IA Quantique | Quantum AI

Précédemment, dans l’IA Quantique, on a vu que l’informatique quantique serait en principe capable d’accroître sensiblement la vitesse d’exécution de certains algorithmes de Machine Learning. Cela est dû au fait que certains phénomènes siégeant au coeur de tels ordinateurs (superposition des états, intrication des qubits, décohérence des états superposés, réduction brutale du paquet d’ondes) permettent de paralléliser les calculs en stockant plusieurs informations (superposées) avec une même particule. En accélérant considérablement certains traitements algorithmiques, on comprend que la quantique permettra aux IA de résoudre de nouveaux problèmes. Certains vont plus loin encore et y voient même un potentiel pour rendre un cerveau artificiel aussi performant que celui des humains, capable notamment d’intégrer des concepts abstraits comme la conscience et les sentiments. La question qui se pose alors est de savoir si l’IA quantique serait plus susceptible de devenir une “IA forte”… D

Pionnières de l’analytique par l’importante quantité de données disponibles et par les enjeux financiers sous-jacents, les entreprises du secteur bancaire et de l'assurance s’interrogent encore sur la véritable valeur ajoutée de l’intelligence artificielle (IA) dans leurs processus décisionnels. L’intelligence artificielle est un ensemble de théories et de techniques visant à doter les machines de capacités d’apprentissage et de raisonnement, analogues en certains points à celles des humains. Or le machine learning, c'est-à-dire l'apprentissage automatique, et le traitement du langage naturel (NLP), les deux composantes principales de l’intelligence artificielle, sont a priori particulièrement adaptés à la valorisation des données et à l’automatisation de certains processus métiers du secteur bancaire (?).  1. Périmètre de l'intelligence artificielle (source : Saagie) Résumer des amas complexes de données Le machine learning revêt un double intérêt. Il p

Précédemment, dans l’IA Quantique, on a vu que l’informatique quantique permettrait en théorie d’exécuter un certain nombre d’algorithmes complexes de machine learning en un temps “raisonnable” (qui ne prennent pas des années…). Mais la question est maintenant de comprendre ce qu’il y a de si différent dans un ordinateur quantique par rapport aux ordinateurs actuels. Cet article vise à décrire – le plus simplement possible – le fonctionnement d’un tel ordinateur et s’achèvera sur l’exemple d’un algorithme quantique. Le but n’est donc pas de rentrer dans le détail théorique d’un tel ordinateur mais bien d’illustrer simplement les différences fondamentales entre algorithme classique et quantique. La notion de bits – L’analogie avec une pièce de monnaie Pour comprendre les raisons pour lesquelles les calculs sont potentiellement bien plus rapides dans un ordinateur quantique, il faut déjà se remémorer le fonctionnement général  des ordinateurs classiques. Ils utilisent des bits pour