Scopri come l'apprendimento quantistico cambierà il futuro dell'intelligenza artificiale!

L'apprendimento automatico permette ai computer di riconoscere schemi complessi come volti e anche di creare nuovi esempi realistici di tali schemi. Ora, i ricercatori hanno dimostrato per la prima volta un algoritmo quantistico che si comporta bene nella generazione di questi esempi realistici, in questo caso, creando cifre scritte a mano autentiche. Il risultato è visto come un passo importante verso la costruzione di dispositivi quantistici in grado di superare le capacità dell'apprendimento automatico classico. L'utilizzo più comune delle reti neurali è la classificazione, come riconoscere le lettere scritte a mano. Tuttavia, gli scienziati mirano sempre più a utilizzare algoritmi per compiti più creativi, come generare nuove opere d'arte, brani musicali o volti umani realistici. L'integrazione del calcolo quantistico nelle reti generative attuali potrebbe portare a prestazioni molto migliori. Pertanto, i ricercatori stanno cercando di implementare algoritmi nella generazione attuale di dispositivi quantistici intermedi rumorosi, macchine quantistiche rudimentali con meno di circa 50 qubit. Il lavoro degli scienziati sfrutta una cosiddetta rete avversaria, un tipo di rete neurale costituita da due sottoreti, un generatore e un discriminatore. La rete generatrice impara a produrre immagini realistiche partendo da una distribuzione iniziale di probabilità per diverse immagini e poi apprendendo attraverso tentativi ed errori. Si adatta gradualmente per dare alta probabilità alle immagini che genera e che sono simili a quelle nel set di dati di addestramento. La rete discriminatrice, invece, gioca il ruolo di un avversario che cerca di distinguere le immagini false prodotte dal generatore da quelle reali del set di addestramento. Basandosi sulle prestazioni del discriminatore, il generatore si adegua per ingannare meglio il discriminatore, producendo immagini più realistiche. Questo processo migliora continuamente le prestazioni del sistema, avvicinandosi sempre di più alla creazione di esempi realistici.