Peneliti IBM Uji Coba AI Berbasis Komputer Kuantum

Ada harapan besar bahwa kekuatan pemrosesan luar biasa komputasi kuantum suatu hari akan membuat kemajuan eksponensial kecerdasan buatan. Sistem Artificial Intelligence (AI) berkembang ketika algoritma pembelajaran mesin yang digunakan untuk melatihnya diberi sejumlah besar data untuk dicerna, diklasifikasi, dan dianalisis. Semakin tepatnya data dapat diklasifikasikan menurut karakteristik atau fitur tertentu, semakin baik kinerja sebuah AI.

Adanya komputer kuantum diharapkan memainkan peran penting dalam pembelajaran mesin, termasuk aspek penting dalam mengakses space yang lebih kompleks secara komputasional - butiran halus data-yang dapat mengarah pada insight baru.

Peneliti IBM, Kristan Temme, menyatakan dalam makalah penelitian Nature bertajuk "Supervised learning with quantum enhanced feature spaces," para peneliti IBM menyampaikan pengembangan dan uji coba algoritma kuantum yang berpotensi mewujudkan machine learning pada komputer kuantum dalam waktu dekat.

Baca Juga: Waduh, Hadirnya Komputasi Kuantum Ancam Eksistensi Blockchain

"Kami telah membuktikan bahwa ketika komputer kuantum menjadi semakin kkuat ke depan, dan volume kuantum semakin meningkat, mereka akan dapat melakukan pemetaan fitur, komponen utama pembelajaran mesin, pada struktur data yang sangat kompleks pada skala yang jauh melampaui jangkauan komputer klasik yang paling kuat sekalipun," kata dia dalam risetnya. 

Metode yang digunakan para peneliti IBM juga mampu mengklasifikasikan data dengan penggunaan short-depth circuits, yang membuka jalan untuk berurusan dengan dekoherensi. Sama pentingnya, pemetaan fitur IBM berfungsi sesuai prediksi: tidak ada kesalahan klasifikasi dengan data hasil rekayasa, bahkan saat prosesor sistem IBM Q mengalami dekoherensi.

Gambaran Lebih Besar, Lebih Baik

Pemetaan fitur adalah cara membongkar data untuk mendapatkan akses ke aspek data yang lebih halus. Baik algoritma machine learning kuantum dan klasik sama-sama dapat memecah gambar, misalnya, berdasarkan piksel dan menempatkannya dalam kotak berdasarkan nilai warna masing-masing piksel. Dari sana, algoritma memetakan setiap titik data secara non-linear ke ruang dimensi tinggi, memecah data berdasarkan fitur-fiturnya yang paling penting.

"Dalam ruang Quantum state yang jauh lebih besar, kita dapat memisahkan aspek dan fitur data secara lebih baik dari pada peta fitur yang dibuat oleh algoritma pembelajaran mesin klasik. Pada akhirnya, semakin tepat data diklasifikasikan menurut karakteristik atau fitur tertentu, semakin baik kinerja AI," ujarnya.

Baca Juga: Kembangkan Komputer Kuantum dan AI, Intel Gandeng Universitas

Tujuannya adalah menggunakan komputer kuantum untuk membuat pengklasifikasi baru yang menghasilkan peta data yang lebih canggih. Dalam melakukan itu, para peneliti akan dapat mengembangkan AI secara lebih efektif yang dapat, misalnya, mengidentifikasi pola dalam data yang tidak terlihat oleh komputer klasik.

Kami telah mengembangkan blueprint dengan algoritma klasifikasi data kuantum baru dan peta fitur. Itu penting bagi AI karena, semakin besar dan beragam kumpulan data, semakin sulit memisahkan data tersebut ke dalam kelas yang bermakna untuk melatih algoritma machine learning. Hasil klasifikasi yang buruk dari proses pembelajaran mesin dapat menghasilkan hasil yang tidak diinginkan; misalnya, mengganggu kemampuan perangkat medis untuk mengidentifikasi sel kanker berdasarkan data mamografi.

Masalah Noise

Para peneliti IBM menemukan bahwa bahkan di hadapan noise, peneliti secara konsisten mengklasifikasikan data rekayasa dengan akurasi sempurna selama pengujian. Komputer kuantum saat ini kesulitan untuk menjaga qubit mereka dalam quantum state selama lebih dari beberapa ratus mikrodetik bahkan di lingkungan laboratorium yang sangat terkontrol. Itu penting karena qubit harus tetap dalam state itu selama mungkin untuk melakukan perhitungan.

"Algoritme kami menunjukkan bagaimana keterikatan dapat meningkatkan akurasi klasifikasi AI, yang akan tersedia sebagai bagian dari Qiskit Aqua IBM, sebuah pustaka algoritma kuantum terbuka bagi publik yang dapat digunakan oleh pengembang, peneliti, dan pakar industri untuk mengakses komputer kuantum melalui aplikasi klasik atau bahasa pemrograman umum seperti Python," tambah dia.

Baca Juga: Ini Lho Asal Muasal Komputer Kuantum

Meski masih jauh untuk mencapai Quantum Advantage untuk machine learning — titik di mana kemampuan komputer kuantum melampaui komputer klasik dalam melakukan algoritma AI.

"Penelitian kami belum menunjukkan Quantum Advantage karena kami meminimalkan ruang lingkup masalah berdasarkan kemampuan perangkat keras kami saat ini, hanya menggunakan dua qubit kapasitas komputasi kuantum, yang dapat disimulasikan pada komputer klasik. Namun metode pemetaan fitur yang kami kembangkan segera dapat mengklasifikasikan dataset yang jauh lebih kompleks daripada apa pun yang bisa ditangani oleh komputer klasik. Hasil uji coba kami menunjukkan path yang menjanjikan ke depan," kata dia.

Saat ini IBM memiliki prosesor yang mampu menghasilkan volume kuantum 16 dengan tingkat error atau noise 1 persen. Untuk mencapai Quantum Advance atau titik dimana komputer kuantum bisa berdampak nyata bagi scinece dan bisnis yang diperkirakan bisa tercapai pada tahun 2020an, IBM perlu meningkatkan kemampuan prosesornya dalam memproduksi volume kuantum minimal 200 persen setiap tahunnya.