نشرت Anthropic في 16 أكتوبر بحثا صمم فيه Claude دوائر كمية أكثر كفاءة في 8 مهام حسابية. ووفقا لما ذكرته الشركة، تلقى النموذج وصفا للمتطلبات وبرنامجا خارجيا يتحقق من صحة المقترحات ويرتب تكاليفها. وأظهرت بعض المهام تحسينات بدرجة أو أكثر من التصميمات المنشورة سابقا. والنتيجة هي تصميم خوارزمي، وليس إطلاق حاسوب كمّي جديد أو خدمة متاحة تجارياً.
تصف الشركة العمل مع Claude Mythos 5 في حلقة من الاقتراح والاختبار والتحسين. وكتب النموذج تصميما، وتلقى تعقيبات من برنامج التقييم وعاد للعمل عليه. ولا يقل الإطار أهمية عن النموذج: فلا يقبل اقتراح ما لمجرد أنه جيد الصياغة. وكان مطلوبا منه اجتياز اختبار للتحقق وقياس محدد للموارد، مما وفر أساسا للمقارنة بين مختلف الصيغ التي أنشئت أثناء التجربة.
ما الذي كانوا يحاولون إنقاذه بالضبط؟
وتصف الدارة الكمية تسلسل العمليات على الكيوبيتس، وهي وحدات المعلومات في حاسوب الكم. وبالنسبة لمهمة معينة، يمكن للتصاميم المختلفة أن تغير عدد الكيوبتات والعمليات المطلوبة. وركزت البحوث على الإجراءات الروتينية الأساسية التي تستخدمها الخوارزميات الأوسع نطاقا. وقد يؤدي تحسين روتين هام إلى تقليل الموارد التي ستحتاجها خوارزمية في المستقبل، حتى دون استبدال المعدات الحاسوبية نفسها.
وفقا لـ Anthropic، قام برنامج التقييم بتسجيل تصاميم باستخدام مزيج من عدّ الكيوبيتات وعدّ البوابات. وهذا المؤشر يعطي النموذج هدفا كميا للتحسين، ولكنه لا يغطي جميع التحديات التي يواجهها الحاسوب العامل. وتظل الأخطاء المادية وتصحيح الأخطاء والمراقبة والقيود المتعلقة بالمعدات جزءا من النظام. ولذلك فإن تحقيق وفورات في مؤشر الدائرة ليس هو نفس الاختصار المماثل في وقت تشغيل خدمة قائمة.
وتفيد الشركة أن التحسينات شملت أفكار هيكلية ورياضية، وليس مجرد تغيير بعض التعاريف المألوفة للتصميم. ومن بين الأمثلة التي يرد وصفها سبل الحد من تخزين المعلومات الوسيطة أو استرجاعها عند الحاجة. وفي الحوسبة الكمية، تكتسي الطريقة التي تُمحى بها المعلومات المفيدة أو تُستعاد أهمية خاصة. ويمكن للتصميم الأفضل أن يغير المفاضلة بين استخدام الذاكرة وكمية الحوسبة.
حلقة عمل تفصل بين الاقتراح والتحقق.
وتلقى النموذج مواصفات اللغة الطبيعية، بينما قامت البرمجيات بتقييم النتيجة. ولذلك فإن أي اقتراح لا يحسب ما هو مطلوب يمكن أن يرفض حتى وإن بدا كفؤا. ولا يكون لمقارنة التكاليف معنى إلا بعد التأكد من صحتها. وهذا الفصل يجعل من الممكن فهم لماذا يختلف النجاح في هذا النوع من المهام عن تقديم إجابة حرة على سؤال لا يوجد له اختبار محدد.
وقد تحققت إحدى النتائج الرئيسية على مدى 53 ساعة، مع تدخل بشري محدود شمل توجيهات أولية وتشجيعاً في بعض الأحيان على التفكير في اتجاهات أوسع. Anthropic لا تصف عملية خالية تماما من التدخل البشري. وتشكل المواصفات واختيار المهام وآلية التقييم والتدخلات المحددة جزءا من بيئة العمل. وحتى عندما يعمل النموذج بشكل مستقل بين جولات الاختبار، فإن هذه البيئة تحدد ما يعتبر نجاحاً.
وبالنسبة لتصميم حسابي للمنحنى الإهليلجي، تصف الشركة أيضاً إضفاء الطابع الرسمي في Lean للتحقق من ادعاء رياضي. وهذا عنصر إضافي من عناصر التحقق، وليس سمة يكتسبها كل جواب Claude بذاته. ومن المهم أن يميز القارئ بين قدرة النموذج على تقديم حل والعمليات المطلوبة لإثبات صحته. وتبين التجربة الجمع بينهما، وليس الاستعاضة التلقائية عن عملية التحقق برمتها.
كيفية قراءة أرقام التحسين.
يستخدم أحد الأمثلة كيوبتات أكثر بنسبة 12% من تصميم سابق أصغر، لكنه يقلل عدد البوابات بمقدار 17 مرة. توضح النتيجة لماذا "أكثر كفاءة" ليست دائما "أقل من كل شيء". ويمكن للتخطيط أن يدفع أكثر قليلا على أحد الموارد لكي يوفر الكثير على مورد آخر. ويتوقف القرار بشأن التصميم المناسب على القيود الهامة بالنسبة للنظام الذي يفترض أن يقوم بتشغيله في نهاية المطاف.
ويصف مثال آخر تحسنا قدره 12 ضعفاً في عدد البوابات في خطوة معينة من خطوات فك التشفير. لا يعني ذلك أن كل عملية حوسبة كمية تصبح أسرع 12 مرة، أو أن التجارب الـ8 كلها حققت التحسن نفسه. ولكل بعثة معيارها المرجعي ومعاييرها الخاصة بها. والبيانات التي تنشرها مؤسسة Anthropic هي نتائج البحوث التي تقدمها؛ ويتطلب اعتماد تصميم معين فهم افتراضات تلك المهمة وحدودها.
وحتى المقارنة بأفضل تصميم سبق نشره هي ادعاء محدود النطاق. ولا يعني ذلك أن كل تطبيق صناعي قائم قد تم اختباره، أو أن كل بديل ممكن قد استبعد. والاستخدام الصحيح للنتيجة هو دراسة المواصفات ومؤشرات المقارنة المعروضة. وهذا يسمح لنا بتقييم ما إذا كان تحسن ما ذا صلة بمشكلة أخرى، دون نسخ رقم مقاس في ظروف مختلفة.
ماذا يمكن للمطورين أن يتعلموا من الإطار؟
وحتى فريق الحوسبة غير الكمية يمكن أن يستفيد من مبدأ العمل. وعندما يكون التحقق وتصنيف التكاليف ممكنين، يمكن إنشاء حلقة يقترح فيها الذكاء الاصطناعي التغييرات وتقدم فيها البرمجيات تعقيبات. ويتطلب ذلك تحديد ما يمكن تغييره، وما يجب الحفاظ عليه، وكيفية قياس النجاح. والنتيجة السريعة التي لا تلبي الطلب ليست تحسنا، حتى وإن كان تنفيذها أرخص.
يجب عليك أيضاً أن تحتفظ بنقطة المقارنة. إذا استبدلت المهمة والنموذج ومؤشر الأداء معاً، فمن الصعب معرفة ما الذي صنع الفرق. يمكن أن تبدأ التجربة المحلية من حالة محددة، وحفظ النسخ، وحتى اختبار الإخفاقات. وهذه هي المبادئ لتصميم اختبار مفيد، وليس ضمانا بأن نتائج البحث ستنعكس في أي قاعدة شفرة أو أي مهمة هندسية مخصصة لنموذج.
ما الذي لا يزال على الطريق إلى حاسوب كمّي مفيد
تلاحظ Anthropic أن تصميم الدوائر ليس سوى جزء من بناء حاسوب كمّي مفيد. بل إن التصميم الأكثر كفاءة يحتاج إلى أن يدمج في نظام قادر على تنفيذه وتصحيح الأخطاء. ولا تقدم الدراسة تاريخا لإطلاق تطبيقات تجارية جديدة، كما أنها لا تثبت أن تصميما معينا قد اختبر بالفعل على معدات حاسوبية بالنطاق المطلوب. وإمكانية النهوض بالحوسبة الكمية هي أهمية يعلقها الباحثون على النتائج، رهناً بهذه القيود.
ويتمثل الإنجاز المبلغ عنه في تحسين التصاميم للمهام المحددة من خلال الجمع بين النموذج والتغذية المرتدة والتحقق. وبالنسبة للباحثين، فإن هذه نتيجة يمكن مواصلة اختبارها وتوسيع نطاقها. أما بالنسبة لبقية القراء، فإن السبب الذي يجعلنا نتبع هذا التوجه هو أن التقدم في مجال الذكاء الاصطناعي يمكن أن يأتي أيضاً من تحسين الطريقة التي يتم بها حل المشكلة، وليس فقط من نموذج أكبر حجما. ولا يزال الطريق من هذا التحسين إلى منتج مفيد يتطلب مزيدا من العمل.