Meskipun melatih model bahasa besar (LLM) pada komputer kuantum saat ini masih menjadi tantangan, temuan terbaru menunjukkan sinergi yang menjanjikan antara komputasi kuantum dan kecerdasan buatan. Para ahli di IBM dan Eviden (grup Atos) sedang menjajaki potensi ini, mengungkapkan kemajuan di beberapa bidang utama.
Sebuah studi tahun 2021 di Nature Computational Science menunjukkan bahwa jaringan saraf kuantum dapat dilatih lebih cepat daripada rekan klasik mereka, mengisyaratkan potensi signifikan dengan jaringan yang lebih besar. Komputasi kuantum unggul dalam masalah optimasi, memungkinkan penyetelan halus parameter jaringan saraf untuk prediksi yang lebih akurat.
Badan Antariksa Eropa (ESA) memamerkan kekuatan komputasi kuantum dalam visi komputer, mencapai tingkat pengenalan gambar 96% dengan jaringan saraf kuantum, dibandingkan dengan 85% dengan jaringan klasik, menggunakan gambar satelit untuk mendeteksi gunung berapi yang meletus. Model kuantum menggunakan parameter yang jauh lebih sedikit, menghasilkan konsumsi energi dan data yang lebih rendah.
Penelitian yang diterbitkan di Nature Communications pada tahun 2024 semakin memperkuat temuan ini, menunjukkan bahwa model kuantum dapat mencapai akurasi yang sama dengan model klasik dengan data sepuluh kali lebih sedikit. Komputasi kuantum juga memfasilitasi pembuatan data sintetis berkualitas tinggi untuk pelatihan model dan meningkatkan deteksi pola dalam kumpulan data kompleks, yang bermanfaat bagi bidang-bidang seperti kimia dan ilmu material.
Kemajuan ini menunjukkan kemampuan komputasi kuantum untuk meningkatkan presisi dengan model yang lebih kecil, mengoptimalkan kinerja, dan mempercepat hasil yang andal, yang berpotensi merevolusi aplikasi AI.