Elisa Martín, Directora de Tecnología e Innovación IBM participó el miércoles 19 de febrero en la Jornada sobre «La Inteligencia Artificial en las universidades» dirigida a los equipos de gobierno de las universidades españolas y sus responsables de tecnología que se celebró en Torre Juana OST. Elisa habló sobre «Computación Cuántica y su futuro papel en la IA. Referencia acuerdo IBM-CSIC«.
Resumen de la sesión
Michael Freedman fue el inspirador en los años 70 de la computación cuántica, decía que si realmente queríamos avanzar en el mundo de la computación, había que ir a simular o utilizar las reglas que utilizaban los sistemas más eficientes, que son las reglas de la naturaleza, que si se seguía computando de manera artificial se llegaría a un techo de cristal que impediría seguir avanzando. Todo lo que estamos ahora viviendo nace de un congreso en el que Freedman hizo este desafío, había que dejar de pensar de forma clásica y empezar a pensar con las leyes de la naturaleza.
La computación cuántica es otra ola de tecnología, pero es una ola tecnológica que es importante remarcar porque con su llegada se van a tener que replantear todos lo algoritmos que estamos utilizando y por eso esta sesión es muy relevante. La forma en la que estamos elaborando los algoritmos en la computación tradicional ya no sirve, lo vamos a hacer de otra manera y otra consecuencia es que la curva de aprendizaje es muy empinada para aplicar bien los principios cuánticos. Es algo que hay que enseñar desde abajo y no va a suceder de forma rápida, hay materias en la computación tradicional que vamos a tener que replantear para la computación cuántica en nuestras universidades. Por poner un ejemplo el álgebra va a ser fundamental, si queremos aplicar la computación cuántica en IA tenemos que empezar a formar a los estudiantes para que empiecen a pensar de forma no clásica en la construcción de los algoritmos.
La computación cuántica se basa en utilizar 3 elementos básicos de las leyes de la física cuántica para computar, la superposición, el entrelazamiento y el control de choque de ondas entre las diferentes respuestas de las partículas. Esta 3 condiciones son las que nos sirven para computar, la ventaja de usar la computación cuántica es el número de estados que somos capaces de representar en un instante.
Esto es muy relevante porque hay problemas de la ciencia básica como por ejemplo la representación de la molécula de la cafeína que en la actualidad los grandes superordenadores que tenemos no son capaces de representar, y no es una de las moléculas más complejas que tenemos. Actualmente con el ordenador cuántico más potente que tenemos que es el IBM Q podríamos representar la molécula del agua y la del etanol. El procesamiento cuántico viene a suplir los límites que tenemos con la computación tradicional, hemos llegado a los límites de representación de información. Son problemas difíciles o intensivos en el uso de memoria.
Hemos ido agrupando los problemas en 3 categorías:
- Problemas de simulación, de moléculas, de materiales…
- Problemas de optimización con temas como la logística, servicios financieros…los bancos son los que más están trabajando con la computación cuántica y también las empresas de inversión.
- También está dando muy buenos resultados en el área de machine learning, porque estamos hablando de algoritmos que se aplican a los problemas en estas áreas.
Por ejemplo un algoritmo de optimización que se usa mucho es el conocido como Montecarlo, es algo que todo el mundo utiliza y no existe para computación cuántica, lo que existe en cc es un algoritmo que hace el mismo efecto que el Montecarlo. Por lo tanto no existen soluciones, existen algoritmos para aplicar en problemas concretos. La potencia de todo esto es la capacidad de resolver problemas difíciles que además necesitan tener una representación de memoria muy amplia.
Un mismo tipo algoritmo corriendo de forma clásica el tiempo en resolver un problema aumentando de forma exponencial, el tiempo de resolución va a ir creciendo de 10 segundo a 2 minutos a 330 años, 3.330 años o a no tener capacidad en el universo para resolverlo. El mismo tipo de algoritmo creciendo de manera polinomial, el tiempo de ejecución estaríamos hablando de 1 minuto, 10 mintos y 21 minutos, esta es la dimensión y por eso hay tanta expectativa con respecto a la computación cuántica.
Los problemas que actualmente somos capaces de resolver con la forma tradicional los vamos a seguir resolviendo pero hay problema que no hemos sido capaces de resolver y es donde tiene sentido empezar a aplicar la computación cuántica. La computación cuántica no sólo es más rápida, es más exacta sino es capaz de llegar a ese punto más exacto en menor tiempo y con menos muestras.
Estos algoritmos ya existen y están programados en abierto. En machine learning se están usando algunos de estos algoritmos para por ejemplo, la toma de decisiones, en la selección del tipo de formación personalizada que tienen que tener las personas y en la adaptación personalizada de las necesidades hacia los clientes, básicamente son todos problemas de clasificación, son los primeros problemas que se están atacando desde el punto de vista del ML.
Por un lado estamos atacando problemas de ML con Quantum pero por otro lado estamos usando la IA por ejemplo para controlar los errores de los sistemas de Quantum. En este caso la IA está en ambas direcciones, en la dirección de cómo usamos la computación para ejecutar un algoritmo y en cómo uso los datos para con el machine learnign a través de los datos para ganar eficiencia en la ejecución del algoritmo.
Se espera que las computadoras cuánticas desempeñen un papel crucial en el aprendizaje automático, el objetivo es usar computadoras cuánticas para crear nuevos clasificadores que generen mapas de datos más sofisticados. Al hacerlo, los investigadores podrán desarrollar una IA más efectiva que pueda, por ejemplo, identificar patrones en los datos que son invisibles para las computadoras clásicas.
Los investigadores de IBM han desarrollado una serie de algoritmos cuánticos que muestran cómo el enredo puede mejorar la precisión de la clasificación de IA. Los algoritmos se pueden probar en esta página.
Hemos desarrollado un marco de código abierto que es Qiskit una herramienta creada por IBM para el desarrollo de software cuántico. Actualmente Qiskit es uno de los proyectos de open source que más está acelerando todos los años. La dificultad no está en hacerlo la dificultad está en entenderlo y nosotros estamos buscando lo que llamamos la ventaja cuántica.
En España hay mucho talento en el área de la computación cuántica, cuando vamos a la universidad llenamos y hemos hecho 2 hackathons con mucho éxito y con resultados excelentes, hemos visto que es un ámbito que tiene mucha tracción.
Esto es una oportunidad, somos capaces de tener la iniciativa de poder estar a otro nivel, el CSIC y la autónoma de Madrid han tenido la iniciativa de empezar este camino. Sinceramente creo en España hay mucho talento y creo que vamos más despacio de lo que van los alumnos, hay una gran demanda y hay que ofrecer más formación y contenido relacionado con la computación cuántica. Tenemos el recurso y necesitamos el talento para poder utilizarlo, otro desafío es dónde aplicar los algoritmos utilizando la computación cuántica.