Los nuevos algoritmos son soluciones a problemas de una manera más eficiente. La computación cuántica ayudará a resolver dificultades.
Publicado por: ING. ALEXANDER DELGADO
La semana pasada se habló sobre la teoría que plantean los científicos en donde según ellos, en el año 2100 el mundo estará controlado por robots y habrá una raza humana híbrida con mayores habilidades e inteligencia superior.
Hoy se plantea que la computación cuántica puede ayudar a resolver algunos de los más difíciles problemas de la informática, en particular en el aprendizaje automático, que será aplicado en las máquinas y automatismos del futuro.
Antes de entrar en detalle vale la pena dar un vistazo al concepto de la computación cuántica, según Wikipedia: “La computación cuántica es un paradigma de computación distinto al de la computación clásica. Se basa en el uso de qubits en lugar de bits, y da lugar a nuevas puertas lógicas que hacen posibles nuevos algoritmos”.
En resumen los nuevos algoritmos son soluciones a problemas de una manera más eficiente.
Una máquina de aprendizaje autónoma ideal se debe construir con los mejores modelos para hacer predicciones más precisas. Si se desea curar enfermedades, se necesita crear los mejores modelos de cómo se desarrollan. Si se quieren crear políticas ambientales eficaces, es necesario conocer los mejores modelos de lo que está sucediendo a nuestro clima. Y si quiere construir un motor de búsqueda más útil, es necesario comprender mejor las preguntas orales y escritas para que pueda obtener la mejor respuesta. Eso es en resumen y con ejemplos el objetivo de la computación cuántica.
La noticia es que esta semana se abrió el Laboratorio de Inteligencia Artificial Quantum con sede el Centro de Investigación Ames de la Nasa. Allí habrá un computador cuántico de D-Wave Systems al servicio de científicos del mundo que deseen avanzar cómo la computación cuántica podría apoyar en el aprendizaje automático.
El aprendizaje automático es muy difícil, afirman los investigadores. Es lo que los matemáticos llaman un problema “NP-hard”, construcción de un buen modelo de aprendizaje es realmente un acto muy creativo.
Como analogía, consideran lo que se necesita para diseñar una casa: se deben equilibrar muchas limitaciones como presupuesto, requisitos de uso, espacio, tamaño, etc, pero aun así se debe tratando de crear la casa más hermosa posible. Un arquitecto creativo encontrará una gran solución. Matemáticamente hablando el arquitecto es la solución de un problema de optimización y la creatividad se puede considerar como la capacidad de llegar a una buena solución que se da un objetivo con restricciones.
Ya se han desarrollado algunos algoritmos de aprendizaje de máquina cuántica que combinados con la computación clásica ya pueden resolver algunos problemas no muy complejos. Empresas como IBM (el gigante azul) afirman que están avanzando en investigaciones y estiman lograr resultados en un tiempo entre 10 y 15 años.
El uso de la computación cuántica “tendrá amplias implicaciones para todo el campo de la encriptación de datos donde los ordenadores cuánticos podrían descomponer en factores números muy grandes, como los utilizados para decodificar y codificar información delicada”, dijo IBM.
“Otras posibles aplicaciones para la computación cuántica pueden ser la búsqueda en bases de datos de información no estructurada, la realización de una serie de tareas de optimización y la solución de problemas matemáticos irresolubles con anterioridad”.
