Ни одна корпоративная ИИ-нагрузка промышленного масштаба не будет выполняться на квантовом оборудовании до 2028 года. Во всех производственных сценариях доминирующую роль сохранит классический ИИ, работающий на ускорителях вычислений. Такой прогноз представила исследовательская компания Gartner.

Кроме того, по данным Gartner, на сегодняшний день не существует ни одного рецензируемого научного исследования, которое подтверждало бы преимущество квантовых вычислений при выполнении промышленных ИИ-нагрузок.

«Когда поставщики говорят о „квантовом ИИ“, в большинстве случаев речь идет о гибридных или квантово-вдохновленных технологиях, а не о квантовом ИИ, работающем на квантовом оборудовании в корпоративном масштабе», — отметил Чираг Декате (Chirag Dekate), вице-президент и аналитик Gartner. «Настоящие квантовые вычисления пока не готовы к выполнению каких-либо промышленных ИИ-нагрузок и, вероятнее всего, не будут готовы до конца текущего десятилетия. Более того, сегодня отсутствуют рецензируемые научные результаты, подтверждающие превосходство квантовых вычислений при выполнении реальных ИИ-нагрузок».

Под квантовым ИИ (Quantum AI) Gartner понимает методы искусственного интеллекта и машинного обучения, которые требуют выполнения именно на квантовом компьютере и способны обеспечить преимущества по производительности, стоимости или функциональности по сравнению с классическими вычислениями.

По словам Декате, для появления отказоустойчивых квантовых компьютеров, способных обеспечить ощутимые преимущества при выполнении ИИ-задач, необходимы серьезные технологические прорывы сразу в четырех направлениях:

  • аппаратная платформа;
  • механизмы коррекции ошибок;
  • промежуточное программное обеспечение (middleware);
  • специализированные алгоритмы.

Gartner предлагает различать несколько направлений

Аналитики отмечают, что понятие «квантовый ИИ» часто смешивают с другими технологиями.

  • Классический ИИ — это современные модели глубокого обучения, трансформеры и методы обучения с подкреплением, полностью работающие на CPU, GPU и TPU. Именно они сегодня обеспечивают измеримый экономический эффект для предприятий.
  • Квантово-вдохновленный ИИ — классические алгоритмы, использующие идеи квантовой механики (например, квантовый отжиг, тензорные сети или амплитудное кодирование), но выполняющиеся на традиционном оборудовании. Такие методы уже применяются при оптимизации, моделировании и выборке данных и не требуют квантовых компьютеров.
  • Гибридные квантово-классические методы — экспериментальные решения, в которых небольшие квантовые схемы работают совместно с классическими ИИ-системами или комплексами высокопроизводительных вычислений (HPC). Они используются главным образом в исследованиях и пилотных проектах, но не в промышленной эксплуатации.

Именно гибридные и квантово-вдохновленные технологии, по мнению Gartner, чаще всего поставщики называют «квантовым ИИ».

Риск преждевременных инвестиций

В Gartner считают, что маркетинговая активность поставщиков вокруг объединения квантовых вычислений и ИИ будет только усиливаться. Под давлением советов директоров, опасающихся «упустить квантовую революцию», компании могут начать перераспределять бюджеты с проектов, приносящих реальную отдачу, на исследования, которые не смогут обеспечить практическую ценность раньше 2030 года.

Поэтому Gartner прогнозирует, что отказоустойчивые квантовые вычисления останутся на стадии исследований и разработок в сфере ИИ как минимум до 2030 года, поскольку количество логических кубитов будет недостаточным для экономически эффективного выполнения полноценных ИИ-алгоритмов.

Бюджеты на квантовые технологии и ИИ следует разделять

По мнению Gartner, инвестиции в квантовые технологии и промышленный искусственный интеллект имеют совершенно разные горизонты окупаемости, экономику и требования к управлению.

Генеративный ИИ способен приносить измеримые результаты уже через 12–18 месяцев, повышая скорость выполнения задач, точность и уровень автоматизации. В то же время квантовый ИИ пока не продемонстрировал измеримого эффекта ни на одной промышленной нагрузке и, как ожидается, не сможет сделать этого в обозримом будущем.

«Объединение этих бюджетов размывает ответственность за оба направления и приводит к тому, что потенциальные квантовые разработки начинают вытеснять проекты по развитию промышленного ИИ», — отметил Декате. «Сегодня ИТ-директора относят генеративный ИИ, агентный ИИ, кибербезопасность и облачные технологии к числу приоритетных направлений инвестиций. Квантовые технологии в этих списках практически не фигурируют. Те компании, которые уже инвестируют в квантовые разработки, делают это в значительно меньших объемах, чем в генеративный ИИ, и не рассчитывают на быструю окупаемость».

Рекомендации Gartner

Для эффективного использования квантовых технологий Gartner рекомендует предприятиям:

  • внедрять квантово-вдохновленные алгоритмы в существующий ИИ-стек, используя современную GPU-инфраструктуру. В задачах оптимизации, генеративного ИИ, линейной алгебры, анализа графов и обучения с подкреплением такие решения уже обеспечивают преимущества без затрат и ограничений, связанных с квантовым оборудованием;
  • заранее определять критерии завершения пилотных проектов. Каждый эксперимент с квантовыми технологиями должен иметь четкие показатели успеха, эталонное сравнение с классическими вычислениями и заранее установленные условия прекращения проекта, если ожидаемый эффект не достигнут;
  • оценивать действительно важные показатели развития квантовых вычислений. Ключевым индикатором Gartner считает не количество физических кубитов, а число логических кубитов, способных работать с приемлемым уровнем ошибок. Наибольшее значение для бизнеса будут иметь достижения в области коррекции ошибок, калибровки с использованием ИИ и систем управления квантовыми вычислениями, а не заявления производителей о выпуске процессоров с большим количеством физических кубитов.

Источник: