الذكاء الاصطناعي × الحوسبة الكمية

• الحوسبة الكمية في خدمة الذكاء الاصطناعي. هذا هو «تعلم الآلة الكمي» (QML)، وفي المقام الأول سير العمل الهجين (معالج QPU يساند معالج GPU). والأمل المعقود: تسريع بعض مهام الاستمثال أو أخذ العينات أو المحاكاة، بما يعود بالنفع على المالية والكيمياء واكتشاف الأدوية. لكن لنكن صادقين: حتى اليوم، لم تثبت أي أفضلية كمية في تعلم الآلة الشائع الاستخدام، وهذا المسار من أكثر مسارات القطاع مبالغة في الترويج له.
• الذكاء الاصطناعي في خدمة الحوسبة الكمية. وهذا، للمفارقة، هو التآزر الأكثر واقعية اليوم. فالذكاء الاصطناعي يساعد على فك ترميز تصحيح الأخطاء بسرعة أكبر، وعلى تصميم ومعايرة الشرائح الكمية، وعلى قيادة أنظمة التحكم واكتشاف خوارزميات أفضل. وهكذا أصبح الذكاء الاصطناعي أداة لدفع الحوسبة الكمية نفسها إلى الأمام.

---

خلاصة الفصل (الفصل 12)

• يستثمر الكيوبت خاصيتي التراكب والتشابك لاستكشاف احتمالات كثيرة في آن واحد؛ وفي بعض المسائل المحددة، الوعد بالقدرة هائل.
• الجدار الحقيقي هو الخطأ (فقدان الترابط): يجب التمييز بين الكيوبتات الفيزيائية (هشة، كثيرة) والكيوبتات المنطقية (موثوقة، نادرة). وتصحيح الأخطاء هو الرهان المحوري.
• في عام 2026، التقدم حقيقي (Willow من Google، وأفضلية كمية أعلنتها IBM في يوليو 2026 وتنتظر تأكيد الأقران)، لكن سقف الآلات يتوقف عند بضع مئات من الكيوبتات الفيزيائية، ونحو ألف في أحدث سجلات الذرات، والتطبيقات النافعة تظهر ببطء. والفاعلون موزعون بين الولايات المتحدة وأوروبا (بحضور فرنسي قوي) والصين.
• الأثر الوشيك والمؤكد هو التهديد الذي يطال علم التشفير (خوارزمية شور)، ومن هنا الحاجة الملحة إلى التشفير ما بعد الكمي.
• يُقرأ التقارب بين الذكاء الاصطناعي والحوسبة الكمية في اتجاهين: الحوسبة الكمية من أجل الذكاء الاصطناعي (QML، الحساب الهجين، مبالغ جدا في الترويج له، ومن دون أفضلية مثبتة في تعلم الآلة الشائع) وبصورة أكثر واقعية الذكاء الاصطناعي من أجل الحوسبة الكمية (تصحيح الأخطاء، تصميم الشرائح).

لنترك المجرد والمجهري، ولننتقل إلى أكثر أشكال التقارب تجسدا: الذكاء الاصطناعي حين يتخذ جسدا، في الروبوتات.

---