Aunque solo se ha utilizado durante unos meses, ChatGPT ya está haciendo algunos ondas significativas en todas las industrias. Desde la redacción de artículos periodísticos hasta el suministro de código informático, la Chat de AI parece que ya está reemplazando muchos tipos diferentes de trabajos. Si bien esta nueva tecnología está creando un cambio de paradigma para muchas industrias diferentes, ChatGPT aún se está mejorando y desarrollando, al igual que sus contrapartes, como Google. Bardo programa. Una forma de mejorar aún más estos chatbots de IA podría ser aplicando computación cuántica tecnología. Con la promesa de la computación cuántica de un análisis de datos más rápido y más completo optimización algoritmos, la combinación de estas dos tecnologías nacientes podría crear algo aún más novedoso que lo que hemos visto actualmente.
Algunos beneficios simples
¿Qué mejor manera de comprender los beneficios potenciales de la computación cuántica que preguntarle a ChatGPT? Cuando le hice esta pregunta al programa, respondió lo siguiente: “En primer lugar, la computación cuántica puede potencialmente acelerar los procesos de entrenamiento e inferencia de máquina de aprendizaje algoritmos, que podrían hacer que las respuestas de ChatGPT sean más rápidas y precisas. En segundo lugar, la computación cuántica puede ayudar a mejorar las tareas de procesamiento del lenguaje natural, lo que podría mejorar la capacidad de ChatGPT para comprender y generar un lenguaje similar al humano. En tercer lugar, la computación cuántica puede proporcionar nuevas formas de resolver problemas de optimización complejos, lo que podría ayudar a ChatGPT a mejorar sus capacidades de toma de decisiones y recomendaciones”.
QML podría cerrar la brecha
Para conectar ChatGPT a la computación cuántica, muchos expertos postulan que el software, como Quantum Machine Learning (QML) algoritmos, debe ser una primera prioridad. "Sin embargo, diría que hay mucha confianza entre los proveedores en que QML mostrará una ventaja sobre la clásica; sin embargo, y la IA generativa (como la que se usa para ChatGPT) será una buena área de oportunidad para QML", afirma Sam Lucero, el analista jefe de computación cuántica en Buenos dias. QML podría cerrar la brecha entre las capacidades de la IA y la computación cuántica y ofrecer algunos beneficios significativos. Según Lucero: “Teóricamente, QML podría brindar la capacidad de (quizás exponencialmente) reducir el volumen de datos de entrenamiento necesario para lograr el mismo nivel de capacidad de inferencia, en relación con la IA generativa clásica. Esto en sí mismo es clave porque los grandes modelos básicos como ChatGPT son enormes, costosos (millones de dólares) para entrenar, toman mucho tiempo para entrenar (meses) y consumen mucha energía, lo que no es bueno desde una perspectiva de sostenibilidad (megavatios de electricidad para alimentar el centro de datos). Además, existe un problema de disponibilidad de datos: ChatGPT se entrena básicamente en "Internet", pero a muchas empresas les gustaría poder usar solo sus propios datos internos para la capacitación, pero aún así obtener el mismo nivel de rendimiento en la inferencia. Eso podría ser un beneficio de caso de uso o un beneficio regulatorio (es decir, usar datos protegidos por HIPAA para capacitación), además de un beneficio en términos de costo, tiempo, sostenibilidad, etc. QML no solo ofrecería modelos más rentables para el futuro ChatGPT, sino que también podría funcionar a velocidades más rápidas y tener una mayor capacidad de datos, proporcionando soluciones más potentes. Sin embargo, QML también puede agregar una gama más amplia de datos para que el modelo se ejecute. “QML para IA generativa puede explorar un espacio de búsqueda más amplio que el ML clásico”, dice Lucero. "En términos prácticos, esto significa que QML debería ser mejor, por ejemplo, para traducir lenguaje idiomático o traducir entre dos idiomas que están estructurados de manera muy diferente en un nivel gramatical central". Esto tiene enormes implicaciones para muchos campos diferentes, desde la política y los dispositivos de traducción internacional hasta la antropología de la reconstrucción de idiomas perdidos.
Estos beneficios también pueden ayudar a reducir a la mitad el tiempo de capacitación para los chatbots de IA. “Una de las cualidades más importantes de ChatGPT es que está equipado con aprendizaje reforzado a partir de la retroalimentación humana (RLHF), que es básicamente un aprendizaje basado en recompensas”, ciencia y tecnología. escritor Ayush jainista agrega. “Un desafío clave para usar esto es que el modelo tiene que pasar por muchas pruebas y errores antes de saber cuál es el comportamiento recompensado, lo que significa que solo aquellas organizaciones que pueden permitirse entrenar el modelo en público a pesar de sus fallas iniciales pueden hacerlo. gana el juego. Pero, esto podría cambiar como un estudio de hace unos años mostró que en los sistemas híbridos, la IA de aprendizaje por refuerzo podía aprender un 60 por ciento más rápido que su contraparte no cuántica”. Los modelos de lenguaje cuántico ya están en proceso. Como afirma Jain: “Hemos visto empresas como cuántica de cambridge han desarrollado un juego de herramientas de software y una biblioteca para el procesamiento del lenguaje natural”. Cambridge Quantum (ahora cuántico) puede estar iniciando una tendencia al observar los modelos de lenguaje para la IA mientras desarrolla computadoras cuánticas simultáneamente.
Limitaciones actuales para la integración de ChatGPT con Quantum
Si bien estos beneficios podrían cambiar el juego para el chatbot de IA, el proceso real de integración de las dos tecnologías es mucho más complicado. Algunos expertos, como Jain, creen que el siguiente paso más natural es combinar los modelos de IA de computación clásica con la computación cuántica en una plataforma híbrida. “El modelo híbrido se enfoca en técnicas para implementar el aprendizaje en datos clásicos utilizando computadoras cuánticas, en lugar de desarrollar algoritmos completamente cuánticos que funcionan con datos cuánticos”, explica Jain. “Y plataformas como QODA de NVIDIA y otros ya han nivelado, hasta cierto punto, la empinada curva de aprendizaje, ya que el desarrollo de sistemas híbridos cuánticos-clásicos puede aprovechar las pilas de software clásicas existentes, los modelos de programación y las bibliotecas, lo que puede ayudar a acelerar la adopción de la computación cuántica”. Dado que las computadoras cuánticas aún se están desarrollando y son bastante frágiles y delicadas, es difícil decir cuándo esta tecnología de próxima generación estará lista para enfrentarse a ChatGPT. Si los dos finalmente se unen, tal vez pueda ocurrir un cambio de paradigma similar, como el que estamos experimentando actualmente, obligándonos una vez más a adaptarnos a nuestra tecnología en constante evolución.
Kenna Hughes-Castleberry es redactora de Inside Quantum Technology y comunicadora científica en JILA (una asociación entre la Universidad de Colorado Boulder y el NIST). Sus ritmos de escritura incluyen tecnología profunda, metaverso y tecnología cuántica.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://www.insidequantumtechnology.com/news-archive/inside-quantum-technologys-inside-scoop-quantum-and-chatgpt/
