Андрей Белевцев: нужно смотреть на вычислительно сложные задачи следующего поколения

Практическое применение квантовых технологий без искусственного интеллекта (ИИ) не будет достигнуто — генеративный ИИ может ускорить решение задач по материаловедению и поиску алгоритмов коррекции ошибок, рассказал на бизнес-завтраке Росатома "Квантовый прорыв: от инвестиций в науку к бизнес-проектам" на XXVIII Петербургском международном экономическом форуме старший вице-президент, руководитель блока "Технологическое развитие" Сбербанка Андрей Белевцев.

"В большом количестве задач, связанных с несколькими треками, по которым идет движение к созданию практически применимых квантовых компьютеров, встают задачи по поиску новых материалов и технологических решений для квантовых компьютеров. Алгоритмы генеративного искусственного интеллекта позволяют резко ускорять эти усилия и подбирать нужные нам технологические решения", — отметил Белевцев.

Поэтому все, кто занимается квантовыми технологиями в мире, по словам Белевцева, стали смотреть, как ускорить то, что делается, с помощью генеративного искусственного интеллекта и искать соответствующие технологические решения, начиная с материаловедения и заканчивая другими элементами оптимальной конструкции и проектирования.

Старший вице-президент Сбербанка добавил, что обеспечить прорыв также помогут алгоритмы коррекции ошибок. Сейчас надо сосредоточиться на применении AI для обработки результатов вычислений квантовых компьютеров, искать новые алгоритмы определения и коррекции ошибок. Это, по мнению Андрея Белевцева, самый короткий путь к масштабированию, потому что можно работать с совершенно другим качеством базового кубита и не упираться в прежние препятствия.

Как отметил старший вице-президент Сбербанка, еще семь лет назад все самые мощные суперкомпьютеры в мире занимались моделированием физических процессов, особенно климатических моделей. Сейчас климатические модели основаны на генеративном искусственном интеллекте — они быстрее и точнее. Например, в Сбере команда из пяти человек за полгода сделала климатическую модель, которая прогнозирует погоду так же точно, как суперкомпьютер.

"Призываю не смотреть на вычислительно сложные задачи прошлого поколения. Их сейчас можно решить алгоритмически по-другому. Нужно смотреть на вычислительно сложные задачи следующего поколения. Нам нужно в первую очередь искать алгоритмы обучения больших моделей", — уверен Белевцев.