ساندار پیچای در مصاحبه‌ای با MIT، درباره‌ برتری کوانتومی گوگل توضیح داد

محققان گوگل امروز مقاله‌ای در مجله‌ی Nature منتشر و در آن، اولین‌بار روی دستیابی به «برتری کوانتومی» تأکید کردند. کامپیوتر کوانتومی ۵۳ کیوبیتی آن‌ها موسوم به Sycamore توانست محاسبه‌ای را در مدت ۲۰۰ ثانیه انجام دهد که طبق ادعای گوگل، برای سریع‌‌ترین ابرکامپیوتر جهان ۱۰ هزار سال زمان می‌برد. نسخه‌ای از پیش‌نویس مقاله‌ی امروز، یک ماه پیش در رسانه‌ها افشا شده بود.

محاسبه‌ای که کامپیوتر کوانتومی گوگل انجام داد، کاربرد واقعی ندارد و تنها تعدادی عدد تصادفی تولید می‌کند. این موضوع فقط با هدف نشان‌دادن روش عملکرد کامپیوترهای کوانتومی، به‌ویژه سیکامور انتخاب شد و درواقع، ماشین‌های کوانتومی کاربردی هنوز سال‌ها با واقعیت فاصله دارند. موانع فنی متعددی هنوز بر سر راه این ماشین‌ها قرار دارد و حتی پس از گذشت زمان طولانی، در مسائلی محدود خواهند توانست کامپیوترهای سنتی را شکست دهند.

با وجود آنچه گفته شد، دستاورد گوگل اهمیت زیادی دارد. مدیرعامل این شرکت، ساندار پیچای، دستاورد مذکور را با اولین پرواز برادران رایت مقایسه می‌کند که تنها ۱۲ ثانیه به‌طول انجامید. مجله‌ی Technology Review دانشگاه MIT با پیچای مصاحبه‌ کرد تا توضیحاتی درباره‌ی برنامه‌های ۱۳ ساله‌ی آن‌ها در حوزه‌ی رایانش کوانتومی ارائه دهد؛ برنامه‌ای که برای نتیجه‌گیری نهایی، احتمالا به یک دهه فعالیت نیاز خواهد داشت. درادامه‌ی این مطلب زومیت، مصاحبه‌‌ی ساندار پیچای با مجله‌ی مذکور را می‌خوانیم.

برای کاربرد بیشتر، باید کامپیوتر کوانتومی با خطاپذیری و کیوبیت‌های بیشتر بسازید. به‌علاوه، کامپیوتر باید در دوره‌های زمانی طولانی‌تر به‌کار گرفته شود تا توانایی اجرای الگوریتم‌های پیچیده‌تر را داشته باشد. به‌هرحال، در هر زمینه‌ای برای رسیدن به دستاورد ملموس باید از جایی شروع کرد. به‌عنوان مثال، برادران رایت را در نظر بگیرید. پرواز اول آن‌ها ۱۲ ثانیه طول کشید و کاربرد واقعی هم نداشت؛ اما همان تجربه امکان پرواز هواپیما را برای همه به‌نمایش گذاشت.

شرکت‌های متعدد کامپیوترهای کوانتومی دارند. به‌عنوان مثال، IBM تعدادی از آن‌ها را به‌صورت آنلاین دراختیار افراد قرار می‌دهد. چرا ماشین آن‌ها نتوانست آزمایشی شبیه به آزمایش شما را انجام دهد؟

ترجیح می‌دهم به دلیل موفقیت تیم گوگل اشاره کنم. چنین موفقیتی نیازمند مهندسی پیشرفته‌ی سیستم خواهد بود که توانایی کارکردن با همه‌ی لایه‌های سیستمی را می‌طلبد. چنین فرایندی به‌‌دلیل دخیل‌شدن چشم‌اندازهای مهندسی سیستم پیچیده می‌شود. کار با ویفر شروع می‌شود و سپس تیم‌هایی برای اچ‌کردن دروازه‌ها و اتصال لایه‌های متعدد مشغول به‌کار می‌شوند. درنهایت، هوش مصنوعی نیز باید به‌کار گرفته شود تا بهترین نتیجه شبیه‌سازی و درک شود.

در آخرین جمله از مقاله نوشته شده است: «ما در کوتاه‌مدت تنها یک الگوریتم خلاقانه تا دسترسی به کاربردهای ارزشمند فاصله داریم». منظور از آن کاربردها چیست؟

نکته‌ی جذاب اصلی درباره‌ی کوانتوم، فعالیت جهان هستی براساس آن است؛ درنتیجه با دستیابی به فناوری مذکور، می‌توان طبیعت را بهتر درک کرد. می‌توان روزهای ابتدایی جهان هستی را شرح داد. البته نقطه‌ی درخشش مکانیک کوانتوم در توانایی شبیه‌سازی مولکول‌ها و فرایندهای مولکولی دیده می‌شود که به‌نظر من قوی‌ترین نقطه خواهد بود. از مثال‌های عالی می‌توان به کشف دارو اشاره کرد. صنعت کودسازی نیز از دستاوردهای رایانش کوانتومی بهره می‌برد و امروزه فرایند هابر در تولید آمونیاک ۲ درصد از کربن جهان را تولید می‌کند. در طبیعت، چنین فرایندی با بازدهی بیشتر انجام می‌شود.

از دیدگاه شما، کامپیوترهای کوانتومی چه زمانی کاربردی همچون بهینه‌سازی فرایند هابر را محقق می‌کنند؟

از دیدگاه من، یک دهه تا آن کاربرد و چند سال تا مقیاس‌دهی به تحقیقات و ساختن کامپیوترهای کوانتومی واقعا کاربردی فاصله داریم. از کاربردهای دیگر می‌توان به طراحی باتری‌های بهتر اشاره کرد. به‌هرحال در موارد مذکور، با شیمی سروکار داریم و تلاش برای درک بهتر آن، ارزش سرمایه‌گذاری را دارد.

برخی افراد کامپیوترهای کوانتومی را شبیه هم‌جوشی هسته‌ای می‌دانند که حدود ۵۰ سال در گوشه‌ای از دنیای علم خاک می‌‌‌خورد. به‌علاوه، این فناوری شبیه به پروژه‌ی تحقیقی رمزآلودی است. چرا مدیرعامل گوگل باید این‌‌قدر به پروژه‌ علاقه‌مند باشد؟

دلیل دیگر علاقه‌مندی ما به رایانش کوانتومی، کاربردهای آن است. امروز با استفاده از کامپیوترهای سنتی حتی درک زیادی از ساختار مولکول‌ها به‌دست نیاورده‌ایم. مثلا کافئین، ۲۴۳ حالت متعدد دارد. وقتی به وضعیت تغییرات اقلیمی و صنعت پزشکی و موارد دیگر نگاه می‌کنم، اعتماد بیشتری درمقایسه‌با پیشرفت رایانش کوانتومی در آن حوزه‌ها به‌دست می‌آورم.

شما قبلا احساسی عمیق به پیشرفت‌های هوش مصنوعی نشان داده بودید و آینده‌ی بشر را حول آن تصور می‌کردید. آیا برای رایانش کوانتومی چنین تصوری دارید؟

قطعا همین تصور را دارم. حضور در آزمایشگاه و کارکردن فیزیکی با کیوبیت‌ها و واردکردن آن‌ها به مرحله‌ی سوپرپوزیشن، لحظه‌ای عمیق برای من بود. در نگاه اول به همین فرایند، آن را برابر با چگونگی عملکرد طبیعت می‌دانم. فناوری جدید امکانات تازه‌ای فراهم می‌کند که تا امروز وجود نداشتند.

احتمالا زمان زیادی تا رسیدن به کامپیوتر کوانتومی کاربردی فاصله داریم. چگونه صبر برای چنین دستاوردی را در گوگل مدیریت می‌کنید؛ گوگلی که به پیشرفت سریع عادت دارد؟

از نزدیک با مدیران بخش کوانتوم و سخت‌‌افزار، هارتمون نون و جان مارتینیز، دیدار کردم. من به آن‌ها گفتم از دوره‌ی دکتری علم مواد انصراف دادم. در آن زمان، روی نیمه‌هادی‌هایی با دمای زیاد تحقیق می‌کردم. داستان مربوط به ۲۶ سال قبل است و من در آزمایشگاه، واقعا تحمل زمان زیاد برای رسیدن به نتیجه را نداشتم. به‌هرحال، احترام زیادی برای تیم قائل هستم که در این مدت طولانی درکنار پروژه ماندند. هر دستاورد بزرگ مشابه به همین صورت کسب می‌شود و قطعا باید چشم‌انداز تیمی بلندمدتی برای آن داشته باشید.

دلیل علاقه‌ی شدید من به دستاوردهای این‌چنینی ایجاد تحرک رشد به‌وسیله‌ی آن‌ها درزمینه‌ی مدنظر است. در سال ۱۹۹۷، هوش مصنوعی دیپ‌بلو، گری کاسپاروف را در بازی شطرنج و در سال ۲۰۱۶، آلفاگو، لی سدول را در بازی گو را شکست داد. قطعا زمان زیادی تا موفقیت بعدی سپری شد؛ اما هر نقطه‌ی موفقیت به‌عنوان پاداشی برای افراد فعال در آن حوزه عمل و نسل جدیدی را به آن جذب می‌کند. بشر به‌همین‌ترتیب پیشرفت می‌کند.

ما پیشرفتی ایجاد می‌کنیم که در حوزه‌های متعدد کاربرد خواهد داشت. به‌عنوان مثال، با ساختن مراکز داده‌ی خود به فناوری موردنیاز برای تولید TPU دست پیدا کردیم که اجرای الگوریتم‌های ما را سریع‌تر می‌کند. درنتیجه، چنین رویکردی چرخه‌ای همیشگی است و حتی شکست در مسیر هم به‌اندازه‌ی دستاوردهای کوچک و اولیه کاربرد دارد. ما باید صبور باشیم؛ اما قطعا رضایت زیادی در مسیر کسب می‌کنیم.

شما اکنون چقدر در رایانش کوانتومی سرمایه‌گذاری کرده‌اید؟

ما تیم کوچکی داریم، اما همین تیم با استفاده از سال‌ها سرمایه‌گذاری فعالیت می‌کنند که در گذشته، در لایه‌های متعدد گوگل انجام شد. درواقع، تیم ما روی سال‌ها تحقیق و کار عملی گذشته ساخته شده است.

چه تفاوتی بین عملکرد شما و IBM وجود دارد؟ آن‌ها کامپیوترهای متعدد را به‌صورت آنلاین دراختیار افراد قرار می‌دهند؛ اما شما پروژه‌ای تحقیقاتی را به‌صورت داخلی پیگیری می‌کنید.

عملکرد IBM در ارائه‌ی رایانش کوانتومی به‌صورت ابری و فراهم‌کردن فرصت برای توسعه‌دهندگان دیگر ارزشمند است. ما به‌عنوان یک تیم، بر رسیدن به دستاورد برتری کوانتومی متمرکز بوده‌ایم.

IBM می‌گوید مفهوم برتری کوانتومی موجب برداشت‌های اشتباه می‌شود. به‌علاوه، آن‌ها شما را به ایجاد هیاهوی خبری روی عبارت متهم می‌کنند.

برداشت عمومی شاید این باشد که کامپیوترهای کوانتومی، کامپیوترهای سنتی را از رقابت خارج کرده‌اند.

برداشت‌های اشتباه در مفاهیم دیگر همچون هوش مصنوعی هم وجود دارند؛ به‌همین‌دلیل، انتشار تحقیقات و نتایج آزمایش‌ها اهمیت دارد. مردم باید بدانند در چه موقعیتی قرار داریم و کامپیوترهای سنتی در آینده هم برای انجام بسیاری از کارها و وظایف کاربرد خواهند داشت.

هوش مصنوعی درآمدزایی و توسعه‌ی کسب‌وکار را در حوزه‌های متنوع برای گوگل به‌همراه دارد. آیا برای رایانش کوانتومی چنین کاربرد و دستاوردی در نظر گرفته‌اید؟

قطعا چنین تصوری دارم. ما هوش مصنوعی را هم زمانی به تحقیقات خود اضافه کردیم که از کاربرد همه‌جانبه‌ی آن در کسب‌وکار و صنعت آگاهی زیادی نداشتیم. ما هوش مصنوعی را هم فقط برای خودمان به‌کار نمی‌گیریم و بسیاری از مشتریان هم از آن استفاده می‌کنند. دسترسی به هوش مصنوعی را برای همه ممکن می‌کنیم و برای رایانش کوانتومی نیز همین رویکرد را در نظر می‌گیریم.

از دیدگاه شما رایانش کوانتومی چه تأثیری بر خود هوش مصنوعی خواهد گذاشت؟

تصور می‌کنم ترکیب و هم‌زیستی مناسبی بین این دو حوزه خواهیم داشت. هر دو آن‌ها در وضعیت نوپایی قرار دارند و ترکیب هوش مصنوعی و رایانش کوانتومی برای هر دو حوزه مفید خواهد بود و به پیشرفت دیگری، کمک می‌کند. از دیدگاه من، درنهایت باید همین رویکرد ترکیب را در نظر بگیریم که برخی از بزرگ‌ترین مشکلاتمان همچون تغییرات اقلیمی را هم حل خواهد کرد.

گوگل در موضوع اشتراک فناوری هوش مصنوعی با انتقادهای متعدد روبه‌رو بود؛ انتقادهایی درباره‌ی دسترسی افراد متعدد به فناوری و سوءاستفاده‌های احتمالی که شاید در رایانش کوانتومی هم مطرح شود. آیا راهی برای پیشگیری از چنین رخدادهایی دارید؟

همکاری با دانشگاه‌ها در این مرحله اهمیت بسیاری دارد. ما در حوزه‌ی هوش مصنوعی بسیار همکاری‌ و مقاله‌های متعددی منتشر کرده‌ایم. در همین مقاله‌ها، اظهارنظرهای اخلاقی و چشم‌اندازهای رفتاری هم دیده می‌شود. در برخی موارد، تنظیمگری قانونی بسیار اهمیت دارد؛ اما همه‌ی راهکارها باید با مشارکت افراد و شرکت‌های درگیر انجام شود. قطعا یک شرکت به‌تنهایی نمی‌تواند قانون یا محدودیت‌های استفاده از فناوری را مشخص کند.

آیا فناوری دیگری هم هست که درحال‌حاضر به آن علاقه داشته باشید؟

به‌‌شخصه به فناوری‌های تولید انرژی‌های پاک علاقه‌مندم. البته در نگاه کلی به ترکیب فناوری‌ها و استفاده‌ی بهینه از آن‌ها فکر می‌کنم. از دیدگاه من در فناوری‌های سلامت تا یک دهه‌ی آینده دستاوردهای بزرگی رقم خواهد خورد. به‌علاوه، باید به هوش مصنوعی هم اشاره کنم که در نسل‌های بعدی با الگوریتم‌های جدید و مدل‌های جامع‌تر و یادگیری همراه انتقال، همگی برای من جذاب خواهند بود.

این مصاحبه‌ توضیحات پیچای درباره‌ی پروژه‌ی رایانش کوانتومی گوگل و دلیل تمایل آن‌ها به توسعه‌ی فناوری بود. شایان ذکر است IBM‌ روز دوشنبه در مقاله‌ای، مفهوم برتری کوانتومی گوگل را به چالش کشید و گفت با کمی بهینه‌سازی، می‌توان مسئله‌ی آن‌ها را به‌جای ۱۰ هزار سال در ۲/۵ روز با کامپیوتر سامیت حل کرد. یکی از سخن‌گویان گوگل در پاسخ به ادعای IBM گفت:

ما از هرگونه پیشنهاد برای بهینه‌سازی روش‌های شبیه‌سازی استقبال می‌کنیم؛ اگرچه درنهایت آن‌ها را در کاربردهای واقعی باید آزمایش کرد. این همان فرایندی  است که برای مقاله‌ی خود انجام دادیم.

سخن‌گوی گوگل درادامه گفت پیچیدگی رایانش کوانتومی با افزایش چند کیوبیت چند برابر می‌شود و درنتیجه، می‌توان به‌راحتی مسئله را از گستره‌ی قدرت حل کامپیوترهای سنتی خارج کرد.