Forskere og industri vurderer kvantedatamaskiner for å håndtere begrensninger i klassisk maskinlæring.
Kvantedatamaskiner utnytter superposisjon, sammenfiltring og interferens for å representere og transformere data med qubits i stedet for biter, og kan dermed angivelig håndtere høydimensjonale og usikre problemer mer effektivt enn klassiske systemer. Begrensninger i Moores lov og økende krav til tid, energi og minne i moderne KI-metoder gjør at hybrid algoritmer og kvantebaserte tilnærminger blir diskutert som mulige løsninger for utvalgte, krevende delproblemer. 2025 Nobelprisen i fysikk fremhever kvantetunneling som en teknologisk nøkkel, og praktiske trinn som Google Chromes hybride nøkkelavtale X25519Kyber768 viser at postkvante-sikkerhet allerede rulles ut. Samtidig nevnes risikoen «harvest now, decrypt later» for lagret kryptert data. For kunstlig intelligens (KI) og maskinlæring peker kildematerialet på at kvanteprinsippene kan gi nye algoritmiske muligheter, selv om maskinvaren fortsatt er under utvikling.
For Norge er dette relevant for aktører som håndterer sensitive helse-, finans- og forsvarsdata, og for nettleser- og tjenestesikkerhet; temaet er omtalt i AI nyheter.
Kilde: https://towardsdatascience.com/why-should-we-bother-with-quantum-computing-in-ml | Sammendraget er KI-generert med OpenAI API av Ainy.no
