Mặc dù việc đào tạo các mô hình ngôn ngữ lớn (LLM) trên các máy tính lượng tử hiện tại vẫn là một thách thức, nhưng những phát hiện gần đây cho thấy sự hợp lực đầy hứa hẹn giữa điện toán lượng tử và trí tuệ nhân tạo. Các chuyên gia tại IBM và Eviden (tập đoàn Atos) đang khám phá tiềm năng này, tiết lộ những tiến bộ trong một số lĩnh vực chính.
Một nghiên cứu năm 2021 trên Nature Computational Science đã chứng minh rằng mạng nơ-ron lượng tử có thể được đào tạo nhanh hơn so với các mạng cổ điển, gợi ý tiềm năng đáng kể với các mạng lớn hơn. Điện toán lượng tử vượt trội trong các bài toán tối ưu hóa, cho phép tinh chỉnh các tham số mạng nơ-ron để dự đoán chính xác hơn.
Cơ quan Vũ trụ Châu Âu (ESA) đã giới thiệu sức mạnh của điện toán lượng tử trong thị giác máy tính, đạt được tỷ lệ nhận dạng hình ảnh 96% với mạng nơ-ron lượng tử, so với 85% với mạng cổ điển, sử dụng hình ảnh vệ tinh để phát hiện các núi lửa đang phun trào. Mô hình lượng tử sử dụng ít tham số hơn đáng kể, dẫn đến tiêu thụ năng lượng và dữ liệu thấp hơn.
Nghiên cứu được công bố trên Nature Communications năm 2024 tiếp tục củng cố những phát hiện này, cho thấy rằng một mô hình lượng tử có thể đạt được độ chính xác tương tự như các mô hình cổ điển với lượng dữ liệu ít hơn mười lần. Điện toán lượng tử cũng tạo điều kiện thuận lợi cho việc tạo ra dữ liệu tổng hợp chất lượng cao để đào tạo mô hình và cải thiện khả năng phát hiện các mẫu trong các tập dữ liệu phức tạp, mang lại lợi ích cho các lĩnh vực như hóa học và khoa học vật liệu.
Những tiến bộ này chỉ ra khả năng của điện toán lượng tử trong việc tăng cường độ chính xác với các mô hình nhỏ hơn, tối ưu hóa hiệu suất và tăng tốc kết quả đáng tin cậy, có khả năng cách mạng hóa các ứng dụng AI.