Quantum AI (ควอนตัม เอไอ) คืออะไร แล้วต่างจาก AI ทั่วไปตรงไหน เจาะลึกเรื่องใหม่น่าจับตาปี 2025 นี้
ตลอดปี 2024 กระแสเทคโนโลยี AI รวมถึง Generative AI ต่างเป็นที่พูดถึงและได้รับกระแสตอบรับทั้งในด้านการใช้งานและการพัฒนาจากทั่วโลก ในขณะที่เทคโนโลยีขั้นสูงอย่างควอนตัมคอมพิวเตอร์ (Quantum Computer) ก็เป็นที่พูดถึงในปี 2024 เช่นกัน และในปี 2025 อาจเป็นไปได้ว่าจะเกิดการพัฒนาระบบปัญญาประดิษฐ์ด้วยควอนตัมคอมพิวเตอร์ หรือที่เรียกว่าควอนตัม เอไอ (Quantum AI)
AI และ Generative AI
เจเนอเรทีฟ เอไอ (Generative AI) เป็นปัญญาประดิษฐ์ที่สามารถสร้างสรรค์เนื้อหาหลากหลายรูปแบบ เช่น ภาพ เสียง ข้อความ และการโต้ตอบกับผู้ใช้งานอย่างรวดเร็ว ซึ่งเป็นการต่อยอดความสามารถของปัญญาประดิษฐ์ ที่เริ่มต้นจากการลอกเลียนการทำงานของระบบประสาทและสมองในมนุษย์
และเพื่อการลอกเลียนนั้น จึงเกิดระบบการคำนวณทางคณิตศาสตร์ที่เรียกว่า นูรอล เน็ตเวิร์ก (Neural Network) หรือโครงข่ายประสาทเทียมที่เป็นการสร้างตรรกะการพัฒนาการรวบรวมข้อมูล ที่คล้ายคลึงกับการทำงานของใยประสาท (Axon) ของมนุษย์
ระบบดังกล่าวได้ต่อยอดสู่การสร้างโครงสร้างของ AI ที่เรียกว่า โมเดลภาษาขนาดใหญ่ (Large Language Model: LLM) ซึ่งเป็นเหมือนสมองกลที่เกิดจากการนำข้อมูลปริมาณมหาศาล มาเป็นเหมือนคลังความรู้ให้กับระบบ AI จนกลายเป็น Generative AI ที่สามารถต่อยอดการทำงานได้ตามคำสั่งที่ป้อนลงไป
การประมวลผล AI และ Generative AI ด้วย Super Computer
และในการสร้าง LLM หรือ Generative AI ผู้พัฒนาจำเป็นต้องมีทรัพยากรพื้นฐานอย่างน้ำ ไฟฟ้า รวมถึงระบบประมวลผลกำลังสูงอย่างซูเปอร์คอมพิวเตอร์ เพื่อให้ AI สามารถประมวลผลและสร้างการเชื่อมโยงจากข้อมูลได้ โดยใช้วิธีการคำนวณเชิงเส้น (Linear processing) หรือเรียกได้ว่าเป็นการคำนวณในลักษณะทีละขั้นตอน (step-by-step calculations)
แต่ในปัจจุบัน การประมวลผลด้วยซูเปอร์คอมพิวเตอร์ที่ใช้รากฐานการคำนวณแบบดั้งเดิม กำลังประสบปัญหาความเร็วไม่เพียงพอเมื่อเทียบกับปริมาณข้อมูลที่ต้องใช้ จึงมีกระแสการพัฒนาระบบ AI ด้วยสิ่งที่เรียกว่า "Quantum Computing" หรือการคำนวณแบบควอนตัม ซึ่งมีแนวคิดการคำนวณแบบคู่ขนาน (Paralell processing) ซึ่งถ้าสำเร็จเชื่อได้ว่าจะทำให้ความเร็วการคำนวณเพิ่มขึ้นอย่างมีนัยยะสำคัญได้
การประมวลผล AI และ Generative AI ด้วย Quantum Computer
โดยพื้นฐานแล้ว การประมวลผลในปัจจุบันจะมีหน่วยย่อยที่สุดของข้อมูลเรียกว่าบิต (Bit) ซึ่งบรรจุข้อมูลในรูปแบบเลขฐานสอง คือ 0 กับ 1 ซึ่งเมื่อรวมกันหลาย ๆ บิตจะก่อให้เกิดชุดข้อมูลต่าง ๆ กันออกไป เช่น ตัวอักษรภาษาอังกฤษ เอ แบบตัวพิมพ์ใหญ่ (A) จะเก็บเป็นชุดบิตว่า 0100 0001
แต่หน่วยย่อยของข้อมูลในระบบ Quantum Computing นั้นเรียกว่าคิวบิต (Qubit) ซึ่งไม่ได้บรรจุได้แค่ 0 หรือ 1 อีกต่อไป เนื่องจากหนึ่งในปรากฏการณ์ที่เรียกว่าซูเปอร์โพสิชัน (Superposition) นั้นทำให้ชุดข้อมูลใน 1 คิวบิต สามารถเป็นได้ทั้ง 0 และ 1 ขึ้นอยู่กับรูปแบบเงื่อนไขการคำนวณ
หรือหมายความว่า ข้อมูลใดที่บรรจุลงไปในระบบคิวบิต จะสามารถมีรายละเอียดมากกว่า 1 รูปแบบ เช่น ถ้าข้อมูลมี 2 คิวบิต ก็สามารถมีรูปแบบย่อยได้ 4 แบบ ได้แก่ 00 11 01 10 และยิ่งคิวบิตมาก ก็จะมีรูปแบบข้อมูลย่อยมากขึ้นไปด้วย เช่น 3 คิวบิต มี 8 รูปแบบบ่อย 4 คิวบิต มี 16 รูปแบบย่อย หรือ 32 คิวบิต จะมีเกือบ 4,300 ล้านรูปแบบย่อย เป็นต้น
ศักยภาพระบบ Quantum AI
ประโยชน์จากการจัดเก็บรูปแบบย่อยของข้อมูลส่งผลให้ระบบการคำนวณแบบควอนตัมสามารถสร้างการคำนวณได้มากกว่า 1 เส้นทาง ดังนั้น การคำนวณปัญหาต่าง ๆ ด้วยระบบคอมพิวเตอร์จะทำได้อย่างรวดเร็วมากยิ่งขึ้น
เช่น วิลโลว์ (Willow) ชิปประมวลผลตัวใหม่จากกูเกิล (Google) ที่พัฒนาในระบบ Quantum Computing จำนวน สามารถแก้ปัญหาที่ซูเปอร์คอมพิวเตอร์ซึ่งเร็วที่สุดในโลกในปัจจุบันต้องใช้เวลาแก้นานถึง 10 ล้านล้านล้านล้านปี ด้วยเวลาเพียง 5 นาที เท่านั้น ในขณะที่ฝั่ง IBM ก็ได้เปิดตัวเฮรอน ทู (Heron 2) ชิปในระบบควอนตัมที่เร็วที่สุดในโลกไปเมื่อเดือนพฤศจิกายนที่ผ่านมาด้วยเช่นชัน
ดังน้ัน หากสามารถพัฒนาระบบ AI ที่ใช้ Quantum Computer มาคำนวณ หรือที่เรียกว่า Quantum AI ก็จะสามารถทำให้ AI มีการคิดที่เป็นระบบและซับซ้อนมากขึ้นในเวลาที่สั้นลงได้ด้วย
อุปสรรคในการพัฒนาระบบ Quantum AI
แต่ปัญหาสำคัญในปัจจุบันคือการสร้างสภาพแวดล้อมการทำงานของ Quantum Computer ที่ต้องทำงานในอุณหภูมิต่ำกว่าระบบซูเปอร์คอมพิวเตอร์ในปัจจุบัน และการใช้เงินทุนมหาศาลเพื่อการคำนวณในระบบควอนตัม ที่ได้ผลลัพธ์เป็นคิวบิตในเลขหลักเดียวเท่านั้น
โดยผู้เล่นในการแข่งขันพัฒนา Quantum Computer ในปัจจุบันนี้มีทั้ง Intel Google IBM Amazon และ Microsoft ที่ทุ่มเททั้งแรงงานและเงินทุนเพื่อการพัฒนาให้สามารถต่อยอดสู่การสร้าง Quantum AI ได้จริง
และหาก Quantum AI เกิดขึ้นได้จริงในอนาคต LLM อาจได้รับการพัฒนาในความเร็วที่ไม่เคยมีมาก่อนในประวัติศาสตร์ รวมถึงการให้ AI เรียนรู้รูปแบบ (Pattern) ของชุดข้อมูล หรือการจดจำรูปภาพ (Image Recognition) จะสมบูรณ์และลงรายละเอียดได้มากยิ่งขึ้น
ตลอดจนการสร้างระบบ AI ที่ตัดสินใจได้ละเอียดมากขึ้น เนื่องจากคิวบิตสามารถทำให้ AI ใส่ปัจจัย (Factor) ในการคำนวณข้อมูลหรือตัดสินใจได้มากขึ้นโดยไม่กระทบเวลาการคำนวณ แต่ทั้งหมดนี้ก็ยังเป็นเพียงเป้าหมายซึ่งยังต้องใช้เวลาในการพัฒนาจนกว่าจะคุ้มค่าในแง่ต้นทุนรวมถึงความหลากหลายในการใช้งานต่อไป
ข้อมูล CNET, Google Quantum AI, Forbes, Infobib, Domain B