Pytanie: „Dlaczego teraz inwestować w obliczenia kwantowe?” to pytanie, o które powinien zapytać każdy CIO.
W porównaniu z ewolucyjną ścieżką tradycyjnego przetwarzania danych Sergio Gago, dyrektor zarządzający ds. sztucznej inteligencji (AI), uczenia maszynowego i technologii kwantowej w Moody’s, mówi: „W branży żartowaliśmy, że obliczenia kwantowe pojawiły się mniej więcej pod koniec lat 60. lub na początku Lata 70., klasyczne informatyki, kiedy ludzie pytali: „Jak to właściwie kodujesz?”. Jaki jest stos?”. Decydując się na inwestycję w technologię obliczeń kwantowych, należy wziąć pod uwagę możliwości rynkowe.
Zaznacza jednak, że tak żadnej przewagi kwantowej dla procesów biznesowych dzisiaj: „Bez względu na to, co mówią niektórzy producenci sprzętu kwantowego, dziś mamy tablice bramek programowalnych przez użytkownika [devices] i duże klastry sprzętowe. To technologie, które znamy bardzo dobrze. Można zrobić wszystko, ale z wieloma ograniczeniami obliczeniowymi.
Badanie przeprowadzone przez Corinium Global Intelligence we współpracy z Moody’s Analytics wykazało, że 87% ankietowanych obecnie analityków danych z sektora finansowego nie mają budżetu na inicjatywy kwantowe.
Według Gago wiele osób próbuje znaleźć zwrot z inwestycji (ROI) w utworzenie zespołu specjalistów zajmujących się obliczeniami kwantowymi: „Odpowiedź brzmi: nie. Nie można nad tym pracować z perspektywy zwrotu z inwestycji”.
Zamiast tego twierdzi, że liderzy technologiczni powinni spróbować oszacować wartość, jaką zespół kwantowy wniesie do firmy, i wykorzystać ją do uzasadnienia inwestycji dla firmy. Jako przykład propozycji dla firm rozważających wykorzystanie obliczeń kwantowych do przyspieszenia określonego problemu obliczeniowego Gago podaje: „Wierzymy, że w przypadku tego konkretnego problemu możemy go uruchomić wykładniczo szybciej, co oznacza, że mamy przewagę konkurencyjną polegającą na wyłącznie dla nas lub możemy uruchomić go dla znacznie większej liczby przypadków zamiast kilku portfeli lub możemy uruchomić go w czasie rzeczywistym, co zapewnia dużą wartość dla naszych klientów.
Gago wierzy, że w chemii i takich obszarach jak finanse zdolność rozwiązywania złożonych problemów szybko osiągnie pułap, co będzie oznaczać, że w pewnym momencie w przyszłości klasycznym informacjom zabraknie mocy obliczeniowej potrzebnej do szybkiego poradzenia sobie z takimi problemami .
„Istnieją pewne problemy, na przykład w branży finansowej, w której każdy jest całkowicie ograniczony tym, co może zrobić. Dlatego w obliczeniach ryzyka kredytowego wszyscy przybliżamy odpowiedzi” – dodaje.
Projektowanie możliwości
Moody’s dysponuje armią kwantystów specjalizujących się w rodzajach symulacji Monte Carlo, które hybrydyzują z uczeniem maszynowym i sztuczną inteligencją (AI). Jego zdaniem zespół ten przesuwa granice klasycznej informatyki. Jednak matematyka pokazuje, że komputer kwantowy miałby moc obliczeniową potrzebną do rozwiązania tych trudnych problemów.
Zespół Moody’s pracuje obecnie nad wykorzystaniem klasycznych komputerów, które mogą symulować aplikacje komputerów kwantowych. Symulacje te testują to, co Gago opisuje jako „drobne problemy”.
„Dzięki tym informacjom możemy faktycznie ekstrapolować i powiedzieć, że gdy będziemy mieli wystarczającą liczbę kubitów z korekcją błędów, które są wysokiej jakości i mają wysokie częstotliwości taktowania i są połączone w sieć, będziemy mogli uruchomić te algorytmy i uzyskać wykładnicze przyspieszenie do konkretnych problemów”, mówi Gago.
Zapytany o postępy w branży w zakresie rozwiązywania problemów obliczeniowych, przed którymi stoi sektor finansowy, Gago odpowiada, że Moody’s rozmawia z wieloma firmami kwantowymi, z których każda ma własną własność intelektualną, własne pomysły i świetne badania.
Mówi jednak: „Co większość z nich brak to zrozumienie domeny branżowej. Tak więc rzeczywiście widzisz firmy, które twierdzą, że mogą przyspieszyć algorytm, ale znając naszą branżę, zdajesz sobie sprawę, że tak naprawdę nie stanowi to problemu.
Przeprowadzanie symulacji na klasycznych komputerach i ekstrapolacja wymaganej mocy obliczeniowej może, jego zdaniem, wykazać, że do rozwiązania konkretnego problemu obliczeniowego potrzebnych będzie 700 kubitów logicznych. Istnieje branżowy plan działania, na podstawie którego liderzy technologii mogą w przybliżeniu oszacować, ile lat będą musieli poczekać, zanim dostępny będzie gotowy do produkcji komputer kwantowy z 700 kubitami logicznymi.
„To wystarczający plan, ale ten horyzont przyszłości opiera się na dzisiejszych informacjach. Ale to, co dzieje się w tej dziedzinie, polega na tym, że co tydzień następuje jakiś nowy przełom” – mówi Gago.
Na przykład wskazuje na niedawną wiadomość Quantinuum, że badaczom udało się uzyskać trzy splątane kubity logiczne. Odnosząc się do znaczenia tego przełomu, Gago dodaje: „Myślę, że teraz otrzymujemy wskazówki dotyczące początku ery obliczeń kwantowych odpornych na błędy”.
Z czysto praktycznego punktu widzenia Gago twierdzi, że przełom jest analogiczny do supremacja kwantowa eksperymenty IBM lub Google: „Przeprowadzono je na problemach całkowicie oderwanych od rzeczywistego problemu, ale czy to oznacza, że te przełomowe odkrycia są nieistotne lub bezużyteczne? Absolutnie nie.
„Gdyby 10 lat temu zapytać naukowców, kiedy będziemy mieli kubity logiczne, wielu odpowiedziałoby, że nigdy, a inni prawdopodobnie odpowiedzieliby, że do końca następnego stulecia. Ale teraz wiemy, że jest to możliwe. To swego rodzaju początek dodatkowych badań i skalowalności, nad którymi branża może zacząć pracować”.
Uzasadnienie inwestycji kwantowych
Niektórym liderom IT nieuchronnie będzie trudno uzasadnić inwestycję, biorąc pod uwagę poziom niepewności w obliczeniach kwantowych. Gago uważa jednak, że nie powinno to powstrzymywać ich od planowania i twierdzi, że w ten sposób firmom przodującym w dziedzinie sztucznej inteligencji udało się wykorzystać tę technologię do osiągnięcia przewagi konkurencyjnej.
„Niektóre firmy, w tym my, wdrożyły generatywną sztuczną inteligencję [GenAI] i wiemy, jak z niego korzystać. Jednak wiele innych firm nie ma pojęcia, od czego zacząć” – dodaje.
Dzięki sztucznej inteligencji firmy musiały przygotować się na strategię sztucznej inteligencji, zanim technologia osiągnie dojrzałość przedsiębiorstwa. Dla Gago oznacza to wdrożenie zarządzania danymi i potoków danych. Jak mówi, Moody’s od 10 lat inwestuje w sztuczną inteligencję, mając dane na właściwym miejscu i warstwę orkiestracji hurtowni danych. Jego zdaniem tego brakuje w wielu firmach. Gdy te elementy zostaną już wdrożone, zdaniem Gago wdrożenie GenAI będzie możliwe stosunkowo szybko.
„Myślę, że teraz otrzymujemy wskazówki dotyczące początku ery obliczeń kwantowych odpornych na błędy”
Sergio Gago, Moody’s
Z badania Corinium Global Intelligence wynika, że 82% analityków zajmujących się danymi w instytutach finansowych uważa, że niedojrzałość obliczeń kwantowych stanowi przeszkodę w rozwoju technologii w ich organizacjach.
W przypadku Gago miało to miejsce również w początkach sztucznej inteligencji dla przedsiębiorstw. „Jeśli zadajesz sobie pytanie, jaki będzie moment ChatGPT dla Quantum, z pewnością nie będzie to przyszły rok” – mówi.
Nie powinno to jednak powstrzymywać firm od przygotowań. W końcu, jak mówi Gago, badacze Google opublikowali swój artykuł, Transformator: nowatorska architektura sieci neuronowej do rozumienia języka, w 2017 r. – badania, które doprowadziły do pojawienia się generatywnej sztucznej inteligencji. Jednak zanim technologia ta stała się głównym nurtem, minęło cztery do pięciu lat.
Ważne jest to, że zamiast próbować obliczać zwrot z inwestycji, Gago zachęca liderów IT do określenia problemów obliczeniowych, których po prostu nie da się rozwiązać za pomocą klasycznych architektur komputerów. Zrozumienie korzyści dla organizacji wynikających z rozwiązania tych problemów może pomóc w określeniu debaty na temat finansowania.
I choć może to być postrzegane jako długoterminowe zaangażowanie w coś, co może zająć wiele lat, z rozmowy z Gago wynika, że posiadanie odpowiedniej wiedzy specjalistycznej i technologii nieuchronnie doprowadzi do strategicznej przewagi w miarę dojrzewania obliczeń kwantowych.
