de Joan Etude Arrow, fundador y director ejecutivo del Quantum Ethics Project, quien analiza la función y las fallas de la “exageración” dentro de la industria cuántica. 

Siguiendo el Dartmouth de 1956 Estudio de verano Grupo que estableció el campo de la inteligencia artificial, investigadores de IA recién creados proclamada que las computadoras pronto lograrían inteligencia a nivel humano o mayor. Estas afirmaciones se hicieron cuando las computadoras funcionaban con tubos de vacío, ocupaban una habitación entera y carecían de los abundantes datos de entrenamiento de Internet que son esenciales para los modelos de IA actuales, como ChatGPT. Aunque no existía ningún hardware necesario para una IA sofisticada, el llamado años dorados de la IA duró hasta 1974 y vio millones de dolares invertido en MIT solo para financiar investigaciones basadas en promesas sobrevaloradas.

Esta historia puede resultarle familiar a cualquiera que esté a un paso de la computación cuántica. Hable con cualquier investigador serio, como lo he hecho durante los últimos dos años en mi búsqueda por comprender la exageración cuántica, y le dirá que el nivel de exageración en torno a las tecnologías cuánticas está cerca de la cima de sus preocupaciones. A mis colegas les preocupa que, como aquellos investigadores de los años 50, estemos exagerando las capacidades de las computadoras cuánticas. El hardware de computación cuántica todavía está en su infancia y, al igual que los tubos de vacío de la década de 1950, nuestros qubits infantiles no son lo suficientemente fuertes como para cumplir las promesas que les hacemos.

Esto es lo que quiero decir con exageración, que defino como la diferencia entre las capacidades prometidas de esa tecnología y sus capacidades en el mundo real. Los investigadores de IA hicieron promesas excesivas 50 años antes de que el hardware pudiera funcionar y, como resultado, fe más perdida en el campo, hundiendo la investigación de la IA en un invierno de financiación mínima y estatus marginal durante décadas, cuyas consecuencias fueron un avance a paso de tortuga en el campo.

Hoy en día, los investigadores cuánticos coquetean con el mismo desastre. Si no logramos controlar la exageración desenfrenada de nuestro campo, corremos el riesgo de hundir la cuántica en su propio invierno. Esto garantizaría que las soluciones tan necesarias de las que es capaz la tecnología cuántica no llegarán hasta dentro de años o incluso décadas mientras luchamos por hacer avanzar el hardware cuántico al margen del desarrollo tecnológico y sin financiación suficiente.

Pero este artículo no es una conferencia sobre exageraciones. Como he señalado por mi propia experiencia, existe un amplio acuerdo en la comunidad cuántica en que la exageración es un problema, ahora tenemos que decidir qué hacer al respecto. Lo que complica la cuestión es el hecho de que la exageración no es algo universalmente malo. puede ser un mecanismo saludable para generar entusiasmo, recaudar fondos y promover el trabajo de uno.

Entonces, ¿cómo podemos equilibrar nuestras necesidades de recaudar fondos y vender productos con el imperativo de evitar un invierno cuántico a través de una ciencia clara y creíble?

Creo que cuantificar este diferencial entre la capacidad prometida y la capacidad del mundo real es un buen comienzo. Necesitamos una métrica de intentos de credibilidad para calificar la siguiente pregunta: ¿Qué tan lejos está la capacidad de su tecnología en el mundo real de cumplir su promesa?

En el caso de los algoritmos cuánticos, la ventaja computacional cuántica es el objetivo general del campo. Producir una métrica de credibilidad para un algoritmo cuántico podría consistir en estimar el número de qubits que probablemente necesitaría para lograr una ventaja cuántica y luego comparar ese número con el sistema físico más grande en el que haya podido implementar su algoritmo con éxito.

Como un ejemplo simple: si su algoritmo requiere al menos 100 qubits para funcionar en un régimen que las computadoras clásicas no pueden simular (estableciendo así el régimen de ventaja cuántica) y su algoritmo se ha completado en solo 7 qubits con un error de solución preespecificado, entonces su relación capacidad real versus promesa es 7/100 = 7%. Cuanto más te acerques a 1, más creíble te volverás.

Es importante señalar que esta métrica depende de una heurística, la cantidad de qubits necesarios para ir más allá de la capacidad de simulación cuántica de las computadoras clásicas. Este número no es fijo; a medida que se idean métodos cada vez más sofisticados para la simulación clásica de sistemas cuánticos, este límite superior aumentará. Siempre que los supuestos relacionados con la heurística queden claros, la puntuación de credibilidad puede ser una forma importante de aclarar lo que de otro modo sería una conversación prohibitivamente técnica sobre el progreso que están realizando los investigadores de algoritmos cuánticos.

Se puede producir una métrica de credibilidad similar en regímenes de detección cuántica o de redes cuánticas. Para la detección cuántica, el objetivo general podría ser un sensor cuántico, como un GPS sin satélite, que sea lo suficientemente portátil como para ser implementado en el campo, por ejemplo, en la mano de alguien o en un avión. Aquí, la promesa es un cierto umbral de portabilidad, tamaño físico, peso y sensibilidad en el campo.

Aclarar estas métricas reduciría la exageración y mostraría el progreso hacia una tecnología cuántica útil. Podría ser un argumento de venta más aleccionador, pero es esencial garantizar que los inversores, los clientes potenciales y el público en general tengan una comprensión precisa de dónde nos encontramos hoy y qué tan lejos nos queda por llegar.

Estas métricas deben verse como un punto de partida para controlar el problema del hype. Aquellos de nosotros en la comunidad cuántica deberíamos trabajar para desarrollar métricas claras y fáciles de entender que tengan sentido para los objetivos de nuestros subcampos específicos. Además, estas métricas sirven de poco si están ocultas en la sección técnica de su artículo. Estas métricas y los supuestos de los que dependen deben estar al frente y al centro de cada resumen de artículo para garantizar una comunicación científica clara y creíble de nuestros resultados en el futuro.

Depende de nosotros si evitamos un invierno cuántico. Si algo nos ha enseñado el éxito de la IA moderna es que, cuando llegue, la tecnología cuántica será una fuerza a tener en cuenta. Depende de nosotros qué tan pronto se haga realidad ese futuro.

Joan Etude Arrow es el fundador y director ejecutivo de Proyecto de Ética Cuántica. Como miembro de la Quantum Society del Centro de Redes Cuánticas, Joan se especializa en aprendizaje automático cuántico con un enfoque particular en prácticas de investigación creíbles que abordan temas de interés en el campo. Como subdirectora de Educación y Desarrollo de la Fuerza Laboral de Q-SEnSE, Joan también se centra en hacer que la tecnología cuántica sea más accesible, especialmente para estudiantes de diversos orígenes.

Tags:
AI, algoritmos, publicidad, Joan Etude Flecha, computación cuántica, detalles cuánticos

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-researchers-have-a-lot-to-learn-from-the-mistakes-of-the-artificial-intelligence-community/