QI statt KI

In selbstfahrenden Autos, IBM's Watson oder Google's AlphaGo sind Computerprogramme am Werk, die aus Erfahrungen lernen können. Solche Maschinen werden im Zuge der Digitalisierung in vielen Lebens­bereichen Einzug halten. Bei der Erforschung von Methoden der künstlichen Intelligenz steht besonders der Ansatz des bestärkenden Lernens im Mittel­punkt. Dabei bewegen sich Agenten in einer Umgebung und reagieren auf Belohnungen und Bestrafungen. Sie erlernen selb­ständig eine Strategie, um die erhaltenen Belohnungen zu maximieren. Für Agenten und Umgebungen, die den Gesetzen der Quanten­physik gehorchen, wurde dieses Modell bisher kaum untersucht. In diese Lücke stoßen nun Vedran Dunjko und Hans Briegel vom Institut für theoretische Physik der Universität Innsbruck sowie Jacob M. Taylor vom Joint Quantum Institute in Maryland, USA, vor. Sie legen eine umfassende Analyse von Methoden des maschinellen Lernens unter Quanten­bedingungen vor.

Die Frage, wie Quantencomputer die Leistung von lernenden Computern verbessern können, wurde bisher vor allem im Kontext sehr spezieller Frage­stellungen diskutiert, so zum Beispiel zur Beschleunigung von Bild­erkennungs­programmen. „Wir haben einen breiteren Ansatz gewählt und untersucht, wie Methoden des maschinellen Lernens mit Hilfe von quanten­physikalischen Konzepten verbessert werden können“, erklärt Vedran Dunjko. „Dabei haben wir theoretisch analysiert, welche Ergebnisse sich erzielen lassen, wenn Agent und Umwelt quanten­physikalischen Gesetzen unterliegen, also zum Beispiel miteinander verschränkt sind.“ Die Forscher übersetzen das Konzept des bestärkenden Lernens in die Quanten­welt und klären dabei schwierige Fragen, etwa was es heißt, wenn Quanten­agenten mit der Umwelt interagieren oder wie die Geschichte dieser Inter­aktionen in der Quanten­welt sinnvoll beschrieben werden kann. „Wir konnten auch zeigen, wie Standard­algorithmen der Quanten­informations­verarbeitung Agenten dabei helfen können , schneller in einer Umgebung zu lernen, in der ein glücklicher Zug zu Beginn am Ende einen großen Unterschied machen kann, zum Beispiel wenn es darum geht zu lernen, wie man am besten durch ein Labyrinth navigiert“, erläutert Vedran Dunjko.

In Zukunft wollen die Forscher zum Beispiel untersuchen, ob ein Quanten­computer mit Hilfe eines Quanten­agenten schneller seine Umwelt erkennen kann, um durch Störungen verursachte Rechen­fehler rechtzeitig zu korrigieren. Die Arbeit der Physiker könnte aber auch eine neues Licht auf die Frage werfen, wie unsere klassische Alltags­welt aus Wechsel­wirkungen entstehen kann, die auf mikro­skopischer Ebene den Gesetzen der Quanten­physik gehorchen. „Das Verständnis darüber, wie lernende Quanten­agenten mit einer Quanten­umwelt interagieren, könnte neue Einsichten in diese sehr grund­legende Frage liefern“, ist auch der Leiter der Arbeits­gruppe, Hans Briegel, überzeugt.

U. Innsbruck / DE