Quantum Models with Multi-Stage Training for Compositional Concept Generalization

A inteligência humana possui uma capacidade notável de recombinar ideias simples e aprendidas em situações inteiramente novas. Uma pessoa que entende o que é um "carro" e o que significa "amarelo" pode reconhecer instantaneamente um carro amarelo que nunca viu antes, aplicando seu conhecimento de perigo a essa nova combinação. Essa capacidade, conhecida como generalização composicional, permite-nos navegar em um mundo onde encontramos constantemente arranjos inéditos de partes familiares. Para a inteligência artificial, no entanto, essa habilidade continua sendo um obstáculo persistente. Embora os sistemas modernos se destaquem no reconhecimento de padrões que viram durante o treinamento, eles frequentemente tropeçam ao serem solicitados a aplicar esses mesmos padrões a novas combinações, como um objeto específico colocado em uma nova relação espacial. Essa limitação sugere que os modelos atuais estão memorizando exemplos em vez de compreender verdadeiramente as regras subjacentes de como as coisas se encaixam.

Pesquisadores da University College London e da University of Amsterdam exploraram um caminho diferente para resolver este problema, recorrendo à lógica estranha e poderosa da mecânica quântica. Em seu trabalho, apresentado para a conferência IEEE Quantum Week, eles propõem que a maneira como os computadores quânticos processam informações pode alinhar-se naturalmente com a forma como os humanos combinam conceitos. Ao construir um modelo que separa o aprendizado de objetos do aprendizado de relações entre eles, eles criaram um sistema que consegue generalizar para cenários não vistos de forma muito mais eficaz do que os métodos tradicionais, tudo isso utilizando uma fração da potência computacional.

A equipe focou em uma tarefa onde um computador deve olhar para a imagem de duas formas geométricas e escolher a descrição correta de sua relação entre duas opções. Por exemplo, dada uma imagem de um cubo à esquerda de um cone, o sistema deve distinguir a frase correta "cubo esquerda cone" de um distrator como "cubo direita cone". Para ensinar a máquina, os pesquisadores utilizaram um conjunto de dados contendo imagens de formas como esferas, cilindros e cones em várias posições. O desafio era treinar o sistema em algumas combinações, como um cone à direita de um cubo, e depois testá-lo em combinações que ele nunca tinha visto, como um cone à esquerda de um cubo. Esta configuração força o modelo a aprender o conceito de "esquerda" e "direita" como regras independentes que podem ser aplicadas a qualquer forma, em vez de apenas memorizar imagens específicas.

Em vez de treinar todo o sistema de uma só vez, os pesquisadores adotaram uma abordagem de dois estágios que imita um currículo. No primeiro estágio, o modelo aprendeu a reconhecer objetos individuais. Foram mostradas imagens de formas isoladas, como uma esfera solitária ou um único cubo, e o modelo foi ensinado a associá-las aos seus nomes. Uma vez que o modelo dominou esses blocos de construção básicos, os pesquisadores congelaram sua memória sobre a aparência dessas formas. No segundo estágio, eles introduziram a tarefa relacional. O modelo agora recebia imagens com duas formas e tinha que aprender apenas as regras de como elas se relacionam, usando as definições estáveis e pré-aprendidas das formas que já havia memorizado. Este design garantiu que o sistema não tentasse reaprender o que era um "cubo" toda vez que visse uma nova relação, forçando-o a tratar a relação como uma transformação separada aplicada a um objeto fixo.

Para implementar isso, a equipe utilizou um framework que traduz linguagem e significado em estruturas matemáticas chamadas tensores, que podem ser mapeadas diretamente em circuitos quânticos. Eles testaram diferentes maneiras de alimentar os dados da imagem nesses circuitos quânticos. Um método, chamado codificação de amplitude, tentava preservar a geometria exata dos dados originais da imagem. Outro, chamado codificação de ângulo, transformava os dados de uma forma que introduzia mudanças não lineares, remodelando efetivamente a informação para tornar as diferenças entre as relações mais claras. Eles também experimentaram um método de "colagem", onde os circuitos quânticos de duas formas separadas eram fisicamente combinados para representar uma única imagem relacional.

Os resultados de suas simulações foram reveladores. Quando os pesquisadores compararam seu modelo quântico de múltiplos estágios com um sistema clássico padrão, a diferença na eficiência foi gritante. O baseline clássico exigiu mais de 150 milhões de parâmetros treináveis para tentar realizar a tarefa, mas falhou em generalizar, obtendo apenas 50 por cento de precisão em combinações não vistas — essencialmente chutando. Em contraste, o modelo quântico alcançou uma forte generalização usando apenas 426 parâmetros treináveis. A versão mais bem-sucedida de seu sistema, que utilizou o método de colagem combinado com a codificação de ângulo, atingiu uma precisão de mais de 72 por cento nos casos de teste não vistos. Este desempenho foi significativamente melhor do que um modelo quântico de estágio único que tentava aprender tudo de uma vez, provando que separar o aprendizado de objetos do aprendizado de relações era crucial.

Os pesquisadores descobriram que o sucesso de seu modelo dependia fortemente de como os dados eram codificados. O método de codificação de ângulo, que introduzia transformações não lineares, provou ser superior ao método de codificação de amplitude. Isso sugere que os dados originais da imagem, conforme processados por ferramentas padrão, não separavam claramente as relações espaciais necessárias para a tarefa. O processo de codificação quântica em si ajudou a reestruturar a informação, tornando a distinção entre "esquerda" e "direita" mais visível para o modelo. Enquanto a codificação de amplitude preservava a forma original dos dados, ela mantinha intactas as semelhanças confusas entre diferentes arranjos espaciais, tornando-os mais difíceis de distinguir.

Essas descobertas, derivadas inteiramente de simulações computacionais, sugerem que representações quânticas estruturadas oferecem um caminho promissor para ensinar máquinas a compreender a composicionalidade. Ao impor uma separação clara entre o que as coisas são e como elas se relacionam, e ao usar circuitos quânticos para remodelar os dados em uma forma mais separável, o modelo alcançou um nível de generalização com o qual os sistemas clássicos lutaram mesmo com muito mais recursos. O trabalho não pretende afirmar que resolveu o problema da inteligência artificial, mas demonstra que uma abordagem de aprendizado específica e estruturada — onde os primitivos são aprendidos primeiro e depois combinados — pode ser altamente eficaz quando pareada com as propriedades únicas da computação quântica. Os autores observam que trabalhos futuros precisarão testar essas ideias em hardware quântico real e explorar se esses métodos podem escalar para cenas mais complexas e vocabulários mais ricos, mas os resultados atuais fornecem uma prova de conceito convincente para uma nova maneira de pensar sobre o aprendizado de máquina.