آیا افزایش پارامترهای مدلهای هوش مصنوعی همیشه باعث باهوشتر شدن آنها میشود؟ در مقاله جدیدی که منتشر شده، محققان به نقد این فرضیه در دنیای «سنتز مدارات کوانتومی» پرداختهاند.
نکته کلیدی اینجاست: مدلهای زبانی فعلی بر اساس احتمالات کار میکنند، اما مدارات کوانتومی نیازمند دقت ریاضی بسیار سختگیرانه هستند. نویسندگان معتقدند به جای تکیه صرف بر مدلهای مقیاسپذیر، باید به سراغ «عوامل تاییدمحور» (Verifier-centric agents) برویم که قوانین فیزیک کوانتوم را در خود نهادینه کردهاند.
به عبارت سادهتر، برای تولید برنامههای کوانتومی بینقص، باید هوش مصنوعی را به جای تقلید، با منطقِ دقیقِ فضای هیلبرت آموزش دهیم.
منبع: arXiv Machine Learning