الذكاء الاصطناعي الكمي: شرح كيفية تأثيره على عالم الأعمال

كيف يعمل الذكاء الاصطناعي الكمومي؟

يدمج الذكاء الاصطناعي الكمي (QAI) بين الحوسبة الكمومية والذكاء الاصطناعي، بناءً على مبادئ ميكانيكا الكم ، مثل التراكب والتشابك والتوازي. بخلاف الذكاء الاصطناعي الذي يعمل على الحواسيب التقليدية، والتي تستخدم الأصفار والواحدات المألوفة للحوسبة الثنائية، يعمل الذكاء الاصطناعي الكمي من خلال وحدات البت الكمومي – الوحدات الأساسية للحوسبة الكمومية – لمعالجة البيانات وتخزينها. يمكن أن توجد وحدات البت الكمومي في حالات متعددة من خلال تراكب الصفر والواحد.

من خلال دمج مبادئ ميكانيكا الكم في الذكاء الاصطناعي، يمكن للذكاء الاصطناعي الكمي من الناحية النظرية الاستفادة من الجمع بين “ذكاء” الذكاء الاصطناعي والحوسبة الكمومية عالية السرعة والخالية من الأخطاء.

يُطبَّق الذكاء الاصطناعي الكمي في الشبكات العصبية الكمومية (QNNs). تُحاكي الشبكات العصبية التقليدية الخلايا العصبية البيولوجية في الدماغ البشري لمعالجة البيانات. ولكن، على عكس هذه الشبكات العصبية المبنية على المُدْرِكات العصبية – نماذج من الخلايا العصبية البيولوجية – تعمل الشبكات العصبية الكمومية باستخدام الكيوبتات. يقول المؤيدون إن هذا النوع الجديد من الشبكات العصبية قد يتمتع بمزايا تُضاهي الشبكات العصبية التقليدية في تدريب الذكاء الاصطناعي على مجموعات البيانات الضخمة. بعض الشركات الكبرى ومُقدِّمي خدمات الحوسبة الكمومية يستخدمون بالفعل الشبكات العصبية الكمومية، والتي، على الرغم من اختلافاتها الكبيرة، تستخدم نفس بنية الشبكة العصبية المستخدمة في الشبكات العصبية التقليدية.

تعمل خوارزميات الذكاء الاصطناعي الكمي عبر وحدات كيوبت في طبقات مختلفة من هذه البنية. في طبقة الإدخال، يُشفّر الحاسوب الكمي البيانات إلى وحدات كيوبت، وتتم معالجة هذه الوحدات في ما يُسمى بالطبقة المخفية . في طبقة الإخراج، تُقاس وحدات الكيوبت وتُغذّى لاكتشاف الأخطاء والتحكم فيها، حيث يمكن للذكاء الاصطناعي استخدام الحوسبة عالية السرعة لتصحيح الأخطاء. في المرحلة النهائية، يُفسّر الذكاء الاصطناعي نتائج المعالجة الكمومية لتوفير رؤىً تساعد في اتخاذ القرارات.

يتم استخدام الذكاء الاصطناعي أيضًا في تصميم الدوائر الكمومية التي تعالج البتات الكمومية في الذكاء الاصطناعي الكمومي.

فوائد الذكاء الاصطناعي الكمومي

يهدف الذكاء الاصطناعي الكمي إلى بناء نماذج متقدمة للتعلم الآلي ( ML ) وتحسين النماذج الحالية. ومن المتوقع أن تتجاوز قدراته ما هو ممكن باستخدام الذكاء الاصطناعي على الحواسيب التقليدية. ومع ذلك، لا يزال الذكاء الاصطناعي الكمي في مراحله الأولى من التطوير، فهو تقنية واعدة أكثر منه واقعًا وشيكًا.

وتشمل الفوائد النظرية والعملية الملحوظة ما يلي:

• التوازي الهائل. تعتمد مراكز البيانات على المعالجة المتوازية ، التي تُقسّم المهام بين المعالجات والمسرّعات. بفضل التراكب، يُمكن للذكاء الاصطناعي الكمي تقريب عمليات حسابية متعددة في آنٍ واحد. هذا يعني، نظريًا، أن الذكاء الاصطناعي الكمي قادر على استخلاص العديد من الحلول لمشكلة واحدة، وتوفير تدريب ونمذجة وتحسين ومحاكاة خوارزميات أسرع.
• حوسبة متطورة. في الشبكات العصبية التقليدية، يُمثل N بت كلاسيكي N حالة. في المقابل، يُمثل N كيوبت 2 ⁿ حالة – ويزداد العدد بشكل أُسي – وتُطبّق مبادئ ميكانيكا الكم، مثل التشابك والتراكب، على البيانات الكمية. إنه نهج مختلف تمامًا عن نهج الشبكات العصبية التقليدية، وقد يُؤدي إلى أنماط جديدة في حل المشكلات والحوسبة.
• كشف الاحتيال الإلكتروني. وفقًا لما يُعرف في ميكانيكا الكم بنظرية عدم الاستنساخ ، لا يمكن نسخ أي حالة كمية مجهولة. هذا يعني أنه إذا حاول مُتنصت نسخ كيوبت، تنهار حالته، مما يُلغي أي فرصة للتلاعب بالبيانات. يمكن أيضًا استخدام الذكاء الاصطناعي الكمي لتطبيق بروتوكولات تشفير كمي للمساعدة في حماية معلومات الأعمال الحساسة من التهديدات الإلكترونية الكمومية.
• زيادة السرعة. في الشبكات العصبية، تستغرق الحوسبة التقليدية، المدعومة بأشباه الموصلات التقليدية، أسابيع أو أشهر للعمل على مجموعات بيانات ضخمة، مثل نماذج اللغات الكبيرة ( LLMs )، والبيانات عالية الأبعاد، والبيانات الضخمة. يمكن للشبكات العصبية الكمومية تسريع معالجة البيانات واسعة النطاق، وعمليات المحاكاة المعقدة، والحسابات المطولة التي تُعيق عمل الشبكات العصبية الحالية. وقد طبقت بعض المؤسسات بالفعل خوارزمية جروفر، وهي خوارزمية كمية تُسرّع عمليات البحث على البيانات غير المنظمة.
• دقة عالية. نظرًا لسهولة نسخ البتات الكلاسيكية، تميل خوارزميات الذكاء الاصطناعي التوليدي ( GenAI ) إلى إنتاج نتائج متكررة، وتكون نتائج الأدوات الأخرى متشابهة نظرًا لتشابه النماذج. من المتوقع أن يُقدم الذكاء الاصطناعي التوليدي الكمي نتائج دقيقة وفريدة، مما قد يؤدي إلى اكتشافات جديدة وتنبؤات أفضل.
• التغلب على مشكلة اختناق الترانزستور. تُشكّل التوقعات التي وضعها قانون مور، والذي ينص على أن قوة الحوسبة تتضاعف كل عامين، ضغطًا على صناعة أشباه الموصلات لإنتاج رقائق ذكاء اصطناعي أصغر حجمًا. لكن مشاكل مثل النفق الكمي، الذي يحدّ من مدى صغر حجم الأجهزة الإلكترونية، مثل ترانزستورات السيليكون، تُشير إلى أن أجهزة الكمبيوتر التقليدية لن تتمكن قريبًا من التوسع بهذه الوتيرة. قد تكون التقنيات الأحدث، مثل الحوسبة الكمومية والذكاء الاصطناعي الكمي، أفضل الخيارات المتاحة لصناعة أشباه الموصلات لمواصلة هذا التوجه التصاعدي.

مخاطر الذكاء الاصطناعي الكمي

التشابك الكمي – أساس الذكاء الاصطناعي الكمي – هو ما أسماه ألبرت أينشتاين “التفاعل المخيف عن بُعد”. هذا يعني أن التطبيق العملي للذكاء الاصطناعي الكمي سيُعيق بسبب مشاكل في الدقة وعدم استقرار الأجهزة. وبشكل عام، تظل الحوسبة الكمومية نفسها عرضة للأخطاء على مستوى البرمجيات والأجهزة.

وتشمل التحديات الأخرى للذكاء الاصطناعي الكمي ما يلي:

• نتائج مخيبة للآمال. الكيوبتات هشة، وعرضة للضوضاء وفقدان التماسك والحرارة الناتجة عن الحواسيب الكمومية. هذه الثغرات تُسبب هلوسات وأخطاء في الذكاء الاصطناعي، مما يزيد من متطلبات اكتشاف الأخطاء وتصحيحها في مرحلة إخراج الشبكة العصبية الكمومية. تُنتج المعلومات الكمومية الخاطئة المُدخلة إلى مجموعات بيانات ضخمة نتائج خاطئة، مما يؤدي بدوره إلى نفقات هائلة للموارد. لا يزال تقليل التكلفة الإجمالية لتصحيح الأخطاء الكمومية يُمثل تحديًا عمليًا.
• صعوبة في التعامل. عند محاولة قياس الحالة المجهولة لبت كيوبي، ينهار هذا البت. يُعد هذا السلوك مفيدًا للأمان، ولكنه غير مرغوب فيه للاستخدام اليومي وقابلية التوسع لتطبيقات الذكاء الاصطناعي في المؤسسات.
• غياب خوارزميات الكم. تعتمد الحوسبة الكمومية اليوم على شبكات وبروتوكولات الحوسبة التقليدية لأداء الوظائف وتقليل الأخطاء. ويرجع ذلك إلى أن معظم خوارزميات الكم تُنظَّر نظريًا فقط، ولا تُطبَّق في الحواسيب الكمومية. كما يستخدم الذكاء الاصطناعي الكمومي الطرق التقليدية لإجراء عمليات الذكاء الاصطناعي، مما يعني أن قدرته على العمل بسرعة عالية تُعتبر نظرية أيضًا.
• زيادة التعقيد والتكلفة. تعتمد عمليات الكم على عناصر فائقة التوصيل ، مثل وصلات جوزيفسون، لتوليد البتات الكمومية والتحكم فيها. ونتيجةً لذلك، تتطلب تطبيقات الحوسبة الكمومية بيئات تبريد فائقة الانخفاض، وأجهزة متخصصة تتطلب خبرة متخصصة واستثمارات مالية ضخمة. ولا يزال بناء أجهزة قابلة للتطوير لتقنيات الكم يمثل تحديًا كبيرًا، مما يقلل من فرص الشركات الصغيرة في نشر الحواسيب الكمومية في المستقبل القريب.
• مخاطر أمنية. تتطور معايير الحوسبة الكمومية ببطء. قد يؤدي نقص توحيد معايير الذكاء الاصطناعي الكمومي، وضعف التوافقية، وضعف التثقيف بشأنه، إلى نتائج خطيرة، كما تتزايد عمليات الاحتيال المرتبطة به. إذا أصبح الذكاء الاصطناعي الكمومي هو الوضع الطبيعي الجديد، فمن المرجح أن تزداد عمليات الاحتيال الإلكتروني المرتبطة به أيضًا.

حالات استخدام الذكاء الاصطناعي الكمي للمؤسسات

لا تستخدم سوى قلة من المؤسسات الحوسبة الكمومية نظرًا لمحدودية الميزانيات وحالات الاستخدام وقلة الوصول إلى تكنولوجيا الكم. ومع ذلك، فإن الذكاء الاصطناعي الكمومي قادر نظريًا على حل مشاكل الأعمال التي لا تستطيع التقنيات الحالية حلها.

تتضمن تطبيقات المؤسسات المتوقعة للذكاء الاصطناعي المدعوم بالكم ما يلي:

• الذكاء الاصطناعي التوليدي. يُمكن للذكاء الاصطناعي الكمي أن يُقلل من أوقات التدريب ويُحسّن قدرات معالجة اللغة الطبيعية في نماذج ماجستير إدارة الأعمال ونماذج الذكاء الاصطناعي الكبيرة. وقد أصدر بعض المُصنّعين بالفعل منتجات ذكاء اصطناعي كمي توليدي (GenQAI). وبفضل نظرية عدم الاستنساخ، يُمكن لـ GenQAI أن يُوفر نتائج فريدة وغير مُكررة مُقارنةً بأدوات GenAI الحالية.
• البحث الطبي. يُطبّق الباحثون نماذج الذكاء الاصطناعي والتعلم الآلي على نطاق واسع للتحقيق في أسباب الأمراض الخطيرة وإيجاد علاجات لها من خلال ابتكار أدوية جديدة . يُمكن للذكاء الاصطناعي الكمي إجراء اختبارات سيناريوهات أسرع، واستخلاص الخصائص، ومحاكاة التفاعلات الكيميائية من خلال التوازي المتعدد، مما يُحسّن القدرة على التنبؤ بتفاعلات الأدوية.
• النمذجة المالية. يمكن للذكاء الاصطناعي الكمي أن يُجري تحسينات هائلة، ويُحلل مجموعات البيانات المالية بسرعة عالية، ويُحسّن القدرة على التعرّف على الأنماط. يُمكن للشركات استخدامه لتحسين تنبؤاتها بالاتجاهات المستقبلية، وبيانات التداول، والتوقعات المالية، وإدارة المخاطر، والنمذجة المالية.
• التنبؤ بالطقس. يُمكن للذكاء الاصطناعي المُدعّم بالكميات تحليل البيانات البيئية لتحديد أسباب تغير المناخ والمساعدة في وضع استراتيجيات عملية. يُمكن للمحاكاة المتقدمة أن تُسرّع تطوير مواد جديدة لأنظمة الطاقة المتجددة.
• التعاون بين القطاعات. قد يُساعد الذكاء الاصطناعي الكمي مجموعة متنوعة من القطاعات، مثل البناء والتصنيع والتعدين والطاقة والزراعة، من خلال تحسين عملية اتخاذ القرارات التنبؤية. على سبيل المثال، يُمكن للقطاعات الصناعية استخدامه لتحسين عمليات سلسلة التوريد بشكل متكرر. قد يكون التعاون بين هذه القطاعات وشركات الكم وتكنولوجيا المعلومات هو ما يُحقق ذلك.
• الأمن السيبراني. من المتوقع أن يتمتع الذكاء الاصطناعي الكمي بمقاومة عالية للقراصنة، ولكنه بارع في معالجة أمن الجهات الخارجية، بفضل معالجته المعقدة وعالية السرعة. يمكن للشركات استخدام الذكاء الاصطناعي الكمي مع بروتوكولات التشفير الكمي لتطوير تشفير آمن يحمي من القراصنة الخبثاء، الذين قد يستخدم بعضهم حواسيب كمومية لكسر التشفير في هجماتهم.
• صناعة السيارات. يعتمد مصنعو السيارات والشاحنات على الذكاء الاصطناعي الكمي لتحسين جودة المركبات ذاتية القيادة الحالية والمستقبلية. وقد طرح الباحثون خوارزميات الذكاء الاصطناعي الكمي والتعلم الآلي مع مستشعرات إنترنت الأشياء، والتي يمكن استخدامها لاختبار السيناريوهات، والملاحة دون تصادم، والقيادة الموفرة للطاقة، وتحسين التحكم في حركة المرور.

نظرية الذكاء الاصطناعي الكمي مقابل الواقع

يتزايد الحماس حول صناعة الكمّ عند إضافة الذكاء الاصطناعي. ومع ذلك، لا توجد تطبيقات واقعية كثيرة، لأن الذكاء الاصطناعي الكمّي لا يزال في مراحل التطوير والاختبار.

لطالما تصدرت الحواسيب الكمومية عناوين الأخبار لسرعة حلها للمشكلات مقارنةً بالحواسيب العملاقة، إلا أن النتائج الأخيرة أظهرت أن الذكاء الاصطناعي الكمومي ليس جاهزًا لتشغيل نماذج ذكاء اصطناعي واسعة النطاق. فهو لا يستطيع سوى إجراء حسابات مطولة، ولا يستطيع حتى الآن معالجة البيانات الضخمة التي تحتاج خوارزميات التعلم الآلي والذكاء الاصطناعي لمعالجتها. ونتيجةً لذلك، يقول بعض الخبراء إن الذكاء الاصطناعي الكمومي سيستغرق من 15 إلى 20 عامًا أخرى لينتشر على نطاق واسع كما حدث مع أسلافه من الذكاء الاصطناعي غير الكمومي. يلخص هذا الجدول مقارنة الواقع الحالي للذكاء الاصطناعي الكمومي بالوضع النظري المثالي.

مستقبل الذكاء الاصطناعي المدعوم بالكم

يمتلك الذكاء الاصطناعي الكمي القدرة على حل مشكلات لا تستطيع الحواسيب التقليدية، بل وحتى الحواسيب العملاقة، حلها. ومن المتوقع أن تُحدث تكنولوجيا الكم، بما فيها الذكاء الاصطناعي الكمي، ثورةً في مجالات الطب والتمويل والسيارات والهندسة والأمن السيبراني وغيرها من القطاعات، خلال العقدين المقبلين.

لكن المستقبل الواعد لا يغير الواقع المتمثل في أن الذكاء الاصطناعي الذي يعمل بالطاقة الكمية لم يتم نشره على نطاق واسع في العالم الحقيقي بعد.

تُدار جميع تقنيات الكمّ اليوم محليًا من قِبل مؤسسات عملاقة. إذا تمكّن الباحثون من تطوير أجهزة مناسبة وفعّالة من حيث التكلفة، والتحقق من كفاءة خوارزميات الذكاء الاصطناعي الكمّيّ، فقد يرسخ الذكاء الاصطناعي الكمّيّ مكانته ويصبح تقنية الحوسبة العظيمة القادمة واسعة الاستخدام، القادرة على نطاق واسع وقوة معالجة غير مسبوقة، مما يُؤدي إلى اكتشافات جديدة.