تمكنت خوارزمية جديدة تعمل علي الحاسبات الكمية من حل بعض المشكلات المتعلقة بتقنية تعلم الآلة، إحدى أفرع الذكاء الاصطناعي، بعدما استعصت علي أقوى الحاسبات التقليدية العادية، مما يمهد الطريق نحو قفزة كبرى جديدة في النظم والتطبيقات المعتمدة علي تقنيات تعلم الآلة، خاصة فيما يتعلق بتصنيف وتحليل وفهم تكوينات هائلة من مجموعات البيانات الضخمة في وقت سريع للغاية وبدقة فائقة.
|
أعلن ذلك فريق من علماء الحوسبة الكمية بشركة آي بي إم، إحدى اهم الشركات الرائدة في بحوث الحوسبة الكمية، وقالوا في ورقة بحثية نشرت بالمدونة الرسمية لقطاع البحوث في آي بي إم، أن بحوثهم أثبتت رياضيا أن خوارزمية تعلم الآلة القائمة علي نهج الحوسبة الكمية، يمكن أن تعمل أفضل بأضعاف المرات من خوارزمية تعلم الآلة القائمة علي نهج الحوسبة الكلاسيكية العادية، وذلك في ما يتعلق بمشاكل تصنيف تعلم الآلة، خاصة مع مجموعات البيانات الأكبر ، حيث ثبت أن خوارزمية الحوسبة الكمية تحسن كثيرا من قدرات نظم تعلم الآلة في تقديم إجابات أكثر دقة خلال وقت قصير، وهي المهمة التي يتطلب تنفيذها بالحاسبات العادية قوة حوسبة هائلة، تتجاوز كثيرا قدرات الغالبية العظمي من هذه الأجهزة، وبالتالي فإن القدرات العالية للحوسبة الكمية يمكن أن تقفز لنماذج تعلم الآلة إلي مستوي جديد تماما.
لتوضيح النتائج التي توصلوا إليها، قال الباحثون في ورقتهم البحثية عن التعلم الآلي هو فرع راسخ من الذكاء الاصطناعي يُستخدم بالفعل في العديد من الصناعات لحل مجموعة متنوعة من مشاكل الأعمال، يتكون النهج من تدريب خوارزمية بمجموعات بيانات كبيرة ، لتمكين النموذج من تحديد أنماط مختلفة وحساب أفضل إجابة في النهاية عند تقديم معلومات جديدة.
وإحدى الطرق الجديدة التي توصلوا إليها للقيام بذلك علي نحو دقيق وفعال وسريع، تسمي على وجه الخصوص ، تسمى نواة الكم ، حيث يتدخل الحاسب الكمي لجزء واحد فقط من الخوارزمية الكلية ، من خلال توسيع ما يُعرف بمجموعة الميزات التي تُستخدم لتوصيف البيانات التي يتم تغذيتها للنموذج ، مثل “الجنس” أو “العمر” وغيرها.
|
ولمزيد من التوضيح قال كريستان تامي الباحث في معمل بحوث الحوسبة الكمية بآي بي إم إن استخدام نهج نواة الكم يتيح للحاسب الكمي التمييز بين المزيد من الميزات أو الخواص المنتشرة في البيانات الهائلة التي يعمل علي فهمها، مما يجعله يميز بينها بصورة دقيقة للغاية، في حين لا يستطيع الحاسب العادي سوي الوصول الي ما يشبه ضوضاء عشوائية تفتقر للدقة.
وأضاف أن المثال الأكثر شيوعا لحل مشكل التصنيف والتمييز بين الأنماط في تقنيات تعلم الآلة هو عندما يتم إعطاء الحاسب صورا للكلاب والقطط، ويكون مطلوبًا منه استخدام مجموعات البيانات المتاحة له في التدرب علي التعرف علي كل من الكلاب والقطط والتمييز بينها، ثم يسمي كل صورة لديه بأنها كلب أو قطة، والهدف ان يتم التصنيف والتدريب والتسمية في أقل وقت ممكن وبدقة عالية.
|
