Anthropic פרסמה ב-16 באוקטובר מחקר שבו Claude תכנן מעגלים קוונטיים יעילים יותר ב-8 משימות חישוביות. לפי החברה, המודל קיבל תיאור של הדרישות ותוכנית חיצונית שבדקה את נכונות ההצעות ודירגה את עלותן. בחלק מהמשימות נרשמו שיפורים של סדר גודל ויותר לעומת תכנונים שפורסמו קודם. התוצאה עוסקת בתכנון אלגוריתמי, ולא בהשקה של מחשב קוונטי חדש או בשירות מסחרי זמין.
החברה מתארת עבודה עם Claude Mythos 5 בלולאה של הצעה, בדיקה ושיפור. המודל כתב תכנון, קיבל משוב מתוכנית הערכה וחזר לעבוד עליו. המסגרת חשובה לא פחות משם המודל: הצעה לא התקבלה רק משום שנוסחה היטב. היא נדרשה לעמוד בבדיקת נכונות ובמדד משאבים מוגדר, שיצר בסיס להשוואה בין הגרסאות השונות שנוצרו במהלך הניסוי.
מה בדיוק ניסו לחסוך
מעגל קוונטי מתאר רצף פעולות על קיוביטים, יחידות המידע של מחשב קוונטי. עבור משימה נתונה, תכנון אחר יכול לשנות את מספר הקיוביטים הנחוצים ואת מספר הפעולות שהחישוב דורש. המחקר התמקד בשגרות בסיסיות המשמשות אלגוריתמים רחבים יותר. שיפור בשגרה חשובה עשוי להקטין את המשאבים שאלגוריתם עתידי יצטרך, גם בלי להחליף את החומרה עצמה.
לפי Anthropic, תוכנית ההערכה דירגה את התכנונים על בסיס שילוב של מספר הקיוביטים ומספר השערים. המדד הזה נותן למודל מטרה כמותית לשיפור, אך אינו מכסה לבדו את כל האתגרים של מחשב עובד. שגיאות פיזיות, תיקון שגיאות, בקרה ומגבלות חומרה נשארים חלק מהמערכת. לכן חיסכון במדד המעגל אינו זהה לקיצור זהה בזמן ריצה של שירות קיים.
החברה מדווחת שהשיפורים כללו רעיונות מבניים ומתמטיים, ולא רק שינוי של כמה הגדרות בתכנון מוכר. בין הדוגמאות מתוארות דרכים להפחית שמירת מידע ביניים או לשחזר אותו כאשר הוא נדרש. במחשוב קוונטי יש חשיבות מיוחדת לאופן שבו מוחקים או משחזרים מידע עזר. תכנון טוב יותר יכול לשנות את הפשרה בין שימוש בזיכרון לבין כמות החישוב.
לולאת עבודה שהפרידה בין הצעה לאימות
המודל קיבל מפרט בשפה טבעית, אך התוצאה נבחנה באמצעות תוכנה. כך אפשר היה לפסול הצעה שאינה מחשבת את מה שנדרש, גם אם היא נראית יעילה על פני השטח. רק לאחר שאלת הנכונות היה טעם להשוות עלויות. ההפרדה הזו מאפשרת להבין מדוע הצלחה במשימה מסוג זה שונה מהפקת תשובה חופשית לשאלה שאין לה בדיקה מוגדרת.
אחת התוצאות המרכזיות התפתחה לאורך 53 שעות, עם מעורבות אנושית מוגבלת שכללה את ההנחיה הראשונית ולעתים עידוד לחשוב בכיוונים רחבים יותר. Anthropic אינה מתארת תהליך ללא בני אדם כלל. המפרט, בחירת המשימות, מנגנון ההערכה וההתערבויות המסוימות היו חלק מסביבת העבודה. גם כאשר המודל עובד עצמאית בין סבבי בדיקה, הסביבה הזו קובעת מה נחשב הצלחה.
במקרה של תכנון לאריתמטיקה על עקומים אליפטיים, החברה מתארת גם פורמליזציה באמצעות Lean כדי לבדוק טענה מתמטית. זהו רכיב נוסף של אימות, ולא תכונה שכל תשובה של Claude מקבלת מעצמה. לקורא חשוב להבחין בין יכולת המודל להציע פתרון לבין התהליכים שנדרשו כדי לבסס אותו. הניסוי מציג את השילוב ביניהם, ולא החלפה אוטומטית של תהליך האימות כולו.
איך לקרוא את מספרי השיפור
אחת הדוגמאות שהחברה מציגה משתמשת ב-12% יותר קיוביטים מתכנון קודם קטן יותר, אך ב-17 פעמים פחות שערים. התוצאה ממחישה מדוע "יעיל יותר" אינו תמיד "פחות מכל דבר". תכנון יכול לשלם מעט יותר במשאב אחד כדי לחסוך הרבה במשאב אחר. ההחלטה איזה תכנון מתאים תלויה במגבלה החשובה למערכת שבסופו של דבר אמורה להריץ אותו.
בדוגמה נוספת מתואר שיפור פי 12 במספר השערים של שלב פענוח מסוים. אין להסיק שכל חישוב קוונטי יואץ פי 12, או שכל אחד מ-8 הניסויים השיג אותו שיפור. לכל משימה נקודת השוואה וקריטריונים משלה. הנתונים שפרסמה Anthropic הם תוצאות המחקר שהיא מציגה; אימוץ תכנון מסוים מחייב להבין את ההנחות והגבולות של אותה משימה.
גם השוואה לתכנון הטוב ביותר שפורסם קודם היא טענה בעלת היקף מוגדר. היא אינה אומרת שכל יישום תעשייתי קיים נבדק, או שכל חלופה אפשרית נשללה. השימוש הנכון בתוצאה הוא לבחון את המפרט ואת מדדי ההשוואה שהוצגו. כך אפשר להעריך אם מדובר בשיפור רלוונטי לבעיה אחרת, בלי להעתיק אליה אוטומטית מספר שנמדד בתנאים שונים.
מה מפתחים יכולים ללמוד מהמסגרת
גם צוות שאינו עוסק במחשוב קוונטי יכול להיעזר בעיקרון העבודה. כאשר אפשר לבדוק נכונות ולדרג עלות, ניתן לבנות לולאה שבה AI מציע שינויים והתוכנה מספקת משוב. לשם כך צריך להגדיר מה מותר לשנות, מה חייב להישמר ואיך נמדדת הצלחה. תוצאה מהירה שאינה עומדת בדרישה אינה שיפור, גם אם היא זולה יותר להרצה.
כדאי גם לשמור את נקודת ההשוואה. אם מחליפים יחד את המשימה, את המודל ואת מדד הביצוע, קשה לדעת מה יצר את ההבדל. בניסוי מקומי אפשר להתחיל ממקרה מוגדר, לשמור גרסאות ולבחון גם כישלונות. אלה עקרונות לתכנון בדיקה שימושית, ולא הבטחה שהישגי המחקר יחזרו בכל מאגר קוד או בכל משימת הנדסה שמפקידים בידי מודל.
מה נשאר בדרך למחשב שימושי
Anthropic מציינת שתכנון מעגלים הוא רק חלק מבניית מחשב קוונטי מועיל. גם תכנון יעיל יותר צריך להשתלב במערכת המסוגלת לבצע אותו ולתקן שגיאות. המחקר אינו מספק מועד שבו יושקו יישומים מסחריים חדשים, ואינו מוכיח שתכנון מסוים כבר נבדק על חומרה בקנה המידה הנדרש. האפשרות לקדם מחשוב קוונטי היא משמעות שהחוקרים מייחסים לתוצאות, בכפוף למגבלות האלה.
ההישג המדווח הוא יצירת תכנונים טובים יותר למשימות מוגדרות באמצעות שילוב של מודל, משוב ואימות. עבור חוקרים זו תוצאה שאפשר להמשיך לבדוק ולהרחיב. עבור שאר הקוראים, הסיבה לעקוב היא שהתקדמות ב-AI יכולה להגיע גם משיפור האופן שבו פותרים בעיה, ולא רק ממודל גדול יותר. הדרך מהשיפור הזה למוצר שימושי עדיין דורשת עבודה נוספת.