IBM-Forschungsleiter prognostiziert Revolution in der Datenverarbeitung
Quantum und KI eröffnen eine völlig neue Bandbreite an algorithmischen Möglichkeiten, sagt Alessandro Curioni, Direktor des IBM-Forschungslabors in Zürich.
Alessandro Curioni hat einige kühne Vorstellungen zur Zukunft der Datenverarbeitung. Laut dem Direktor des IBM-Forschungslabors in Zürich stehen wir an der Schwelle zu zwei gleichzeitigen technologischen Revolutionen, die in ihrer Kombination die Art und Weise, wie die Welt Computer zur Lösung schwieriger Probleme einsetzt, grundlegend verändern werden.
Curioni behauptet, dass es in der Geschichte der Informatik nur zwei vergleichbare Entwicklungen gegeben habe – den Mikroprozessor und das Internet –, aber diese Durchbrüche lägen Jahrzehnte auseinander. Im Gegensatz dazu entwickeln sich die aktuellen Konkurrenten, KI und Quantencomputing, parallel. „Wir erleben derzeit zwei der größten technologischen Veränderungen in der IT der letzten 30 Jahre“, sagte er während einer Medienveranstaltung im November.
KI wird die Art und Weise verändern, wie wir die Realität abstrahieren
Die physikalische Welt wird in der Regel simuliert, indem mathematische Gleichungen auf experimentelle Daten angewendet und die Ergebnisse, Variablen und Funktionen verarbeitet (diskretisiert) werden, um sie für die computergestützte Analyse geeignet zu machen. Laut IBM werden diese Schritte in Zukunft entfallen. Anstatt die Realität mit Gleichungen zu approximieren, lernen multimodale KI-Modelle direkt aus Beobachtungsdaten und generieren dann Ersatzmodelle, die für den jeweiligen Anwendungsfall viel besser zur Realität passen. „Ich sage nicht, dass es besser ist, ich sage, dass es anders ist“, erklärte Curioni. „Eine andere Vorgehensweise ermöglicht viele neue Anwendungen.“
Als Ansatz ist unüberwachtes Lernen durch KI auch viel allgemeiner anwendbar, da ein auf vielen Datenmodi (Text, Bilder, Video usw.) trainiertes Frontier-Modell verwendet werden kann, um eine beliebige Anzahl spezialisierter Modelle für einzelne Anwendungsfälle zu erstellen. Die Verbesserungen in Bezug auf Geschwindigkeit und Genauigkeit werden dramatisch sein, so Curioni.
„30 Jahre lang wurden Wettervorhersagen so erstellt, dass man die Daten nahm, in die Gleichung einsetzte, die Gleichung löste und die Wettervorhersage erhielt. Heute kann man Modelle erstellen, die direkt auf den Daten basieren. Das ist wesentlich effizienter, da man mit der neuen Abstraktion Modelle erstellen kann, die Probleme in Minuten statt in Stunden oder Tagen lösen. Diese Änderung der Darstellung ist ein entscheidender Fortschritt.“
Quantencomputer werden die Darstellung von Informationen verändern
Die prognostizierten Auswirkungen des Quantencomputings sind noch radikaler. Curioni sieht eine grundlegende Veränderung in der Darstellung von Informationen selbst. Anstatt auf klassische Binärziffern (Eins oder Null) beschränkt zu sein, können Quantensysteme die Realität in hoher Auflösung darstellen, indem sie beliebige Werte zwischen diesen Grenzen verwenden. „Die Abbildung dessen, was in der [klassischen Datenverarbeitung] sehr komplex ist, kann in der [Quantenverarbeitung] sehr einfach sein. Diese Veränderung der Darstellung wird also einige der Probleme, die auf einem klassischen Computer sehr schwierig waren, erheblich vereinfachen. Dann werden die Simulation der Natur, die Optimierung und bestimmte Arten des maschinellen Lernens viel schneller und nachhaltiger werden.“
Dies bedeutet nicht, dass Quantencomputer klassische Computer ersetzen werden, sondern dass sie ein weiteres Werkzeug im Werkzeugkasten sind, derzeit noch ein Spezialwerkzeug, das jedoch nach Ansicht von IBM mit der Zeit an Bedeutung gewinnen wird.
Letztendlich sieht Curioni eine quantenzentrierte Zukunft des Computing voraus, in der Quantenprozessoren eine zentrale Rolle spielen (eine Position, die heute von der GPU eingenommen wird), unterstützt durch klassisches High-Performance-Computing (HPC) und vereint durch KI.
Die Kombination von KI (direktes Lernen aus Daten), Quantencomputern (genauere Darstellung der Realität) und HPC (rohe Rechenleistung, Speicher) wird die Entwicklung völlig neuer Algorithmen ermöglichen. Wir werden uns von der Wahl zwischen klassischen, Quanten- oder KI-Ansätzen zur Problemlösung hin zu integrierten Systemen bewegen, in denen jede Technologie das tut, was sie am besten kann.
Curioni ist der Ansicht, dass mit multimodaler KI und Quantencomputern lediglich vier Klassen mathematischer Algorithmen (partielle Differentialgleichungen, lineare Algebra, Optimierung und Kombinatorik sowie Wahrscheinlichkeit und Statistik) 95 % der Anwendungsfälle abdecken werden, die in Zukunft wichtig sein werden, und dass mit der Weiterentwicklung der zugrunde liegenden Hardware und KI-Modelle neue, allgemeiner anwendbare Ansätze möglich werden.
Unlösbare Probleme werden lösbar werden, und komplexe, rechenintensive Berechnungen werden viel schneller durchgeführt werden können. Zur ersten Kategorie gehört die Modellierung von Materie auf atomarer Ebene, zur zweiten Kategorie gehören Atmosphärenmodellierung, Strömungsdynamik, Lieferkettenmanagement, Risikoanalyse, Klimawandelmodellierung und -minderung, personalisierte Medizin, Finanzmodelle und Rapid Prototyping. Die vielleicht ehrgeizigste Prognose von IBM ist das Aufkommen echter digitaler Zwillinge – nicht nur digitale Darstellungen, sondern genaue Echtzeit-Abbildungen der physischen Realität.
Die neue Ära der Datenverarbeitung wird 2029 beginnen
Curionis Vorhersagen sind überraschend konkret. Quantencomputer werden bereits für Probleme in der Materialwissenschaft und Optimierung eingesetzt, aber IBMs Zeitplan sieht die Einführung eines fehlertoleranten Geräts für 2029 vor. Fehlertolerante Quantencomputer (die 100 Millionen Quantenoperationen ermöglichen, bevor Fehler auftreten, im Vergleich zu derzeit etwa 5.000) werden die algorithmischen Fähigkeiten exponentiell steigern.
Bevor dieser Meilenstein erreicht ist, prognostiziert Curioni, dass wir bis 2027 erste hybride Algorithmen sehen werden, die Quantenprozessoren für bestimmte Rechenaufgaben nutzen, während klassische Systeme breitere Workflows verarbeiten, alles orchestriert durch KI.
Was die Frage betrifft, wer die entscheidenden Durchbrüche erzielen wird, so ist dies ein Wettstreit zwischen IBM (wenig überraschend), Google und der Chinesischen Akademie der Wissenschaften.
Dieser Artikel erschien ursprünglich auf unserer Schwester-Website Computing.