این تحولات، موجی از هیجان را در دنیای کوانتوم به راه انداخت که دو وجه اصلی دارد: از یک سو، امید به تحقق پتانسیل عظیم محاسبات کوانتومی در آینده و از سوی دیگر، رقابت داغ شرکت‌های بزرگ برای تصاحب این بازار نوظهور.

بااین‌حال، تمام این دستاوردها به یک اندازه تأثیرگذار نبوده‌اند. هیاهوی اولیه‌ پیرامون تراشه‌های کوانتومی گوگل، مایکروسافت و آمازون نتوانست بازار را به‌طور چشمگیری تکان دهد و بیشتر شبیه نقشه‌راه‌هایی برای آینده بود تا شواهد ملموس و عملی؛ به‌ویژه ادعای مایکروسافت درباره‌ی تراشه‌ی مایورانا که حالا زیر ذره‌بین جامعه‌ی علمی قرار گرفته است. در غیاب شواهد قانع‌کننده‌ از عملکرد کیوبیت‌های این تراشه، دانشمندان همچنان منتظر انتشار مقاله‌‌ی علمی معتبر برای اثبات ادعاهای این شرکت هستند.

مایکروسافت می‌خواهد با خلق حالت‌های جدیدی از ماده به نام حالت‌های مایورانا، کیوبیت‌هایی بی‌نقص بسازد. این نظریه واقعاً جذاب است و اگر دستگاهی با ویژگی‌های دقیق ساخته شود، می‌تواند کیوبیت‌های بسیار قدرتمندی تولید کند؛ اما چالش اصلی آن است که دستگاه‌های کنونی هنوز به اندازه‌ی کافی «پاک» و بی‌نقص نیستند.

به‌ بیان دیگر، دستگاه‌ها باید از هر نوع خطای کوانتومی یا نویزهای خارجی پاک باشند تا بتوانند محاسبات را دقیق و پایدار انجام دهند. در غیر این صورت، کیفیت کیوبیت‌ها مختل می‌شود و عملکرد سیستم را تحت‌تأثیر قرار می‌دهد.

مایکروسافت می‌خواهد روی نظریه‌ای بلندمدت و پرخطر سرمایه‌گذاری کند که هنوز اثبات نشده است. این شرکت تلاش می‌کند تا تکنولوژی‌های نوآورانه‌ای برای ساخت کامپیوترهای کوانتومی توسعه دهد، اما تاکنون نتوانسته است کیوبیتی عملی و کاربردی بسازد.

بخشی از این مشکل به تاریخچه‌ی پرابهام پروژه‌ی مایورانا برمی‌گردد. در سال ۲۰۱۸، مایکروسافت ادعا کرد که موفق به ساخت مدهای صفر مایورانا (یکی از اجزای اصلی کیوبیت‌های توپولوژیک) شده است. کیوبیت‌های توپولوژیک از خواص توپولوژیکی ماده برای کاهش حساسیت به خطاها استفاده می‌کنند و می‌توانند در برابر اختلالات محیطی مقاوم‌تر باشند؛ اما تاکنون اثبات تجربی قاطعی برای وجود آن‌ها ارائه نشده است. بدون اثبات وجود Majorana، ادعای دستیابی به رایانش کوانتومی با استفاده از این ذرات، ازنظر بسیاری از دانشمندان فاقد اعتبار خواهد بود.

درحال‌حاضر، بسیاری از کارشناسان معتقدند که مایکروسافت برای انتشار داده‌ها و بررسی دقیق آن‌ها، به ‌چند ماه زمان نیاز دارد. در سوی دیگر، آمازون نیز در حال توسعه‌ی فناوری‌های خود در زمینه‌ی کامپیوترهای کوانتومی است. این شرکت نشان داد که با افزایش اندازه‌ی کدهای کوانتومی، می‌توان عملکرد بهتری به دست آورد.

البته این تنها گام اول در مسیری طولانی‌‌ است، اما پتانسیل آن را دارد که در آینده به گزینه‌ای رقابتی و قدرتمند در برابر روش‌های گوگل تبدیل شود. بسیاری از متخصصان بر این باور هستند که جست‌وجو برای مسیرهای جایگزین در این حوزه امری ضروری است، چرا که هنوز هیچ اجماعی در مورد بهترین روش برای ساخت کامپیوترهای کوانتومی مقیاس بزرگ وجود ندارد.

درحال‌حاضر، گوگل و آی‌بی‌ام از پیشگامان این عرصه هستند و رویکرد مشابهی را دنبال می‌کنند. بااین‌حال، حفظ پیشتازی در دنیای فناوری به چالشی جدی تبدیل شده است. البته نباید فراموش کنیم که در دنیای فناوری، روندها می‌توانند به‌سرعت تغییر کنند؛ موضوعی که گوگل به‌خوبی آن را درک می‌کند.

همه‌چیز با انتشار ChatGPT تغییر کرد. این چت‌بات، نه‌تنها باعث شد مردم هوش مصنوعی را باور کنند، بلکه OpenAI را به چهره‌ی اصلی انقلاب هوش مصنوعی تبدیل کرد. اما در حقیقت، این گوگل بود که سال‌ها قبل، بی‌سروصدا، پایه‌های بسیاری از پیشرفت‌های کنونی این تکنولوژی را بنا نهاده بود.

در سال ۲۰۱۷، پژوهشگران گوگل مقاله‌ی معروف «Attention is All You Need» را در مورد معماری ترنسفورمر منتشر کردند؛ همان معماری‌ای که پشت ChatGPT و اکثر مدل‌های زبانی بزرگ قرار دارد. ترنسفورمر به‌طور خاص برای پردازش زبان طبیعی طراحی شده است و به سیستم‌های هوش مصنوعی اجازه می‌دهد می‌دهد ارتباطات طولانی‌مدت بین کلمات یا جملات را بهتر درک کنند. این معماری باعث انقلاب در یادگیری ماشینی شد و به‌طور قابل‌ توجهی کارایی مدل‌های زبانی را بهبود بخشید.

گوگل معماری ترنسفورمر را ابداع کرد، اما آن را تجاری نکرد. به‌همین‌دلیل، بیشتر مردم از آن بی‌خبر ماندند. درمقابل، OpenAI با ارائه‌ی یک محصول ساده، دسترس‌پذیر و مفید، این فناوری را به شکلی تجاری عرضه و توجه‌ها را به‌خود جلب کرد.

حالا، گوگل ممکن است با تراشه‌ی ویلو، فرصتی دوباره برای رهبری در حوزه‌ی کوانتوم پیدا کرده باشد. این فرصت می‌تواند به یک لحظه‌ی تجاری بزرگ تبدیل شود و تحقیقات گوگل را به واقعیت‌های ملموس و تجاری‌شده تبدیل کند؛ اما سؤال اینجاست: آیا مشکلات فعلی گوگل، از جمله نبود شفافیت در مورد پروژه‌های جمنای و اینکه هنوز مشخص نیست این فناوری‌ها در دنیای واقعی چه نقشی خواهند داشت، می‌تواند با پیشرفت در محاسبات کوانتومی جبران شود؟ جمنای، پروژه‌ای در گوگل برای توسعه‌ی مدل‌های پیشرفته‌ی هوش مصنوعی است که می‌تواند با محاسبات کوانتومی هم‌افزایی داشته باشد.

برخی معتقدند که محاسبات کوانتومی می‌تواند هوش مصنوعی را به‌طور چشمگیری تقویت کند و موقعیت گوگل را در این رقابت بهبود دهد. در خصوص هوش مصنوعی، به‌نظر می‌رسد که سیستم‌های آینده همچنان به استفاده‌ی گسترده از محاسبات معمولی ادامه دهند، اما شاهد سیستم‌های ترکیبی‌ای خواهیم بود که پردازنده‌ی کوانتومی به آن‌ها اضافه شده است. این ترکیب می‌تواند کارایی و قدرت پردازشی را به سطح جدیدی برساند.

ذخیره‌سازی داده‌ها

یکی از زمینه‌های احتمالی استفاده از محاسبات کوانتومی در ذخیره‌سازی داده‌ها است. به‌طور نظری، می‌توان مقدار زیادی داده‌ی کلاسیک را به‌صورت فشرده در یک کامپیوتر کوانتومی ذخیره کرد. بااین‌حال، معمولاً این فرایند بسیار کند پیش می‌رود.

بنابراین، اگر بخواهیم از کامپیوتر کوانتومی برای پردازش مشکلات مربوط به داده‌های کلان استفاده کنیم (مشابه کاری که در هوش مصنوعی معمولی انجام می‌دهیم)، سرعت پایین بارگذاری و بارگیری اطلاعات از کامپیوتر کوانتومی ممکن است مزیت سرعت محاسبات را بی‌اثر کند.

خلق داده‌های جدید

یکی دیگر از پیشرفت‌های بالقوه در زمینه‌ی هوش مصنوعی، خلق داده‌های جدید است. پیشرفت‌های هوش مصنوعی به جایی رسیده که با مشکل کمبود داده‌های تازه و با کیفیت بالا برای آموزش روبه‌رو است. به‌خصوص هرچه مدل‌ها پیشرفته‌تر می‌شوند، نیاز آن‌ها به داده‌های جدید، سریع‌تر از قبل افزایش می‌یابد.

با شبیه‌سازی سیستم‌های فیزیکی پیچیده، محاسبات کوانتومی می‌توانند مجموعه‌های داده‌ای جدید و مصنوعی ایجاد کنند که کامپیوترهای کلاسیک از عهده‌ی ساخت آن‌ها برنمی‌آیند. این داده‌های نوین و منحصربه‌فرد می‌توانند به پیشرفت‌های جدید در هوش مصنوعی کمک کنند و راه‌حل‌هایی برای مشکلات پیچیده‌تری ارائه دهند.

در دنیای پررمز و راز فیزیک کوانتوم، ادعاهای زیادی مبنی بر اینکه محاسبات کوانتومی می‌تواند انقلابی بزرگ در هوش مصنوعی ایجاد کند، مطرح می‌شوند؛ اما باید گفت که ادعاهای مذکور تا حد زیادی بی‌پایه هستند و حداقل ۹۰ درصد آن‌ها درحال‌حاضر واقعیت ندارند. حتی خود گوگل نیز هنوز از این موضوع مطمئن نیست. بااین‌حال، این شرکت همچنان با جدیت روی کاربردهای واقعی این فناوری تمرکز کرده است.

گوگل باور دارد که اولین گام در این مسیر، انجام دقیق این مقایسه‌ها است. وقتی این بررسی‌های علمی به نتیجه‌ی قطعی رسید، آن‌گاه باید تمرکز خود را روی توسعه‌ی محصول نهایی و تجاری‌سازی فناوری بگذارد.

به گفته‌ی کارشناسان گوگل، محاسبات کوانتومی و هوش مصنوعی می‌توانند به‌خوبی مکمل یکدیگر باشند، به این شکل که محاسبات کوانتومی می‌تواند داده‌هایی برای آموزش سیستم‌های هوش مصنوعی، تولید کند.

به‌عنوان مثال، آلفافولد (AlphaFold) یکی از کاربردهای جالب محاسبات کوانتومی در زمینه هوش مصنوعی است که گوگل آن را برای پیش‌بینی ساختار سه‌بعدی پروتئین‌ها طراحی کرد. پروتئین‌ها مولکول‌های پیچیده‌ای هستند که نقش‌هایی حیاتی در بدن ایفا می‌کنند.

بنابراین، فهمیدن ساختار دقیق آن‌ها برای درک نحوه‌ی عملکردشان بسیار مهم است. قبلاً این پیش‌بینی‌ها، به روش‌های آزمایشگاهیِ بسیار زمان‌بر و هزینه‌بر‌ی نیاز داشتند، اما AlphaFold توانست با استفاده از داده‌های مبتنی بر فیزیک کوانتوم، ساختار پروتئین‌ها را با دقت بسیار بالایی پیش‌بینی کند.

این سیستم با استفاده از اصول مکانیک کوانتوم، می‌تواند برهم‌کنش‌های بین اتم‌ها و مولکول‌ها را که در سطح کوانتومی اتفاق می‌افتد، مدل‌سازی کند و پیش‌بینی‌های دقیق‌تری از ساختار پروتئین‌ها داشته باشد؛ قابلیتی که باعث شد آلفافولد به یکی از دستاوردهای برجسته در زیست‌شناسی و پزشکی تبدیل شود و به تحقیقات علمی در زمینه‌ی درمان بیماری‌ها و طراحی داروهای جدید، سرعت ببخشد.

البته این کاربرد هنوز محدود است، اما با پیشرفت‌های بیشتر در محاسبات کوانتومی، می‌توان داده‌های بیشتری تولید کرد که به سیستم‌های هوش مصنوعی کمک می‌کند تا پیش‌بینی‌ها و تحلیل‌های دقیق‌تری ارائه دهند.

گوگل پیش‌بینی می‌کند که تا پنج سال آینده، شاهد پیشرفت‌های چشمگیری در زمینه‌ی کاربردهای عملی محاسبات کوانتومی خواهیم بود. این پیشرفت‌ها، بیشتر در حل مسائلی که هنوز برای ابرکامپیوترها چالش‌برانگیز است، نمایان خواهند شد.

درحال‌حاضر، فرایند تولید کود به روش هابر-بوش به دما و فشار بسیار بالایی نیاز دارد، که این امر باعث مصرف انرژی زیادی می‌شود. این روش، برای تبدیل نیتروژن جو به آمونیاک، که یکی از اجزای اصلی کودهای شیمیایی است، از دماهایی حدود ۴۰۰ درجه سلسیوس و فشار ۲۰۰ اتمسفر استفاده می‌کند. محاسبات کوانتومی می‌تواند به شبیه‌سازی دقیق‌تر این فرایند کمک و شرایطی را ایجاد کند که انرژی کمتری مصرف شود.

گوگل امید دارد که با بهره‌گیری از محاسبات کوانتومی، بتواند فرایندهایی را مشابه آنچه در طبیعت و توسط باکتری‌ها در دما و فشار استاندارد انجام می‌شود، شبیه‌سازی کند. این پیشرفت، نه‌تنها می‌تواند به حل مشکلات زیست‌محیطی کمک کند، بلکه به‌طور قابل‌‌توجهی مصرف انرژی در تولید کود را کاهش خواهد داد. اما سؤال اینجاست که در پنج سال آینده چه تغییراتی خواهیم دید؟

به گفته‌ی کارشناسان گوگل، نخستین کاربردهای واقعی محاسبات کوانتومی در حوزه‌های علمی، به‌ویژه فیزیک، ظهور خواهند کرد. محاسبات کوانتومی قادر خواهند بود مسائلی را که برای ابرکامپیوترها چالش‌برانگیز هستند، با دقت بیشتری حل کنند.

گوگل تأکید دارد که این پیشرفت‌ها باید با دقت و به‌صورت علمی آزمایش شوند تا بتوان به‌طور رسمی ادعا کرد که به موفقیت دست یافته‌اند. این نوع ارزیابی دقیق نه‌تنها باعث افزایش اعتبار محاسبات کوانتومی می‌شود، بلکه به اعتماد عمومی کمک می‌کند و ما را به دستاوردهای بزرگ‌تری در آینده‌ی نزدیک می‌رساند.

یکی از نکات کلیدی که گوگل به آن توجه زیادی دارد، ارزیابی دقیق و علمی مسائل مختلفی است که روی آن‌ها کار می‌کند. گوگل قصد دارد ادعای «یک کامپیوتر کوانتومی در حل یک مشکل بهتر از مدل‌های کلاسیک عمل می‌کند» را با آزمایش‌های علمی جدی و مقایسه‌های دقیق با الگوریتم‌های کلاسیک، بررسی کند.

وقتی جنسن هوانگ، مدیرعامل انویدیا گفت که حداقل ۱۵ سال با محاسبات کوانتومی فاصله داریم، سایه‌ای از ناامیدی بر فضای این فناوری افتاد؛ اما گوگل دیدگاه متفاوتی دارد. به باور غول دنیای جست‌وجو، محاسبات کوانتومی پیچیدگی‌های زیادی دارد و همه‌چیز به این بستگی دارد که از چه زاویه‌ای به آن نگاه کنیم.

گوگل معتقد است که با شروع انقلاب کوانتومی، نشانه‌های آن به‌سرعت ظاهر خواهند شد. با محاسبات کوانتومی کارهایی می‌توانیم انجام دهیم که هیچ فناوری دیگری قادر به انجام آن‌ها نیست. با گذشت زمان، همه خواهند دید که محاسبات کوانتومی چه تأثیری در حل مسائل دارد. گوگل به این مسیر اطمینان دارد، چون می‌داند توانایی حل مسائلی را دارد که هیچ‌چیز دیگری نمی‌تواند به آن‌ها پاسخ دهد.

گوگل باور دارد روزی مشابه آنچه برای ChatGPT اتفاق افتاد، در انتظار محاسبات کوانتومی خواهد بود؛ روزی که این فناوری از دنیای تحقیقات علمی به دنیای واقعی و کاربردهای عملی وارد شود. در چند سال آینده، بزرگ‌ترین دستاورد محاسبات کوانتومی، حل مشکلاتی خواهد بود که تنها با کامپیوترهای کوانتومی ممکن است.

در گوگل، نقشه‌‌ی راه مشخصی برای توسعه‌ی سخت‌افزار وجود دارد که به دو بخش اصلی تقسیم می‌شود:

• سخت‌افزاری: هدف گوگل در این بخش، ساخت مدلی مقیاس‌پذیر از کامپیوتر کوانتومی با قابلیت اصلاح خطا است. در واقع، آن‌ها در تلاش هستند تا کامپیوتری بسازند که بتواند خطاهای رایج در محاسبات کوانتومی را اصلاح کند.
• کاربردی: گوگل در این بخش روی شناسایی کاربردهای عملی که می‌تواند از محاسبات کوانتومی استفاده کند، تمرکز دارد.

پروژه‌ی ویلو، نخستین گام در مسیر ساخت کامپیوتر کوانتومی است. پس از تکمیل و ساخت کامپیوتر کوانتومی، گوگل می‌خواهد با ترکیب آن با کاربردهای عملی، از توان محاسباتی آن به بهترین نحو استفاده کند. در این مرحله، شکوفایی واقعی محاسبات کوانتومی آغاز و این فناوری به شکلی کارآمد وارد دنیای واقعی می‌شود.

یکی از نکات برجسته در این زمینه، زمان‌بندی پیشرفت‌های آن است. برخلاف تصورات اولیه، اکنون پیش‌بینی می‌شود که در پنج سال آینده شاهد تحقق فناوری کوانتومی باشیم. این پیش‌بینی حالا بسیار واقع‌بینانه‌تر به نظر می‌رسد و گوگل با اطمینان کامل به آن نگاه می‌کند.

در گذشته، بسیاری تصور می‌کردند که ساخت کامپیوتر کوانتومی ممکن نیست و فیزیک آن به‌درستی پیش نخواهد رفت؛ اما حالا، اعتماد به ساخت این کامپیوتر، به‌طور چشمگیری افزایش یافته است. گوگل نیز حالا بیشتر وقت خود را صرف بررسی این می‌کند که با این فناوری چه دستاوردهای بزرگی می‌توان به دست آورد و چگونه می‌توان از آن برای حل مسائل پیچیده و بهبود جامعه بهره برد.

گوگل در مورد رقبا نظر جالبی دارد: اینکه رقابت اصلی آن‌ها نه با دیگر شرکت‌ها، بلکه با کامپیوترهای کلاسیک است. بشر زمان و تلاش زیادی را صرف کرده است تا کامپیوترهای کلاسیک به این سطح از کارایی برسند، بنابراین عبور از این مرحله کار ساده‌ای نیست. بااین‌حال، گوگل اطمینان دارد که در نهایت بر چالش‌ها غلبه خواهد کرد.

در گذشته، هوش مصنوعی گوگل کمتر مورد توجه قرار گرفته بود. حالا، این سؤال مطرح می‌شود که آیا درحال‌حاضر هم محاسبات کوانتومی این شرکت به همان اندازه نادیده گرفته می‌شود؟ به نظر گوگل، بسیاری از مردم هنوز به‌درستی متوجه اهمیت محاسبات کوانتومی و مسائل پیچیده‌ای که این فناوری می‌تواند حل کند، نیستند. زیرا در فضای محاسبات کوانتومی، به‌دلیل نوپابودن این فناوری و پوشش گسترده‌ی خبری، مطالب متناقض زیادی منتشر می‌شود.

از یک سو، بعضی رسانه‌ها اخبار اغراق‌آمیز منتشر می‌کنند و از سوی دیگر، برخی شاید به دلایل مختلفی از اهمیت این فناوری کم کنند. اطلاعات پراکنده و گاهی گیج‌کننده باعث می‌شود که برای عموم مردم، تشخیص اینکه چه چیزی واقعاً در حال وقوع و چه چیزی صرفاً هیاهو است، دشوار شود.

گوگل می‌خواهد این معما را برای مردم حل کند و نشان دهد که محاسبات کوانتومی نه‌تنها یک تحول علمی، بلکه یک پیشرفت بزرگ مهندسی است که در نهایت به واقعیات ملموس تبدیل خواهد شد.

گوگل اشاره می‌کند که ترکیب فیزیک و مهندسی، هر دو دستاوردهای عظیمی هستند، اما برای فرد عادی شاید درک آن‌ها کمی سخت باشد. همان‌طور که در دنیای هوش مصنوعی شاهد بودیم، تا زمانی که یک رابط کاربری ساده و قابل دسترس برای افراد عادی فراهم نشود، درک واقعی اهمیت این فناوری‌ها دشوار است.

در مورد ChatGPT، تا زمانی که این فناوری در قالبی ساده و کاربرپسند به مردم ارائه نشد، فقط در حد یک موضوع پیچیده و علمی باقی ماند. سؤال اینجاست که آیا در دنیای محاسبات کوانتومی هم به همین شکل پیش خواهیم رفت؟ آیا روزی می‌رسد که مردم عادی بتوانند به‌راحتی از محاسبات کوانتومی استفاده کنند؟

پیشرفت در محاسبات کوانتومی واقعاً هیجان‌انگیز است.

- سوندار پیچای

به گفته‌ی گوگل، زمانی که کامپیوتر کوانتومی با اصلاح خطا به مقیاس قابل‌ توجهی برسد و رابط کاربری مناسبی برای آن طراحی شود، استفاده از این فناوری بسیار راحت‌تر و در دسترس‌تر از آن چیزی خواهد بود که امروز در آزمایشگاه‌ها مشاهده می‌کنیم.

درحال‌حاضر، وقتی کسی با کامپیوتر کوانتومی کار می‌کند، بیشتر شبیه یک آزمایش فیزیکی است تا یک تجربه‌ی کاربری عادی؛ اما با ایجاد یک رابط کاربری مناسب، دسترسی به این فناوری برای عموم مردم ساده‌تر می‌شود و افراد بیشتری می‌توانند از آن استفاده کنند.

در دنیای هوش مصنوعی، اخیراً بحث‌هایی درباره‌ی «دیوار داده‌ها» مطرح شده است که نشان می‌دهد داده‌ها دیگر به‌راحتی رشد نمی‌کنند و محدودیت‌هایی دارند. گوگل می‌گوید یکی از کاربردهای اصلی محاسبات کوانتومی می‌تواند تولید داده‌های جدید باشد. با این فناوری، شاید بشود موانع بزرگ را که فقط با کوانتوم قابل‌ حل هستند، برطرف کرد. البته گوگل تأکید می‌کند که این ایده‌ها هنوز در حد فرضیه هستند.

گوگل تفاوت اصلی میان محاسبات کوانتومی و هوش مصنوعی را در این می‌داند که مدل‌های هوش مصنوعی امروزی بر پایه‌ی کامپیوترهای کلاسیک ساخته می‌شوند و قادر به درک یا استفاده از اصول مکانیک کوانتومی نیستند؛ درحالی‌که کامپیوترهای کوانتومی می‌توانند به‌طور مستقیم با نحوه‌ی عملکرد جهان در سطح بنیادی ارتباط برقرار کنند و به‌این‌ترتیب قادرند مسائل جدیدی را حل کنند که برای کامپیوترهای کلاسیک غیرممکن است.

آینده محاسبات کوانتومی هنوز نامشخص است، اما پتانسیل آن برای حل بزرگ‌ترین چالش‌های پیش‌روی بشر انکارناپذیر است. گوگل با سرمایه‌گذاری هنگفت، نه تنها روی یک فناوری، بلکه روی تغییر اساسی آینده‌ی محاسبات شرط‌بندی کرده است؛ قمار بزرگی که برنده‌ها و بازنده‌های دوران بعدی تکنولوژی را مشخص خواهد کرد.