İnsan beyni gibi çalışan kuantum bilgisayarlar!
Tüm bir kentin trafik akışını gerçek zamanlı ve doğru bir biçimde idare etmek için otomatik pilotlu arabalar ve bağımsız sistemler gibi araçlar yaratılmasına gerçekten de yardımcı olmak istiyorsak, çok daha gelişmiş bir Yapay Zeka’ya ihtiyacımız var. Bu çeşit bir yazılımı oluşturmayı amaçlayan birçok çalışma, insan beynindeki nöronların yolunu taklit eden kodlar yazmayı ve bu yapay nöronların çoğunu bir ağda birleştirmeyi gerektiriyor.
Michael Hartmann
İnsan beyni, dünyanın en gelişmiş bilgisayarlarından çok daha güçlü bir hale getirilmek için inanılmaz yetilere sahiptir. Hal böyleyken, mühendislerin onu uzun süredir kopyalamaya çalışmaları şaşırtıcı değil. Günümüzde, Yapay Zeka (YZ) en zor problemlerden bir kısmını çözmek amacıyla beynin yapısından esinlenen yapay sinir ağları kullanılıyor. Ancak bu yaklaşım, tipik biçimde, yazılım geliştirmeye ihtiyaç duyar; bu yolla, bilgiler nöronları taklit eden donanımlar oluşturmak yerine, beyne benzeyen bir şekilde işlenir.
Meslektaşlarım ve ben, yeni bir YZ yazılımı yerine en yeni “kuantum” teknolojisini kullanarak ilk özel sinir ağı bilgisayarını yaratmayı umuyoruz. Bu iki bilgi işlem dalını birleştirerek, çok karmaşık kararları çok daha kısa sürede otomatik biçimde veren ve benzeri olmayan bir hızda çalışan YZ’ye doğru bir atılım yaratmayı umut ediyoruz.
İNSAN BEYNİNİ TAKLİT EDECEK
Tüm bir kentin trafik akışını gerçek zamanlı ve doğru bir biçimde idare etmek için otomatik pilotlu arabalar ve bağımsız sistemler gibi araçlar yaratılmasına gerçekten de yardımcı olmak istiyorsak, çok daha gelişmiş bir Yapay Zeka’ya ihtiyacımız var. Bu çeşit bir yazılımı oluşturmayı amaçlayan birçok çalışma, insan beynindeki nöronların yolunu taklit eden kodlar yazmayı ve bu yapay nöronların çoğunu bir ağda birleştirmeyi gerektiriyor. Nöronların her biri, bir dizi giriş sinyali alıp “Evet” veya “Hayır”a karşılık gelen bir çıktı vermek için bunları işleyerek bir karar verme sürecini taklit eder.
Her girdi, karar açısından ne denli önem taşıdığına göre önceliklendirilir. Mesela, size en çok hangi restorandan hoşlanacağınızı söyleyebilecek bir YZ için, yemeğin kalitesi, size ayrılacak masanın bulunduğu yerden daha önemli olabilir; bu nedenle, karar verme sürecinde bu girdiye daha fazla ağırlık verilebilir.
Bu ağırlıklar, performansının daha iyi olması için sistemi etkili bir şekilde eğitir ve test çalıştırmalarında ağın performansını iyileştirmek için ayarlanır. Bu, Google’ın AlphaGo adlı yazılımının, insan dünya şampiyonunu dört maçtan birinde yenmeye hazır olana kadar kendi kopyasıyla oynayarak, karmaşık bir strateji oyunu olan Go’yu öğrenme yöntemiydi. Öte yandan, YZ yazılımının performansı, ne kadar girdi verisinin ne kadar iyi tekrarlanabileceğine bağlıdır (AlphaGo’da, hangi sıklıkla kendi kendine oyun oynadığına bağlıydı.)
VERİLERİ ‘SİNİR AĞLARI’ ÜZERİNDEN İLETECEK
‘Quromorphic’ adlı projemiz, bu süreci aşırı biçimde hızlandırmayı ve kuantum mekaniği prensipleri üzerinde işleyen sinir ağları oluşturarak, işlenebilecek veri girişlerini çoğaltmayı amaçlıyor. Bu ağlar bir yazılıma kodlanmayacak, doğrudan süper iletken elektrik devrelerinden üretilen bir donanımla inşa edilecek. Bu yaklaşımın, ağları hatasız biçimde ölçeklendirmeyi kolaylaştıracağını umuyoruz.
Geleneksel bilgisayarlar, verileri 0 veya 1 olmak üzere iki durumdan birini alabilen ve 'bit' adıyla bilinen birimlerde depolar. Kuantum bilgisayarlar, verileri, birçok farklı durumda alabilen “kubit”lerde (kuantum bitlerde) depolar.
Sisteme eklenen her bir kubit, bilgisayar gücünü iki katına çıkarır. Bu durumsa, kuantum bilgisayarlarının muazzam miktarlardaki veriyi paralel olarak (aynı anda) işleyebileceği anlamına gelir.
Şimdiye dek, teknolojinin yalnızca bazı kısımlarını gösteren küçük kuantum bilgisayarlar başarılı biçimde inşa edildi. Birçok üniversite, teknoloji devi ve yeni şirket, son zamanlarda büyük oranda daha yüksek bir işlem gücü potansiyeliyle motive olmuş bir halde yeni tasarımlar üzerinde çalışıyor. Ne var ki bunların hiçbiri henüz kullanımdaki (kuantum olmayan) bilgisayarlardan daha yüksek bir performans ortaya koyabilecekleri aşamaya erişemedi.
Bunun sebebi, kuantum bilgisayarların bulundukları çevredeki rahatsızlık verici unsurlardan çok iyi yalıtılması zorunluluğudur; makineler büyüdükçe bunu yapmak güçleşir. Mesela, kuantum işlemcilerin vakumlu bir ortamda, çok düşük bir ısıda (mutlak sıfıra yakın) tutulması gerekir; aksi takdirde, kendilerine çarpan hava moleküllerinden olumsuz etkilenebilirler. Buna karşın, işlemcinin iletişim kurmak için bir şekilde dış dünyaya da bağlanması gerekir.
HATA İÇİN DAHA FAZLA ALAN
Projemizde yaşadığımız teknik güçlükler, herhangi bir uygulama için kullanılabilecek evrensel bir kuantum bilgisayarı yapılandırırken karşılaşılanlara çok benziyor. Ancak, YZ uygulamalarının geleneksel bilgisayarlara kıyasla daha fazla hataya müsamaha gösterebileceğini umut ediyoruz ve bu sebeple makinenin aşırı derecede iyi yalıtılmış olmasına gerek kalmayacak.
YZ, genellikle bir resmin bir araba mı yoksa bir bisiklet mi gösterdiğine karar vermek gibi verileri sınıflandırmak amacıyla kullanılıyor. Bu kararı verirken cismin tam olarak her ayrıntısını yakalaması gerekmiyor. Ayrıca, YZ yüksek bilgisayar hızlarına ihtiyaç duyarken, çok yüksek bir hassasiyet düzeyine ihtiyaç duymuyor. Bu nedenle, YZ’nin yakın gelecekte kuantum hesaplama için kusursuz bir alan olmasını umut ediyoruz.
Projemiz, kuantum sinir ağlarıyla bağlantılı prensiplerin gösterilmesini de içerecek. On yıl veya daha uzun sürebilecek bir süreçte teknolojiyi tam olarak kullanmak için daha büyük araçlar yaratmak gerekirken, hesaplama hatalarını önlemek için çok fazla teknik detayın çok hassas bir şekilde kontrol edilmesi gerekecek. Ancak, kuantum sinir ağlarının gerçek dünyadaki uygulamada klasik bir YZ yazılımından daha güçlü olabileceği ispatlandıktan sonra, çok hızlı bir şekilde en önemli teknolojilerden biri haline gelecek.
* Yazının aslı The Conversation sitesinden alınmıştır. (Çeviren: Tarkan Tufan)