- IA cuantică combină algoritmii de inteligență artificială cu computerele cuantice, utilizând qubiți, superpoziție și entanglement pentru a aborda problemele de optimizare și simulare care sunt dificil de rezolvat cu hardware-ul clasic.
- Printre beneficiile sale potențiale se numără reducerea drastică a costurilor și timpului de antrenare a modelelor, îmbunătățirea preciziei predicțiilor în sectoarele critice și accelerarea cercetării în domeniul medicamentelor, materialelor, energiei sau climei.
- Dezvoltarea actuală se concentrează pe arhitecturi hibride, noi forme de învățare automată cuantică (QML) și ecosisteme industriale și academice precum Quantum Spain sau platforme precum Helios de la Quantinuum.
- Pe lângă avantajele sale, aceasta prezintă riscuri în criptografie, inegalitate geopolitică și securitate, care necesită migrarea către criptografia post-cuantică și stabilirea unor cadre pentru guvernanță și cooperare internațională.
Termenul „modele cuantice de inteligență artificială” sună a science fiction, dar de fapt descrie un domeniu foarte real, în care se investesc milioane de dolari în cercetare și dezvoltare în cadrul ecosistemului startup-urilor și antreprenoriatului . Acesta combină cele mai bune (și, totodată, cele mai complexe) aspecte a două lumi: inteligența artificială și calculul cuantic. Sau, mai simplu spus, unește creiere de siliciu extrem de inteligente cu computere care valorifică cele mai ciudate reguli ale fizicii.
Interesant este că această combinație nu se rezumă doar la a face aceleași lucruri pe care le facem astăzi, ci mai rapid. Inteligența artificială cuantică indică noi tipuri de algoritmi, modalități de învățare și metode de simulare a realității care pur și simplu nu sunt fezabile cu computerele clasice. De la găsirea de molecule pentru medicamente noi până la optimizarea rutelor de transport sau crearea de portofolii de investiții imposibile, potențialul este enorm... deși suntem încă într-un stadiu incipient și ne confruntăm cu multe provocări.
Ce este mai exact inteligența artificială cuantică?
Când vorbim despre inteligență artificială cuantică, ne referim la un domeniu multidisciplinar care se concentrează pe proiectarea de algoritmi de inteligență artificială care rulează, integral sau parțial, pe computere cuantice . Cu alte cuvinte, modele care profită de qubiți, suprapunere și entanglement, în loc să se limiteze la biții tradiționali, care pot fi doar 0 sau 1.
Cheia este că un qubit poate exista într-o suprapunere coerentă de 0 și 1 , iar mai mulți qubiți se pot înlănțui. Datorită acestor fenomene ale mecanicii cuantice, un procesor cuantic poate explora multe configurații în paralel, deschizând calea către algoritmi de optimizare, căutare și simulare radical diferiți de cei clasici.
În acest context, inteligența artificială cuantică se bazează pe subdomenii precum învățarea automată, învățarea prin recompensă și rețelele neuronale , dar reimaginate pentru arhitecturi cuantice. Nu este vorba doar despre accelerarea rețelelor neuronale existente, ci despre propunerea unor structuri complet noi, cum ar fi rețelele neuronale cuantice sau variantele de învățare prin recompensă care valorifică spații de stare mult mai mari.
Toate acestea sunt construite pe hardware cuantic extrem de specific : procesoare bazate pe qubiți supraconductori, ioni prinși, atomi neutri ultra-răciți sau fotoni , printre altele. Promisiunea este că, deși aceste sisteme sunt în prezent experimentale și zgomotoase, în viitor vor putea aborda probleme de inteligență artificială care sunt în prezent dificil de rezolvat.
Între timp, marii producători de soluții clasice de inteligență artificială efectuează experimente hibride care combină servere tradiționale și procesoare cuantice . Aceste medii de testare explorează cazuri de utilizare în viziunea computerizată, procesarea limbajului natural, controlul robotic și analiza datelor științifice, căutând întotdeauna acel avantaj cuantic care va face diferența.
Calculul cuantic: qubiți, superpoziție și entanglement
Pentru a înțelege de ce modelele de inteligență artificială cuantică sunt atât de promițătoare, este util să analizăm ce face un computer cuantic atât de special. În loc de biți, aceste mașini folosesc qubiți ca unitate de bază a informației . În timp ce un bit este fie 0, fie 1, un qubit poate fi 0, 1 și orice combinație liniară a ambelor stări simultan.
Pe lângă suprapunere, calculul cuantic se bazează pe inseparabilitatea cuantică , un fenomen prin care starea unui qubit este legată de cea a altuia, astfel încât măsurarea unuia îl afectează instantaneu pe celălalt, indiferent de distanță. Acest lucru permite corelații foarte puternice între qubiți și creează un spațiu de stări exponențial de mare.
În practică, aceasta înseamnă că un procesor cuantic poate gestiona implicit un număr gigantic de configurații paralele. Pentru sarcini precum optimizarea complexă, căutarea în spații vaste sau simularea sistemelor fizice și chimice , această capacitate este neprețuită. Și aici modelele de inteligență artificială cuantică pot deschide calea.
Calculatoarele cuantice actuale sunt încă prototipuri cu puțini qubiți utilizabili și mult zgomot. Cu toate acestea, există deja sisteme care pot demonstra superioritate cuantică în probleme specifice , iar lucrările sunt intense în desfășurare la tehnici de corectare a erorilor și arhitecturi mai stabile. Obiectivul pe termen mediu este de a realiza computere cuantice universale, tolerante la erori, care pot rula algoritmi complecși pentru perioade mai lungi fără a pierde coerența.
Între timp, industria investește masiv în arhitecturi hibride clasice-cuantice , unde componenta cuantică gestionează subrutine extrem de specifice (cum ar fi anumiți pași de optimizare sau simulare), în timp ce restul fluxului de lucru continuă să ruleze pe procesoare și GPU-uri clasice. Multe modele de inteligență artificială cuantică cercetate în prezent se încadrează în această abordare hibridă.
Beneficii cheie ale modelelor de inteligență artificială cuantică
Unul dintre cele mai mari avantaje ale inteligenței artificiale cuantice este potențialul de a reduce drastic costul antrenării modelelor de inteligență artificială . În prezent, antrenarea modelelor generative mari, cu miliarde de parametri, implică transmiterea unor cantități masive de date prin rețele neuronale profunde și complexe. Aceasta se traduce în milioane de operații de algebră liniară, săptămâni de timp de calcul pe clustere distribuite și un consum considerabil de energie.
În teorie, un procesor cuantic ar putea executa milioane de operațiuni în paralel pe reprezentări comprimate ale datelor , eliminând sau reducând semnificativ nevoia de infrastructuri distribuite masive. Configurațiile multiprocesor bazate pe nuclee cuantice ar permite antrenarea modelelor la scări pe care nici nu le putem imagina astăzi, cu un impact direct asupra costurilor economice și a amprentei de carbon.
Un alt domeniu cheie este îmbunătățirea preciziei predicțiilor IA . Multe sisteme actuale trebuie să simplifice lumea: presupun mai puține variabile, fac aproximări sau ignoră dependențele, deoarece hardware-ul clasic nu poate face mai bine. IA cuantică, prin gestionarea spațiilor de probabilitate mult mai bogate, ar putea încorpora mai mulți factori și relații, oferind rezultate mai nuanțate și mai fiabile în medii cu risc ridicat.
Imaginați-vă, de exemplu, modele cuantice pentru tranzacționarea acțiunilor, evaluarea bonității clienților sau prognoza lanțului de aprovizionare . Un astfel de sistem ar putea analiza datele de piață la un nivel extrem de detaliu, luând în considerare un număr vast de scenarii simultan și ar putea oferi semnale care să ofere investitorilor și companiilor un avantaj competitiv. Comparativ cu acestea, algoritmii actuali ar părea simple presupuneri sofisticate.
Inteligența artificială cuantică promite, de asemenea, să accelereze cercetarea științifică avansată în domenii precum medicina, clima, știința materialelor și chimia. Simularea reacțiilor chimice complexe, modelarea interacțiunilor atomice sau analiza seturilor de date climatice la scară planetară sunt sarcini cu o complexitate combinatorie imensă. Modelele de inteligență artificială cuantică ar putea aduce aceste simulări mai aproape de timpi și costuri gestionabile, deblocând noi medicamente, materiale sau soluții energetice.
Noi algoritmi și modalități de învățare: rețele neuronale și QML
Inteligența artificială cuantică nu doar „apasă accelerația” asupra a ceea ce există deja; ea deschide ușa către noi algoritmi de învățare și raționament . Un exemplu sunt rețelele neuronale cuantice, care utilizează qubiți și operații cuantice pentru a reprezenta și transforma informații, cu arhitecturi care pot exploata spații Hilbert de dimensiuni enorme.
La aceasta se adaugă învățarea automată cuantică (QML) , care cuprinde algoritmi special concepuți pentru procesoarele cuantice. Aceste tehnici utilizează qubiți pentru a stoca și manipula date în multe moduri simultan, explorând un număr vast de configurații în paralel. Rezultatul potențial este o capacitate superioară de a detecta modele ascunse și corelații complexe în date zgomotoase sau de înaltă dimensiune, cum ar fi datele genomice sau financiare de înaltă frecvență.
Un alt domeniu de activitate semnificativă este învățarea prin consolidare îmbunătățită cuantic . În această abordare, un agent învață să ia decizii secvențiale în medii cu multe rezultate și recompense posibile. Algoritmii cuantici ar putea ajuta la explorarea mai eficientă a spațiului politicilor, găsind strategii optime sau aproape optime în mai puține iterații decât omologii lor clasici.
Aceste inovații încep să schimbe modul în care concepem sistemele inteligente pentru sarcini precum planificarea pe termen lung, luarea deciziilor în timp real cu informații incomplete și controlul sistemelor fizice complexe . Domeniile în care IA clasică încă se confruntă cu dificultăți ar putea beneficia de modele cuantice capabile să gestioneze nativ incertitudinea și suprapunerea posibilităților.
Merită subliniat faptul că majoritatea acestor propuneri sunt încă în stadii incipiente: sunt testate în simulatoare cuantice și dispozitive cu puțini qubiți zgomotoși . Cu toate acestea, ele indică o direcție clară: pe măsură ce hardware-ul se îmbunătățește, acești algoritmi vor trece de la demonstrații academice la instrumente aplicabile problemelor industriale și științifice din lumea reală.
Istoria și evoluția inteligenței artificiale cuantice
Originile tuturor acestor lucruri datează de la începutul anilor 80, când Richard Feynman a propus utilizarea sistemelor cuantice pentru a simula alte sisteme fizice , lucru pe care computerele clasice nu îl pot face eficient în multe cazuri. Această idee a aprins scânteia calculului cuantic și a deschis o nouă frontieră acolo unde fizica și calculul s-au intersectat.
În anii 90, publicarea unor algoritmi precum cel al lui Shor pentru factorizarea numerelor mari și cel al lui Grover pentru accelerarea căutărilor a arătat clar că computerele cuantice, cel puțin pe hârtie, puteau rezolva anumite sarcini mult mai rapid decât omologii lor clasici. De atunci, a fost doar o chestiune de timp până când cineva a început să conecteze aceste progrese cu inteligența artificială.
La începutul anilor 2000, s-a făcut un pas semnificativ odată cu crearea Laboratorului de Inteligență Artificială Cuantică , condus de NASA, Google și Asociația Universitară de Cercetare Spațială. Această inițiativă a urmărit să exploreze modul în care calculul cuantic ar putea îmbunătăți învățarea automată și alte sarcini care necesită multă putere de calcul.
În paralel, grupuri de cercetare din întreaga lume au început să dezvolte algoritmi de învățare automată cuantică , explorând totul, de la metode de clasificare și clustering până la variante de rețele neuronale și tehnici de reducere a dimensionalității adaptate cadrului cuantic.
În ultimii ani, accentul s-a mutat către aplicații practice și arhitecturi hibride . Se desfășoară cercetări, de exemplu, privind utilizarea recoacerii cuantice pentru a rezolva probleme de optimizare și modele bazate pe porți pentru aplicații mai generale, cum ar fi învățarea automată, chimia cuantică și simularea materialelor avansate.
Aplicații sectoriale: de la finanțe la materiale noi
Atunci când conceptul de modele de inteligență artificială cuantică este aplicat unor sectoare specifice, apar scenarii foarte concrete. În domeniul financiar , de exemplu, combinația dintre inteligența artificială și calculul cuantic poate fi utilizată pentru a modela active, a identifica factorii de risc globali, a proiecta acoperiri împotriva riscurilor și a optimiza portofoliile de investiții în spații decizionale vaste.
Datorită capacității de a simula mai multe scenarii în paralel, o inteligență artificială cuantică ar putea evalua milioane de configurații de portofoliu, luând în considerare volatilitatea, corelațiile, lichiditatea și constrângerile de reglementare , găsind soluții care minimizează riscul sau maximizează randamentul mai precis decât modelele clasice.
În domeniile sănătății și farmacologiei , capacitatea de a simula reacții chimice complexe și structuri moleculare cu o precizie ridicată ar putea transforma complet descoperirea medicamentelor. În loc să se bazeze atât de mult pe testele fizice de tip încercare și eroare, mii de molecule candidate ar putea fi analizate și optimizate virtual înainte de a intra în laborator.
Există, de asemenea, un potențial enorm în știința materialelor și în dezvoltarea bateriilor avansate . Modelarea modului în care se comportă materialele la nivel cuantic ne permite să proiectăm compuși cu proprietăți foarte specifice: o stabilitate mai mare, o conductivitate mai bună, rezistență la anumite condiții extreme și așa mai departe. Acest lucru este esențial pentru sectoare precum energia, transporturile și electronica.
Logistica și transporturile ar beneficia de modele de inteligență artificială cuantică capabile să rezolve probleme de rutare, alocare a resurselor și planificare cu numeroase variabile dinamice (trafic, costuri energetice, disponibilitatea vehiculelor, vreme, restricții de reglementare etc.). Găsirea combinației optime în aceste cazuri este o provocare matematică în care algoritmii cuantici pot oferi avantaje.
Helios, Quantinuum și apariția mecanicii cuantice practice
În peisajul actual, anunțul Helios, sistemul de calcul cuantic al Quantinuum , iese în evidență, fiind considerat de mulți un salt semnificativ înainte. În calculul cuantic, metrica cheie nu este atât numărul brut de qubiți, cât fidelitatea: capacitatea de a efectua operații cuantice cu foarte puține erori.
Helios folosește tehnologia ionilor captați controlată de lasere ultrastabile , cu o arhitectură în care toți cei 56 de qubiti de pe cip sunt complet conectați: orice qubit poate interacționa cu oricare altul. Acest tip de topologie simplifică implementarea algoritmilor complecși și reduce necesitatea unor operațiuni suplimentare pentru a „aduce împreună” qubiti distanțați, ceea ce introduce în mod normal erori.
Conform datelor Quantinuum, Helios atinge fidelități ale porților care depășesc 99,99% , reducând drastic zgomotul cuantic și apropiind posibilitatea aplicării corecției erorilor într-un mod gestionabil. Acest nivel de precizie marchează tranziția de la mecanica cuantică pur experimentală la „mecanica cuantică practică”, unde pot fi implementați algoritmi utili clienților din lumea reală.
O inovație cheie în ecosistemul Helios este integrarea sa cu NVIDIA . Ideea este de a combina puterea masivă a GPU-urilor clasice cu procesoarele cuantice în fluxuri de lucru hibride bazate pe inteligență artificială. Sub umbrela GenQAI (Generative Quantum AI), propunerea este ca modelele generative să poată explora configurații moleculare, să proiecteze materiale sau să caute noi medicamente, bazându-se pe reprezentări cuantice ale spațiilor de probabilitate care sunt imposibil de gestionat în mod clasic.
Quantinuum oferă Helios prin platforma sa InQuanto, orientată în principal către sectoare precum energie, produse chimice, finanțe, industria aerospațială și apărare . Accentul nu se pune pe crearea de demonstrații extravagante, ci mai degrabă pe rezolvarea unor probleme specifice de optimizare și simulare care sunt foarte dificil de abordat cu hardware pur tradițional.
Inițiative, companii și ecosisteme din jurul inteligenței artificiale cuantice
În ecosistemul calculului cuantic, mai multe companii deschid direct sau indirect calea pentru modelele de inteligență artificială cuantică. În 2021, de exemplu, nume precum Atom Computing, Xanadu, ColdQuanta, Zapata Computing și Azure Quantum s-au remarcat , fiecare cu propria abordare a hardware-ului, software-ului și serviciilor.
Unele dintre aceste companii se specializează în hardware bazat pe atomi neutri ultra-răciți, prinși optic, manipulați cu lasere de înaltă precizie. Această abordare își propune să creeze computere cuantice scalabile, accesibile de la distanță prin intermediul cloud-ului, permițând cercetătorilor și companiilor să experimenteze fără a fi nevoie de hardware fizic.
Alte companii investesc în ecosisteme software deschise care oferă acces la diferite tipuri de hardware cuantic prin platforme scalabile și sigure, anticipând o tranziție treptată către un viitor cuantic în care coexistă mai multe tehnologii. Aici intră în joc framework-urile, SDK-urile și instrumentele de dezvoltare, concepute pentru a permite inginerilor de date și oamenilor de știință din domeniul inteligenței artificiale să integreze componente cuantice în fluxurile lor de lucru.
Există, de asemenea, actori care dezvoltă seturi de instrumente complete pentru calculul cuantic , inclusiv simulatoare, resurse clasice de suport și fluxuri de lucru orchestrate. Aceste tipuri de soluții facilitează experimentarea cu algoritmi de inteligență artificială cuantică chiar înainte ca hardware-ul comercial să atingă dimensiunea și stabilitatea dorite.
În cele din urmă, unele companii se concentrează direct pe comercializarea tehnologiilor bazate pe atomi ultra-răciți și sisteme laser de precizie , care sunt utile nu doar pentru calculul cuantic, ci și pentru senzori, ceasuri atomice și alte dispozitive de înaltă precizie care pot fi integrate cu sisteme de inteligență artificială pentru aplicații industriale foarte specifice.
Spania, Spania cuantică și oportunități profesionale
Deși Spania nu se numără în prezent printre liderii mondiali în domeniul calculului cuantic, ia măsuri semnificative pentru a evita ieșirea din top 20 în aceste tehnologii exponențiale , datorită unor proiecte inovatoare . Un punct de cotitură a fost aprobarea, în noiembrie 2021, a unei subvenții inițiale de 22 de milioane de euro (extensibilă la 60 de milioane de euro pe parcursul a trei ani) pentru crearea unui ecosistem de calcul cuantic în țară.
Acest efort este structurat în jurul proiectului Spania cuantică , aliniat cu Planul de redresare, agenda Spania digitală 2025 și Strategia națională pentru inteligență artificială. Scopul este de a dezvolta un computer cuantic de înaltă performanță și de a-l pune la dispoziția întreprinderilor, a sectorului public și a comunității de cercetare pentru a stimula aplicații avansate de inteligență artificială, inclusiv învățarea automată cuantică.
Quantum Spain își propune să creeze un ecosistem cuantic competitiv în sudul Europei , cu implicații pe termen mediu și lung pentru hardware-ul și software-ul de înaltă tehnologie și crearea de locuri de muncă calificate. Unul dintre obiectivele sale explicite este lansarea primei infrastructuri de calcul cuantic din regiune, accesibilă de la distanță, astfel încât industria și agențiile guvernamentale să poată experimenta cu noi algoritmi.
Acest tip de inițiativă generează noi profiluri și oportunități profesionale , atât în cercetarea academică (doctorate, grupuri de laborator), cât și în departamentele de inovare ale companiilor care doresc să se poziționeze în cursa cuantică. Organizații precum Fundația COMPUTAEX au lansat deja oferte legate de Spania Cuantică, axate pe sarcini precum construirea procesorului cuantic, crearea serviciului de acces la distanță în cloud și dezvoltarea de biblioteci de algoritmi cuantici pentru probleme din lumea reală.
Între timp, centre de excelență precum Institutul Max Planck pentru Știința Luminii investighează utilizarea algoritmilor de inteligență artificială ca sursă de inspirație în fizica cuantică, explorând aplicații în telescoape și microscoape cuantice îmbunătățite, precum și în noi surse pentru computerele cuantice. Toate acestea indică un viitor în care inteligența artificială și infrastructura cuantică se vor alimenta reciproc.
Avantaje, riscuri și măsuri de atenuare
Combinația dintre inteligența artificială și calculul cuantic nu este doar o discuție și titluri de presă. De fapt, experți precum Josep Curto , de la Universitatea Deschisă din Catalonia, propun scenarii foarte concrete: accelerarea exponențială a antrenamentului modelelor, simularea ultra-precisă a sistemelor fizice și chimice și crearea de noi algoritmi capabili să exploreze spații vaste de posibilități.
Totuși, această tehnologie este în mod clar duală: oferă beneficii enorme, dar și riscuri serioase . Unul dintre cele mai frecvent citate este potențialul colaps al criptografiei cu cheie publică atunci când computerele cuantice tolerante la erori sunt capabile să execute algoritmul lui Shor la scară largă. Protocoale precum RSA sau ECC, care protejează în prezent comerțul electronic, serviciile bancare, VPN-urile și comunicațiile guvernamentale, ar putea deveni învechite.
Dacă se va dobândi capacitatea de a sparge aceste sisteme înainte ca criptografia post-cuantică (PQC) să se răspândească , toate datele criptate cu tehnologii vulnerabile - dosare medicale, secrete comerciale, informații militare - ar putea fi expuse. Acest lucru ar submina încrederea în infrastructura digitală globală și ar deschide calea către atacuri la scară largă.
Un alt risc este creșterea inegalității digitale și geopolitice . Dezvoltarea și operarea computerelor cuantice de înaltă performanță necesită un nivel de investiții, talente și resurse disponibile pentru foarte puține țări și corporații. State precum SUA sau China, și companii precum IBM sau Google, ar putea concentra puterea de calcul exponențială, exacerbând decalajul economic și de putere față de restul lumii.
În plus, inteligența artificială cuantică poate amplifica riscurile de securitate în sistemele cu impact ridicat . Un atacator cu acces la învățarea automată cuantică ar putea analiza modele defensive (de exemplu, detectarea fraudelor sau recunoașterea facială) pentru a localiza vulnerabilități și a proiecta atacuri de evitare a atacurilor mai rapide și mai eficiente. Rețelele electrice, managementul traficului aerian sau sistemele financiare bazate pe inteligența artificială clasică ar putea fi destabilizate de adversari cu capabilități cuantice.
Guvernanță, criptografie post-cuantică și starea actuală a cursei
Pentru a aborda aceste riscuri, sunt propuse mai multe măsuri care ar trebui luate în serios înainte ca tehnologia să ajungă la maturitate deplină. Una dintre cele mai urgente este promovarea unei migrații ordonate către criptografia rezistentă la procesele cuantice . Guvernele și autoritățile de reglementare trebuie să stabilească termene și obligații clare pentru eliminarea treptată a protocoalelor vulnerabile și adoptarea standardelor PQC, cum ar fi cele selectate de NIST în Statele Unite.
De asemenea, este crucial să se revizuiască depozitele de date sensibile pe termen lung (informații medicale, secrete militare, proprietate intelectuală critică) și să se decripteze folosind algoritmi post-cuantici înainte ca computerele cuantice universale să devină realitate. Trebuie să împiedicăm pe cineva să „captureze astăzi și să decripteze mâine” volume mari de informații.
În paralel, sunt necesare o guvernanță transparentă și o cooperare internațională autentică . Urmând exemplul unor cadre precum Legea UE privind inteligența artificială, ar trebui solicitată transparența în ceea ce privește utilizarea inteligenței artificiale cuantice în sistemele cu risc ridicat, iar crearea de consorții deschise ar trebui încurajată pentru a democratiza accesul la simulatoare, instrumente QML și resurse de formare pentru universități și IMM-uri.
O altă piesă a puzzle-ului este tratarea anumitor componente cuantice drept bunuri cu dublă utilizare (civilă și militară) , stabilind acorduri internaționale care limitează exportul de hardware cuantic avansat către țări cu un istoric discutabil în materie de securitate cibernetică sau drepturile omului. Cooperarea în domeniul inteligenței artificiale și al calculului cuantic nu poate fi o situație de tipul „fiecare pentru sine”, deoarece impactul este global.
Toate acestea trebuie făcute cu o înțelegere clară a situației actuale. În prezent, nu trăim încă în era computerelor cuantice universale, tolerante la erori. Mașinile disponibile - de la IBM, Google, IonQ și alții - rămân prototipuri cu qubiți intermediari și mult zgomot , cu o profunzime computațională limitată și cazuri de utilizare practică foarte specifice.
Dintr-o perspectivă geopolitică, există în mod clar o cursă pentru talente și pentru construirea de ecosisteme academice și industriale , similară cu ceea ce am văzut în cazul inteligenței artificiale în ultimul deceniu. Din punct de vedere tehnologic, eforturile se concentrează atât pe accelerarea subrutinelor inteligenței artificiale tradiționale, cât și pe utilizarea inteligenței artificiale (clasice) în sine pentru a îmbunătăți designul hardware-ului cuantic, a reduce zgomotul, a optimiza arhitectura qubit și aranjamentul criostatelor și al altor componente.
Privind în viitorul de 10 sau 15 ani, mulți experți consideră că inteligența artificială cuantică va depăși prototipul său cu potențial ridicat și va deveni un instrument de zi cu zi în laboratoare, spitale, centre de date și industrii majore. Provocarea nu mai este dacă va ajunge, ci mai degrabă pregătirea organizațiilor, instituțiilor și societăților pentru a coexista cu aceste modele de inteligență artificială. Bazate pe fizica cuantică, aceste modele ne vor permite să explorăm probleme care sunt în prezent insurmontabile și, în același timp, ne vor impune să luăm foarte în serios securitatea, etica și guvernanța tehnologică.
