MELVIN színre lép

MELVIN egy olyan gépi tanulási algoritmus, egyfajta mesterséges intelligencia, melyet Mario Krenn kvantumfizikus hozott létre. Azt a feladatot adta a szoftvernek, hogy szabadon felhasználva a szokásos kvantumkísérletek építőköveit új problémákra találjon megoldásokat. MELVIN sok érdekes megállapítást tett, köztük néhány olyat is, aminek semmi értelme nem volt. Első blikkre.

"Az első dolog, amire gondoltam az volt, hogy a programom hibás, mert ez a megoldás nem létezhet" - mondta el Krenn.

1989-ben három fizikus, Daniel Greenberger, Michael Horne és Anton Zeilinger, leírtak egy olyan összefonódott állapotot, (a neveik kezdőbetűi után GHZ néven), ami négy fotont érintett, melyek mindegyike két állapotának (0 és 1) kvantum-szuperpozíciójában lehetett egyszerre (qubit). A GHZ-állapotban a négy összefonódott qubit alkotta rendszer a 0000 és 1111 állapotok kétdimenziós kvantum szuperpozíciójában volt. 

Qutritek

Krenn és munkatársai magasabb dimenziójú GHZ-állapotok létrehozására törekedtek, melyhez három fotonnal terveztek dolgozni, az úgynevezett qutrit kvantumállapotban. Ez fontos összetevője a biztonságos kvantumkommunikációnak és a gyorsabb kvantumszámítástechnikának is. 

A kísérletek nehezen mentek és elakadtak, ezért Krenn először írt egy számítógépes programot, ami új kísérleteket tervezett és kiszámította a kimenetelüket is. A programot felruházta azzal a képességgel is, hogy belevegye számításaiba azokat az építőelemeket, melyeket a fotonok létrehozására és manipulálására használnak egy optikai kísérleti padon: lézerek, nemlineáris kristályok, nyalábosztók, fáziseltolók, hologramok mind bekerültek az eszközkészletbe. 

Így született meg MELVIN, ami nekiállt véletlenszerűen, nagy számú konfigurációban variálni és keverni az építőelemeket, elvégezte a számításokat és kiadta az eredményt.

"Néhány órán belül a program olyan megoldást talált, amelyet mi tudósok - három kísérleti és egy teoretikus - hónapok alatt sem találtunk meg. Ez egy őrült nap volt. Nem hittem el, hogy megtörtént” - mondta el Krenn.

MELVIN látszólag megoldotta a több fotont magában foglaló, nagyon összetett, kvantum-összefonódott állapotok létrehozásának problematikáját. Ez már csak azért is nagyon különös volt, mert Mario Krenn, és Anton Zeilinger a Bécsi Egyetemről - akik munkatársaikkal ellátták MELVIN-t az adatokkal - nem táplálták be az ilyen komplex állapotok létrehozásához szükséges szabályokat, és az MI mégis megtalálta a módját hogy felismerje és alkalmazza őket.

A tudósok végül rájöttek, hogy az algoritmus egyszerűen újra felfedezett egy olyan kísérleti elrendezést, melyet az emberek már kidolgoztak az 1990-es évek elején, ámbár az emberek által összeállított kísérletek sokkal egyszerűbbek voltak. MELVIN összetettebb rendszert alkotott.

"Amikor megértettük, mi történik, azonnal képesek voltunk általánosítani a megoldást" - mondta Krenn, aki ma a Torontoi Egyetemen kutat. A MELVIN által vázolt kísérleteket követően finomította gépi tanulási algoritmusát létrehozva így a THESEUS nevű mesterséges intelligenciát, ami nagyságrendekkel gyorsabb, mint MELVIN volt, és a kimenetének értelmezése is sokkal könnyebb, mint MELVIN esetében.

Gráfok

Érdekesség, hogy a korai kísérletek során, mikor Krennék egyszerűsíteni és általánosítani szerették volna a MELVIN által megtalált eredményeket, rájöttek, hogy az olyan absztrakt matematikai formákra hasonlít, amelyeket gráfoknak hívnak. Ezeknél a kvantumkísérleteknél MELVIN elkészítette a gráfot, majd matematikai műveletet hajtott végre rajta. Az MI által elvégzett folyamat sokkal könnyebbé teszi a kvantumállapot kiszámítását, bár az embereknek még mindig nehezen érthető. Ez is megváltozott a MELVIN utódjával, THESEUS-szal, amely sokkal egyszerűbb gráfokat állít elő, melyeket még egyszerűbb értelmezni.

(Forrás: Futurism Kép: Unsplash)

Ez is érdekelhet:

A fotonok kvantum-trükkjei felpörgetik a gépi tanulást A gépi tanulás időigényes folyamat, melynek során a mesterséges intelligenciákat megtanítják a feladataikra. A Bécsi Egyetem tudósai most olyan eljárást dolgoztak ki, mellyel a fotonok kvantumos tulajdonságai segíthetnek jelentősen felgyorsítani a dolgot.

Holt nyelveket fejtenek meg, fordítanak le a gépi tanulás algoritmusai Az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriumának (CSAIL) kutatói a közelmúltban jelentős előrelépést értek el a holt nyelvek gépi tanulással történő megfejtésében. Megalkottak egy olyan új rendszert, ami képes automatikusan megfejteni a történelem kútjában elveszett nyelveket, és lefordítani őket egy mai rokon nyelvre.

Itt lehet a nagy mesterséges intelligencia áttörés, a fotonokkal fénysebességre gyorsul a gépi tanulás Mi itt a Rakétánál tudományos áttöréseken és felfedezéseken élünk, alaposan megedződve nem gyakran dobáljuk a hajunkat, de ez most könnyen lehet az évtized híre, az a gyorsulás, amire az MI fejlesztés egy évtizede vár. Be is készítjük a Kyle Reese emlékplakettet.