Exact softmax sampling from residual quantum overlaps

في عالم الذكاء الاصطناعي الحديث، تعمل آلية محددة تسمى "الانتباه" (attention) كطريقة للدماغ لتحديد المعلومات الأكثر أهمية. فعندما يقرأ الكمبيوتر جملة، فإنه لا يعامل كل كلمة بنفس الوزن؛ بل يتعلم التركيز على الأجزاء الأكثر صلة، تماماً كما قد يقوم القارئ البشري بتصفح صفحة للعثور على الفكرة الرئيسية. وللقيام بذلك، يحسب النظام درجة لكل اتصال ممكن بين الكلمات، ويحول تلك الدرجات إلى احتمالات، ثم يستخدم تلك الاحتمالات لخلط قطع مختلفة من المعلومات معاً. هذه العملية ثقيلة حسابياً، وتتطلب كميات هائلة من الحسابات لضمان اختيار النظام للتركيز الصحيح. ومع نمو هذه الأنظمة، بدأ الباحثون يتساءلون عما إذا كانت قوانين الفيزياء الكمومية الغريبة يمكن أن تساعد في إجراء هذه الحسابات بكفاءة أكبر، وربما باستخدام الخصائص الفريدة للجسيمات الكمومية لأخذ عينات من هذه الاحتمالات مباشرة.

تستكشف دراسة جديدة أجراها فيكرام ليكس من شركة KarLex AI هذا السؤال تحديداً، ولكن مع تحول جوهري: فهي تبحث فيما إذا كان النهج الكمومي يمكنه بالفعل أخذ عينات من هذه الاحتمالات بشكل صحيح دون الادعاء بأنه أسرع من الحواسيب الكلاسيكية الحالية. يركز البحث على تحدٍ رياضي محدد: كيفية استخدام جهاز كمومي لاختيار نتيجة واحدة من مجموعة معقدة من الاحتمالات، حيث تعتمد فرصة اختيار كل منها على عملية حسابية أسّية. يجمع المؤلف بين طريقة معروفة لتوليد الأرقام العشوائية وتقنية تقسم المشكلة إلى جزئين: جزء يمكن حسابه بسهماً على حاسوب عادي، وجزء "متبقٍ" (residual) صغير بما يكفي ليتم قياسه بواسطة جهاز كمومي. كان الهدف هو معرفة ما إذا كان هذا النهج الهجين يمكن أن ينتج نتيجة دقيقة وغير منحازة مع إدارة تكلفة القياسات المطلوبة.

يتضمن جوهر العمل استراتيجية أخذ عينات ذكية تعمل مثل سلسلة من رميات العملة المعدنية. تخيل محاولة اختيار فائز من مجموعة كبيرة حيث لا تتساوى الاحتمالات. الطريقة المقترحة هنا تحسب أولاً تقديراً تقريبياً للاحتمالات باستخدام الرياضيات الكلاسيكية. ثم، بالنسبة لما تبقى من عدم اليقين، تستخدم واجهة كمومية لإجراء سلسلة من الاختبارات الثنائية. إذا اجتازت الاختبارات عتبة معينة، يقبل النظام الاختيار؛ وإذا فشلت، يتم استبعاد المحاولة والمحاولة مرة أخرى. تم تصميم هذه العملية لتكون "دقيقة"، مما يعني أنه عبر تجارب عديدة، تتطابق وتيرة كل نتيجة مع الاحتمال الرياضي الحقيقي تماماً، دون الحاجة لأن يقوم الجهاز الكمومي بعملية حسابية كاملة ومعقدة في كل مرة. تثبت الدراسة أنه من خلال إبقاء المزيد من الحسابات في الجانب الكلاسيكي وقياس الجزء المتبقي الصغير فقط، تنخفض عدد القياسات الكمومية المطللة بشكل كبير.

لاختبار هذه النظرية، استخدم الباحث نموذج ذكاء اصطناعي موجود مسبقاً ومجمد يُعرف باسم BERT، وهو أداة قياسية لفهم اللغة. لم يقوموا بتدريب نموذج جديد أو بناء حاسوب كمومي جديد. بدلاً من ذلك، أخذوا بيانات حقيقية من الحسابات الداخلية للنموذج وحاكوا القياسات الكمومية على حاسوب كلاسيكي. استخدمت المحاكاة مجموعة محددة من 192 نمط انتباه مختلف، يشارك كل منها ما يصل إلى 512 كلمة من السياق. اختبر الفريق كيفية أداء الطريقة عندما احتفظوا بكميات مختلفة من المعلومات في الجانب الكلاسيكي، تتراوح من صفر إلى ما يقرب من كامل البيانات. أظهرت النتائج اتجاهاً واضحاً وقوياً: كلما احتفظوا بمزيد من الإحداثيات في الحساب الكلاسيكي، انخفض عدد القياسات الكمومية المطلوبة للحصول على إجابة واحدة صحيحة بشكل حاد.

الأرقام تروي قصة مذهلة. عندما احتفظ الباحثون بشبه لا شيء من المعلومات في الجانب الكلاسيكي، توقعت المحاكاة أن الأمر سيتطلب في المتوسط 172,000 قياس كمومي للحصول على تسمية واحدة صحيحة فقط. ومع ذلك، عندما احتفظوا بنصف المعلومات المتاحة فقط (32 من أصل 64 إحداثياً) في الجانب الكلاسيكي، انخفض هذا الرقم إلى متوسط 2.81 قياساً فقط. لم يكن هذا الانخفاض مجرد تقلب عشوائي؛ فقد أثبتت الدراسة رياضياً أن إضافة المزيد من الخطوات الحسابية الكلاسيكية تقلل دائماً من التكلفة المتوقعة للقياسات الكمومية. تضمنت الطريقة أيضاً وسيلة لتصحيح الأخطاء، مما يضمن بقاء النتيجة النهائية دقيقة حتى لو توقفت عملية أخذ العينات مبكراً أو عندما يكون عدد القياسات محدوداً.

رغم هذه التخفيضات المثيرة للإعجاب في تكلفة القياس، فإن الورقة البحثية حريصة على توضيح ما لم تحققه. يشير المؤلف صراحة إلى أنه لم يتم إثبات أي تسريع في الأجهزة (hardware speedup). لم تُجرَ الدراسة على حاسوب كمومي مادي، ولم تثبت أن هذه الطريقة أسرع من أفضل الخوارزميات الكلاسيكية التي تعمل على الحواسيب الفائقة اليوم. العمل هو إثبات لمفهوم طريقة لتقسيم مشكلة بين الموارد الكلاسيكية والكمومية، موضحاً أن الجزء الكمومي يمكن جعله صغيراً وفعالاً للغاية. إنه يوضح أن التكلفة النظرية للقياسات الكمومية يمكن التحكم فيها وتقليلها، لكنه لا يدعي حل مشكلة جعل "الانتباه الكمومي" أسرع من "الانتباه الكلاسيكي" من الناحية العملية.

تتناول الدراسة أيضاً موثوقية النتائج. طور الباحثون طريقة لتقدير الإجابة النهائية بمستوى دقة مضمون، باستخدام تقنية تقارن العينات المقبولة مقابل المقترحات الأولية. يضمن هذا أن تكون النتيجة النهائية تقديراً غير منحاز للقيمة الحقيقية، مما يعني أنها ليست مشوهة بسبب حقيقة أن بعض المحاولات قد رُفضت. تؤكد الورقة أن آلية التحكم هذه تعمل دون زيادة التباين في النتيجة، بشرط اختيار المعاملات بناءً على الحدود المعروفة للبيانات. وهذا يضيف طبقة من اليقين لعملية أخذ العينات، مما يضمن أن مكاسب الكفاءة لا تأتي على حساب الدقة.

في النهاية، يقدم هذا البحث خريطة دقيقة للمقايضات بين الحوسبة الكلاسيكية والكمومية لنوع معين من المشكلات. إنه يوضح أنه من خلال تقسيم العمل بعناية، يمكن تقليل العبء على الجانب الكمومي إلى مستوى يصبح فيه قابلاً للإدارة، حتى لو لم يكن إجمالي الوقت لحل المشكلة أسرع من الطرق الموجودة حالياً. النتائج ترتكز على براهين رياضية صارمة ومحاكاة واسعة النطاق باستخدام بيانات نماذج واقعية، مما يوفر صورة واضحة لكيفية سلوك هذه الأنظمة الهجينة. وبينما لا يعد العمل بثورة فورية في السرعة، فإنه يضع أساساً نظرياً متيناً لكيفية استخدام الموارد الكمومية لأخذ عينات من الاحتمالات المعقدة بدقة عالية وتكلفة قياس منخفضة.