|
Innsbruck (universität) - Intelligente Maschinen, die selbständig lernen, gelten als Zukunftstrend.
Forscher der Universität Innsbruck und des Joint Quantum Institute in Maryland, USA, loten nun in der Fachzeitschrift
Physical Review Letters aus, wie Quantentechnologien dabei helfen können, die Methoden des maschinellen Lernens
weiter zu verbessern.
In selbstfahrenden Autos, IBM's Watson oder Google's AlphaGo sind Computerprogramme am Werk, die aus Erfahrungen
lernen können. Solche Maschinen werden im Zuge der Digitalisierung in vielen Lebensbereichen Einzug halten.
Bei der Erforschung von Methoden der künstlichen Intelligenz steht besonders der Ansatz des bestärkenden
Lernens im Mittelpunkt. Dabei bewegen sich Agenten in einer Umgebung und reagieren auf Belohnungen und Bestrafungen.
Sie erlernen selbständig eine Strategie, um die erhaltenen Belohnungen zu maximieren. Für Agenten und
Umgebungen, die den Gesetzen der Quantenphysik gehorchen, wurde dieses Modell bisher kaum untersucht. In diese
Lücke stoßen nun Vedran Dunjko und Hans Briegel vom Institut für Theoretische Physik der Universität
Innsbruck sowie Jacob M. Taylor vom Joint Quantum Institute in Maryland, USA, vor. Sie legen in der Fachzeitschrift
Physical Review Letters eine umfassende Analyse von Methoden des maschinellen Lernens unter Quantenbedingungen
vor.
Lernen in der Quantenwelt
Die Frage, wie Quantencomputer die Leistung von lernenden Computern verbessern können, wurde bisher vor
allem im Kontext sehr spezieller Fragestellungen diskutiert, so zum Beispiel zur Beschleunigung von Bilderkennungsprogrammen.
„Wir haben einen breiteren Ansatz gewählt und untersucht, wie Methoden des maschinellen Lernens mit Hilfe
von quantenphysikalischen Konzepten verbessert werden können“, erklärt Vedran Dunjko. „Dabei haben wir
theoretisch analysiert, welche Ergebnisse sich erzielen lassen, wenn Agent und Umwelt quantenphysikalischen Gesetzen
unterliegen, also zum Beispiel miteinander verschränkt sind.“ Die Forscher übersetzen das Konzept des
bestärkenden Lernens in die Quantenwelt und klären dabei schwierige Fragen, etwa was es heißt,
wenn Quantenagenten mit der Umwelt interagieren oder wie die Geschichte dieser Interaktionen in der Quantenwelt
sinnvoll beschrieben werden kann. „Wir konnten auch zeigen, wie Standardalgorithmen der Quanteninformationsverarbeitung
Agenten dabei helfen können , schneller in einer Umgebung zu lernen, in der ein glücklicher Zug zu Beginn
am Ende einen großen Unterschied machen kann, zum Beispiel wenn es darum geht zu lernen, wie man am besten
durch ein Labyrinth navigiert“, erläutert Vedran Dunjko.
Einblick in das Weltgefüge?
In Zukunft wollen die Forscher zum Beispiel untersuchen, ob ein Quantencomputer mit Hilfe eines Quantenagenten
schneller seine Umwelt erkennen kann, um durch Störungen verursachte Rechenfehler rechtzeitig zu korrigieren.
Die Arbeit der Physiker könnte aber auch eine neues Licht auf die Frage werfen, wie unsere klassische Alltagswelt
aus Wechselwirkungen entstehen kann, die auf mikroskopischer Ebene den Gesetzen der Quantenphysik gehorchen. „Das
Verständnis darüber, wie lernende Quantenagenten mit einer Quantenumwelt interagieren, könnte neue
Einsichten in diese sehr grundlegende Frage liefern“, ist auch der Leiter der Arbeitsgruppe, Hans Briegel, überzeugt.
Finanziell unterstützt werden die Arbeiten der Theoretiker unter anderem vom österreichischen Wissenschaftsfonds
FWF und der Templeton World Charity Foundation.
Publikation: Quantum-Enhanced Machine
Learning. Vedran Dunjko, Jacob M. Taylor, Hans J. Briegel. Phys. Rev. Lett. 117, 130501 (2016). DOI: 10.1103/PhysRevLett.117.130501
|
