Nenhum resultado revisado por pares demonstra vantagem quântica em cargas de trabalho de IA em produção
Nenhuma carga de trabalho de Inteligência Artificial (IA) empresarial em escala será executada em hardware quântico até 2028, e a IA acelerada clássica dominará todos os benchmarks de produção, de acordo com o Gartner, Inc., empresa de insights de negócios e tecnologia.
“Quando os fornecedores afirmam oferecer ‘IA quântica’, geralmente se referem a técnicas híbridas ou inspiradas na computação quântica, e não à IA nativamente quântica rodando em escala empresarial”, diz Chirag Dekate, Vice-Presidente Analista do Gartner. “A verdadeira computação quântica ainda não está pronta para nenhuma carga de trabalho de IA em produção e, muito provavelmente, não estará pelo resto desta década. Além disso, nenhum resultado revisado por pares demonstra vantagem quântica em cargas de trabalho de IA em produção.”
“Inteligência Artificial quântica” refere-se a técnicas de IA ou machine learning que exigem execução em hardware quântico para alcançar uma vantagem alegada de desempenho, custo ou capacidade em relação à computação clássica.
“Alcançar a computação quântica tolerante a falhas na escala necessária para oferecer desempenho mensurável de IA ou benefícios de custo requer avanços em quatro áreas: hardware, correção de erros, middleware e algoritmos”, diz Dekate.
Temas como esse e outros relacionados à Inteligência Artificial, estratégia de negócios e liderança tecnológica serão abordados durante a Conferência Gartner CIO & IT Executive, que será realizada nos dias 21 a 23 de setembro em São Paulo.
A IA quântica difere de três categorias comumente confundidas:
– IA clássica: modelos de IA, como deep learning, transformers e aprendizado por reforço, que são executados inteiramente em CPUs, GPUs ou TPUs e já geram um ROI mensurável para as empresas hoje.
– IA inspirada em computação quântica: algoritmos clássicos que se inspiram em conceitos da mecânica quântica, como annealing, redes tensoriais e codificação de amplitude, mas são executados em hardware convencional. Essas técnicas já entregam valor em cargas de trabalho de otimização, simulação e amostragem e não dependem de hardware quântico.
– Métodos híbridos quântico-clássicos: fluxos de trabalho experimentais nos quais pequenos circuitos quânticos são orquestrados em conjunto com sistemas de IA clássica ou de computação de alto desempenho (HPC). Essas abordagens são utilizadas para pesquisa e projetos-piloto assistidos por fornecedores, e não para IA em produção.
O discurso dos fornecedores em torno da convergência entre IA e computação quântica está se intensificando, e os conselhos administrativos, pressionados a “não ficar de fora da computação quântica”, ficarão tentados a desviar o orçamento de IA para atividades de Pesquisa e Desenvolvimento (P&D) que não poderão gerar retorno antes de 2030.
Por isso, o Gartner prevê que a computação quântica tolerante a falhas permanecerá na fase de P&D para IA, com uma escala insuficiente de qubits lógicos para fornecer suporte a algoritmos de IA de ponta a ponta economicamente viáveis até 2030.
Separe o orçamento quântico do orçamento de IA
A P&D quântica e a infraestrutura de produção de IA têm horizontes de tempo, economia unitária e necessidades de governança incompatíveis. A Inteligência Artificial Generativa (GenAI) gera retorno mensurável em 12 a 18 meses em métricas de tempo de resposta, precisão e automação. Enquanto isso, a IA quântica nunca gerou retorno mensurável em nenhuma carga de trabalho de produção e é improvável que o faça em um futuro próximo.
“Misturar os dois orçamentos distorce a responsabilidade por ambos e permite que a opcionalidade quântica ocupe o espaço da capacidade de IA de produção”, diz Dekate. “Os Chief Information Officers (CIOs) colocam constantemente a GenAI, IA agêntica, segurança cibernética e nuvem entre as principais categorias de gastos. A tecnologia quântica não aparece nas listas de investimentos de alta prioridade. Os CIOs que estão financiando a tecnologia quântica o fazem em níveis significativamente mais baixos do que em GenAI e não estão exigindo retorno sobre o investimento no curto prazo.”
Para aproveitar ao máximo as ofertas quânticas, as organizações devem:
– Implementar métodos clássicos inspirados na computação quântica dentro do stack de IA existente: as organizações devem priorizar algoritmos inspirados na computação quântica executados na infraestrutura atual de GPUs, em vez de buscar hardware quântico. Em áreas como otimização, GenAI, álgebra linear, análise de grafos e aprendizado por reforço, as abordagens clássicas oferecem benefícios semelhantes sem o custo, a complexidade ou a imaturidade dos sistemas quânticos.
– Definir critérios de encerramento de projetos-piloto e rejeitar o exagero dos fornecedores: todo projeto-piloto quântico deve começar com métricas de sucesso predefinidas, um benchmark clássico claro e condições explícitas para encerramento. Isso evita que experimentos sem prazo definido consumam o orçamento sem gerar valor mensurável.
– Acompanhe o progresso quântico que realmente importa: a medida mais importante de progresso não é a contagem física de qubits, mas a disponibilidade de qubits lógicos operando com taxas de erro aceitáveis. Avanços na correção de erros, na calibração assistida por IA e no controle quântico são mais relevantes para o valor empresarial do que grandes anúncios sobre processadores quânticos maiores.
Mais informações disponíveis
Os clientes do Gartner podem ler mais em “Quantum Belongs in R&D, Not in Your AI Stack Yet“.
Imagem: https://pt.vecteezy.com/foto/66608192-inovativa-2028-tecnologia-conceito-maos-digitando-em-futurista-teclado-com-holografico-icones-mostrar-digital-transformacao-e-tecnologia-visao