La computación cuántica mejora la inteligencia artificial sin aumentar su tamaño
Un nuevo estudio ha demostrado que es posible mejorar el rendimiento de un modelo de lenguaje de 8.000 millones de parámetros mediante la adición de solo 6.000 parámetros cuánticos. Este avance se logra sin modificar la arquitectura original del modelo, lo que representa un cambio significativo en la forma en que se pueden optimizar los sistemas de inteligencia artificial. El equipo de investigación, liderado por Roman Orús de Multiverse Computing, ha utilizado un adaptador cuántico para realizar proyecciones geométricas de manera más eficiente, aprovechando propiedades de la mecánica cuántica.
El experimento se llevó a cabo en un procesador cuántico físico, el IBM Quantum System Two, y logró una mejora del 1,4% en la perplejidad del modelo LLaMA 3.1 8B. Aunque esta mejora puede parecer pequeña, es notable en el contexto de modelos de esta escala y con un número tan reducido de parámetros adicionales. Este avance sugiere que es posible optimizar el rendimiento de los modelos de lenguaje sin necesidad de aumentar drásticamente los recursos computacionales, lo que podría tener implicaciones significativas para el futuro de la inteligencia artificial.
A medida que los modelos de lenguaje continúan creciendo, enfrentan limitaciones físicas y costos energéticos cada vez mayores. La propuesta de Orús y su equipo no busca reemplazar la infraestructura existente, sino complementarla. Si los adaptadores cuánticos pueden realizar operaciones complejas a un costo menor, el desarrollo de modelos de lenguaje podría seguir avanzando sin duplicar la demanda de memoria y energía. Leer la noticia original
https://muyinteresante.okdiario.com/ciencia/circuitos-cuanticos-limitaciones-memoria-ia.html
