Les robots apprennent plus rapidement grâce à la technologie quantique

L’intelligence artificielle fait partie de notre vie moderne en permettant aux machines d’apprendre des processus utiles tels que la reconnaissance vocale et les assistants personnels numériques. Une question cruciale pour les applications pratiques est la vitesse à laquelle ces machines intelligentes peuvent apprendre. Une expérience à l’Université de Vienne a répondu à cette question, montrant que la technologie quantique permet d’accélérer le processus d’apprentissage. Les physiciens, dans le cadre d’une collaboration internationale en Autriche, en Allemagne, aux Pays-Bas et aux États-Unis, ont obtenu ce résultat en utilisant un processeur quantique pour photons uniques comme robot. Ces travaux, qui contribuent à l’avancement de l’intelligence artificielle quantique pour les applications futures, sont publiés dans le numéro actuel de la revue La nature.

Des robots résolvant des jeux informatiques, reconnaissant des voix humaines ou aidant à trouver des traitements médicaux optimaux: ce ne sont que quelques exemples étonnants de ce que le domaine de l’intelligence artificielle a produit ces dernières années. La course continue pour de meilleures machines a conduit à la question de savoir comment et avec quels moyens des améliorations peuvent être réalisées. En parallèle, d’énormes progrès récents dans les technologies quantiques ont confirmé la puissance de la physique quantique, non seulement pour ses théories souvent particulières et déroutantes, mais aussi pour des applications réelles. D’où l’idée de fusionner les deux domaines: d’une part, l’intelligence artificielle avec ses machines autonomes; d’autre part, la physique quantique avec ses puissants algorithmes.

Au cours des dernières années, de nombreux scientifiques ont commencé à étudier comment relier ces deux mondes et à étudier de quelle manière la mécanique quantique peut s’avérer bénéfique pour l’apprentissage des robots, ou vice versa. Plusieurs résultats fascinants ont montré, par exemple, que les robots décidaient plus rapidement de leur prochain mouvement, ou la conception de nouvelles expériences quantiques à l’aide de techniques d’apprentissage spécifiques. Pourtant, les robots étaient toujours incapables d’apprendre plus rapidement, une caractéristique clé dans le développement de machines autonomes de plus en plus complexes.

Dans le cadre d’une collaboration internationale dirigée par Philip Walther, une équipe de physiciens expérimentaux de l’Université de Vienne, ainsi que des théoriciens de l’Université d’Innsbruck, de l’Académie autrichienne des sciences, de l’Université de Leiden et du Centre aérospatial allemand, ont réussi à expérimenter prouvant pour la première fois une accélération du temps d’apprentissage réel du robot. L’équipe a utilisé des photons uniques, les particules fondamentales de la lumière, couplés à un processeur quantique photonique intégré, conçu au Massachusetts Institute of Technology. Ce processeur a été utilisé comme robot et pour la mise en œuvre des tâches d’apprentissage. Ici, le robot apprendrait à acheminer les photons uniques vers une direction prédéfinie. «L’expérience pourrait montrer que le temps d’apprentissage est considérablement réduit par rapport au cas où aucune physique quantique n’est utilisée», explique Valeria Saggio, première auteur de la publication.

En un mot, l’expérience peut être comprise en imaginant un robot debout à un carrefour, chargé d’apprendre à toujours prendre le virage à gauche. Le robot apprend en obtenant une récompense lorsqu’il fait le bon mouvement. Maintenant, si le robot est placé dans notre monde classique habituel, il essaiera un virage à gauche ou à droite, et ne sera récompensé que si le virage à gauche est choisi. En revanche, lorsque le robot exploite la technologie quantique, les aspects bizarres de la physique quantique entrent en jeu. Le robot peut maintenant utiliser l’une de ses caractéristiques les plus célèbres et les plus particulières, le principe dit de superposition. Cela peut être intuitivement compris en imaginant le robot prenant les deux tours, gauche et droite, en même temps. « Cette caractéristique clé permet la mise en œuvre d’un algorithme de recherche quantique qui réduit le nombre d’essais pour apprendre le chemin correct. Par conséquent, un agent qui peut explorer son environnement en superposition apprendra beaucoup plus rapidement que son homologue classique », déclare Hans Briegel , qui a développé les idées théoriques sur les agents d’apprentissage quantique avec son groupe de l’Université d’Innsbruck.

Cette démonstration expérimentale que l’apprentissage automatique peut être amélioré en utilisant l’informatique quantique présente des avantages prometteurs en combinant ces deux technologies. «Nous sommes juste au début de la compréhension des possibilités de l’intelligence artificielle quantique», déclare Philip Walther, «et ainsi chaque nouveau résultat expérimental contribue au développement de ce domaine, qui est actuellement considéré comme l’un des domaines les plus fertiles pour l’informatique quantique.  »