Computación Cuántica, ¿la novia de la IA?
IA + Cuántica son como el Yin y el Yang de la próxima revolución tecnológica Su sinergia puede redefinir sectores enteros, pero sólo si sabemos combinarlas con inteligencia y visión estratégica.
La computación cuántica y la inteligencia artificial están en boca de todos, y cada una de ellas representa un cambio de paradigma que puede transformar sectores que van desde la sanidad y las finanzas hasta la logística y la ciencia de los materiales. No hace mucho, estos dos campos parecían competidores que se disputaban los mismos presupuestos de innovación: mientras que la IA generaba beneficios inmediatos, la computación cuántica se consideraba un esfuerzo más especulativo. Sin embargo, en lugar de ser rivales, la cuántica y la IA pueden acelerar simbióticamente el avance de la otra, provocando un impacto que ninguna de las dos podría lograr de forma aislada. Han hecho match. Están hechos el uno para el otro. Venga, os cuento…
La IA está muy extendida en la actualidad y genera valor empresarial a través de modelos de aprendizaje profundo, sofisticadas plataformas analíticas e incluso tecnologías de conducción autónoma. Los responsables de las organizaciones pueden ver beneficios tangibles en plazos cortos, lo que estimula la adopción generalizada. La computación cuántica, por el contrario, aún no ha alcanzado la plena viabilidad comercial.
Enfocar la cuántica y la IA como contendientes por un mismo presupuesto de innovación, o incluso pensar que la IA obviará la necesidad de la cuántica, pasa por alto la sinergia que puede existir entre estas revolucionarias tecnologías. ‘Cuántica para la IA, IA para la cuántica’ no es el claim moderno de los Tres Mosqueteros, sino que ilustra cómo estas tecnologías pueden, y deben, reforzarse y elevarse mutuamente. Intentaré explicarlo para todos los públicos.
¿Cómo puede la cuántica mejorar la IA?
Aprendizaje automático cuántico (QML) en conjuntos de datos pequeños: Los algoritmos tradicionales de IA, en particular los modelos de aprendizaje profundo, a menudo requieren enormes conjuntos de datos de entrenamiento para lograr una alta precisión. Sin embargo, en sectores como el descubrimiento de fármacos, la obtención de grandes conjuntos de datos puede resultar costosa o imposible. Las primeras investigaciones sugieren que ciertos algoritmos de aprendizaje automático cuántico podrían extraer patrones significativos de conjuntos de datos más pequeños de manera más eficiente que sus contrapartes clásicas.
Datos mejorados para modelos de base en química y más allá: Los modelos básicos, capaces de captar ideas generalizadas a partir de grandes cantidades de datos, se han convertido en un elemento central de las estrategias modernas de IA. En química, por ejemplo, pueden ajustarse para predecir propiedades moleculares u optimizar reacciones complejas. Sin embargo, estos modelos suelen basarse en enormes bibliotecas de resultados experimentales o de simulaciones clásicas. Un ordenador cuántico puede simular moléculas pequeñas para las que no se dispone de datos experimentales. Estos datos ‘reales’ pueden introducirse en los modelos básicos, aumentando su precisión predictiva y permitiéndoles abordar problemas que antes estaban fuera de su alcance. Esta conexión tiene el potencial de producir resultados transformadores.
¿Cómo la IA puede mejorar la cuántica?
Mejor decodificación de la corrección cuántica de errores: La corrección de errores está en el corazón del futuro de la computación cuántica, pero es notoriamente difícil. Los qubits son muy sensibles a su entorno, e incluso una mínima interferencia puede perturbar un cálculo. Aunque existen códigos cuánticos de corrección de errores, su aplicación requiere complejas estrategias de descodificación para detectarlos y corregirlos. La IA destaca en el reconocimiento de patrones y la creación de modelos predictivos, lo que la convierte en un aliado ideal para perfeccionar la corrección cuántica de errores. El aprendizaje automático puede analizar datos de medición de qubits en tiempo real, mejorando el rendimiento de la corrección de errores.
Diseñar mejores qubits y hardware: Diseñar la próxima generación de hardware cuántico es un reto altamente interdisciplinar. Los investigadores ponen a prueba diferentes arquitecturas de qubits -ya sean circuitos superconductores, iones atrapados o átomos neutros- tratando de encontrar la combinación óptima de escala, rendimiento y precisión. La IA puede desempeñar un papel fundamental. Por ejemplo, el aprendizaje por refuerzo puede optimizar las señales de control para minimizar el ruido y mejorar el rendimiento de los qubits. Estas técnicas asistidas por IA pueden agilizar las iteraciones de diseño y acelerar la transición de los experimentos a escala de laboratorio a los procesadores cuánticos comercialmente viables.
Pero como siempre, hay algún pero. Y es que, aunque la computación cuántica es inmensamente prometedora y está avanzando a pasos agigantados, es esencial reconocer que la tecnología está aún en pañales en comparación con la inteligencia artificial. A diferencia de la IA, la utilidad de los sistemas cuánticos actuales se limita principalmente a la investigación y a demostraciones de prueba de concepto. De hecho, hay opiniones para todos los gustos sobre si la utilidad cuántica real está a décadas o a pocos años vista. Conscientes de los riesgos, las organizaciones deben moderar sus expectativas y ponerse en manos de partners especializados de verdad, entendiendo que, aunque la cuántica es un área crítica para la inversión a largo plazo, su impacto comercial irá a la zaga de la IA en un futuro previsible.
Desde el punto de vista de un ejecutivo, la cuestión no es si invertir en cuántica o en IA, sino cómo alinear ambas estratégicamente. Los sectores con un uso intensivo de datos, como las finanzas y la sanidad, ya aprovechan la IA para obtener información valiosa; la incorporación de la computación cuántica puede elevar ese valor a nuevas cotas. Por ejemplo, los algoritmos impulsados por IA podrían utilizar en última instancia la optimización cuántica para la gestión de carteras, logrando resultados más precisos a escalas que superan los métodos clásicos. Y, del mismo modo, las empresas de biotecnología que emplean la IA para descubrir nuevos candidatos a fármacos podrían utilizar simulaciones cuánticas para perfeccionar sus modelos y acortar el ciclo de desarrollo de fármacos.
Y para terminar, permitidme tres breves recomendaciones para empezar a acometer un proyecto de cuántica con garantías:
En lugar de oponer la IA y la cuántica para la asignación presupuestaria, consideradlas pilares complementarios. Invertid en aplicaciones de IA a corto plazo y asignad una parte del presupuesto de I+D a exploraciones cuánticas que podrían dar sus frutos a más largo plazo.
Fomentad equipos interfuncionales. Las iniciativas de éxito suelen surgir en la intersección de disciplinas. Esto permite una resolución de problemas más creativa y una comprensión más profunda de dónde pueden tener más impacto las sinergias ambas tecnologías.
Y aprovechar las colaboraciones y asociaciones: Asociarse con startups, universidades o consorcios especializados como el CESGA en Galicia y el Barcelona Supercomputing Center, puede reducir el riesgo y acelerar el aprendizaje. Estas alianzas pueden garantizarle el acceso a las últimas investigaciones, el mejor talento especializado y a una gama de conocimientos más amplia que la que podría desarrollar internamente.
Ya veis, la unión hace la fuerza, y entre la computación cuántica y la IA ni os cuento. Alinead las aplicaciones de IA a corto plazo con la exploración cuántica a largo plazo y obtendréis una clara posición de ventaja.
Y dicho esto, vamos con las recomendaciones…
¿Un libro?
Supremacía Cuántica, de Michio Kaku.
Aprovechando el artículo de hoy, uno de los libros que mejor recorre el que podríamos considerar el próximo gran logro tecnológico de la humanidad: la computación cuántica. La tecnología que podría llegar a esclarecer los misterios más profundos de la ciencia y resolver algunos de los mayores problemas de la humanidad, como el calentamiento global, el hambre en el mundo y las enfermedades hasta hoy incurables.
El éxito arrollador del microprocesador puede estar llegando a su fin. Enfrentados a las limitaciones físicas de tamaños cada vez más pequeños, no es probable que los chips de silicio tradicionales resulten útiles para resolver los mayores retos de la humanidad, pero el ordenador cuántico, que aprovecha la potencia y complejidad del reino atómico, promete, tal y como hemos visto hoy, ser tan revolucionario como lo fueron en su día el transistor y el microchip. Su potencia de cálculo anuncia avances que podrían cambiar todos los aspectos de nuestra vida. No hay un solo problema al que se enfrente la humanidad que no pueda resolverse con la computación cuántica.
Un tema complejo pero contado con la claridad y el entusiasmo característicos de Kaku. Un libro que es la historia de esta apasionante frontera y de la carrera por el futuro de la humanidad.
¿Otro libro?
En un vuelo de estorninos. Las maravillas de los sistemas complejos, de Giorgio Parisi.
Si os gusta la Ciencia, este libro os encantará.
El autor, galardonado con el Premio Nobel de Física en 2021 por sus investigaciones sobre las aleaciones metálicas complejas, ofrece una visión de su trabajo y de cómo ha evolucionado la investigación científica a lo largo de los años, escribiendo en términos claros, para todos los públicos, describiendo el papel que ha desempeñado la intuición en algunos de los descubrimientos científicos más significativos.
Fantásticos también el montón de diagramas en los que Parisi se apoya para ayudar a los lectores a entender las partes clave de su investigación.
Y lo que es más importante, este libro, engañosamente delgado, sirve como argumento contundente en favor del valor de la alfabetización científica en un momento en que se ve cada vez más amenazada por la desinformación. Y lo hace abogando por una comunicación más clara por parte de la comunidad científica para desmitificar su trabajo y evitar que el público en general adopte información irracional y falsa.
‘Ante una ciencia percibida como magia inaccesible, los no científicos se ven empujados hacia creencias irracionales. Si la ciencia se percibe como pseudomagia, ¿por qué no optar en su lugar por la magia real?’.
¿Una reflexión?
Los costes de inferencia se desploman.
La inferencia, que es el proceso de utilizar un modelo de aprendizaje automático entrenado para hacer predicciones o generar resultados basados en nuevos datos de entrada ha reducido su coste drásticamente y en tiempo récord.
Si en 2022 gestionar un LLM medianamente decente (MMLU ≥ 42) costaba alrededor de 60 dólares por millón de tokens, hoy sólo cuesta 0,30 dólares… y con modelos mucho mejores.
Los costes de inferencia más bajos de la actualidad:
· Gemini 2.0 Flash: 0,20 dólares
· GPT-4o mini: 0,30 dólares
· Llama 3.3: 0,60 dólares
· Claude Haiku: $1.60
· GPT-4o (completo): $4.40
· Claude 3.5 Soneto: $6.00
· o1: $26.30
El coste ya no es un cuello de botella, el razonamiento está mejorando rápidamente y la distribución es ahora el verdadero foso.
La IA es cada vez más barata, rápida e inteligente. ¿Lo estás aprovechando?
¿Un podcast?
Special Competitive Studies Project, con Eric Schmidt y Jeanne Meserve.
El Proyecto de Estudios Especiales sobre Competitividad (SCSP) es una iniciativa bipartidista sin ánimo de lucro con una misión clara: reforzar la competitividad a largo plazo de Estados Unidos en un momento en que la inteligencia artificial (IA) y otras tecnologías emergentes están remodelando nuestra seguridad nacional, economía y sociedad. Buscan asegurarse que Estados Unidos está posicionado y organizado para ganar la competición tecnoeconómica de aquí a 2030.
En el capítulo de hace unos días con Eric Schmidt es fantástico. Pone sobre la mesa sus predicciones sobre la IA, y anuncia que ésta está a punto de desacoplarse de nosotros: ‘Los ordenadores ya se están superando a sí mismos.. Ya no tienen que escucharnos’.
En un año la IA reemplazará a la mayoría de los programadores y a los mejores graduados en Matemáticas. En dos, comenzará la autosuperación recursiva. Entre tres y cinco la Inteligencia Artificial General (AGI) y el sexto año… La Superinteligencia Artificial (ASI), una mente artificial más inteligente que la suma de los humanos, a escala, recursiva, libre...
‘The need for certainty is the greatest disease the mind faces’.
Son tecnologías que creo que acabarán combinándose de forma muy provechosa. Yo especulé con algo de ciencia ficción pensando en que la IA, a punto de desgastar su escalabilidad, brindase la creación de un nuevo material que hiciera estable a los qbits… y a partir de ahí la explosión… https://newsletter.ingenierodeletras.com/p/el-ultimo-umbral