Quantum Accelerated AI: Quantencomputer und intelligente Systeme

Erik Pfannmöller: Hallo und herzlich willkommen zu einem neuen AI Unplugged Podcast von Digital Kompakt. Kurzer Disclaimer an dieser Stelle wie immer, wir sind immer noch in der Remote-Zeit und falls die Audioqualität nicht perfekt ist, bitte drüber hinwegsehen. Der Moderator, das bin ich, Erik Pfannmöller, ehemaliger Kanu-Weltmeister, dreifacher Familienvater und Gründer von SolveMate, einer KI-basierten Plattform für eine verbesserte Service-Experience. Unsere Chatbots ermöglichen es, dass Endkunden ihre Serviceanfragen im Handumdrehen und ohne menschliche Supportagenten lösen können. Wie immer. Bei AI Unplugged erklären wir Alltagsthemen rund um das Thema KI einfach und für jedermann verständlich. Wir besprechen gesellschaftliche Umwälzungen durch KI und auch neueste KI-Trends. Und genau darum soll es auch heute gehen. Denn heute geht es um das Thema Quantencomputer und KI. Jeder hat sicherlich schon mal von Quantencomputern gehört. Und heute besprechen wir unter anderem, was Quantencomputer sind, wie der aktuelle Forschungsstand ist und welchen Einfluss Quantencomputer auf KI und Algorithmen haben. Dazu habe ich einen echten Experten bei mir, Sebastian Feld. Postdoc an einem Informatiklehrstuhl an der LMU München. Und dort hält er unter anderem die Vorlesung Quantum Applications. Also jemanden, der Praxis mit der Theorie verbindet. Herzlich willkommen, Sebastian. Aber vielleicht stellst du dich erst mal selbst vor.

Sebastian Feld: Ja, vielen Dank, dass ich da sein darf. Sehr schön. Ja, mein Name ist Sebastian Feld. Ich bin Informatiker. Ich habe in Gelsenkirchen studiert, nämlich Internet-Sicherheit. und bin dann halt 2013 nach München gekommen, habe dort im Bereich Indoor Navigation promoviert und kam dann so ein bisschen über diese Indoor Navigation zu Optimierungsproblemen. Und darüber sind wir dann zu Quantencomputing gekommen. Der Lehrstuhl heißt eigentlich mobile und verteilte Systeme und wir haben innerhalb dieses Lehrstuhls auch noch ein Quantenlabor, Quantum Applications Research Laboratory und da bin ich halt eben auch verantwortlich für. Und in der Forschung und auch in der Lehre kümmere ich mich um intelligente Systeme und um Quantenapplikationen. Genauso heißen auch meine Vorlesungen Intelligente Systeme und Quantum Applications. Und von daher hoffe ich, die eine oder andere Frage von dir beantworten zu können.

Erik Pfannmöller: Super. Ich bin ja persönlich selbst interessiert an dem Thema und ich hatte dich um das Vorlesungsskript gebeten und habe mir das sozusagen in Vorbereitung einmal angeschaut. Und ich muss sagen, das ist schon echt harter Tobak, was da drin steht. So sehr viel Mathematik und Themen. Aber die Qualität ist eigentlich sowas Schwieriges, auch einfach zu erklären. Vielleicht starten wir mit so ein paar Definitionen, mit so einer Einordnung, weil nicht alle unsere Gäste wissen eigentlich, was ein Quantum Computer ist. Und ich glaube, man muss ja die Wirkprinzipien zumindest mal grob verstehen, um dann über den Effekt auf KI und Algorithmen sprechen zu können. Vielleicht fangen wir mal an. Was ist ein Quant? Was ist ein Quantencomputer? Wie würdest du das erklären für unsere Zuhörer?

Sebastian Feld: Ja, Quantencomputer. Vielleicht dann mal einen Schritt zurück. Was ist ein Computer? Das ist eine Maschine, die etwas berechnet. Und ein Quantencomputer ist halt einfach eine Maschine, die etwas berechnet mithilfe von Quanteneffekten. Und dann hört vielleicht schon die Informatikerwelt auf und die Mathematik- und Physikwelt beginnt sozusagen. Also wie gesagt, wir bauen eine Maschine, die Berechnungen durchführen kann und nutzen Quanteneffekte aus der Quantenmechanik, Quantenphysik. Und das Grundlegende in diesem Bereich ist das Qubit. Also ich denke mal, dass wir vielleicht da starten können. Wir haben es also nicht mit einem Bit zu tun, mit einer 0 oder 1, sondern mit einem Quantenbit. Und da ist es halt einfach so, gut, da verschwindet jetzt die Grenze, so von wegen akkurat bleiben und gut erklären. Aber man kann es so, ist ungefähr so erklären, dass wir nicht nur eine 0 oder eine 1 haben, sondern eine 0 und eine 1 zur gleichen Zeit, nur mit unterschiedlichen Wahrscheinlichkeiten.

Erik Pfannmöller: Ich würde nochmal gerne einen kleinen Schritt zurück machen, weil unsere Computer funktionieren mit Nullen und Einsen und da gibt es die CPU und da gibt es eine Taktfrequenz, das sind so Gigahertz. Das heißt, mein Computer hat 1,x Gigahertz und das sind Milliardenberechnungen pro Sekunde. Die Nullen und Einsen, die von Bits sozusagen zu Bytes werden, damit kann ich Zeichen kodieren. Wenn ich Zeichen kodiert habe, kann ich auch sozusagen Rechenoperationen machen. A plus B ist gleich C. Und wenn ich davon Milliarden machen kann, kann ich ganz schnell rechnen. Und wenn man weiterdenkt, sozusagen auch Grafiken darstellen, zum Schluss auch Internetpakete übertragen und Videotelefonie, so wie wir es gerade machen, machen. Das heißt, ich kenne diese Zahl Qubit, diese Zahl Gigahertz, also sozusagen die Geschwindigkeit. Jetzt habe ich aber oft genau das, was du schon angesprochen hast, das Wort Qubit gehört. Und du hast gerade gesagt, was ist ein Qubit? Das habe ich verstanden. Das ist, auch wenn es komisch ist, sozusagen 0 und 1 gleichzeitig haben. Und wie misst man eigentlich die Geschwindigkeit von Quantencomputern?

Sebastian Feld: Vielleicht müsste ich jetzt, bevor ich deine Frage beantworte, noch ganz kurz eine andere Sache erklären, nämlich den Begriff der Verschränkung. Weil die zwei Dinge zusammen, da kommt dann der Geschwindigkeitsvorteil her. Also das Ding ist, in der Quantenwelt können Quantenobjekte miteinander verschränkt sein. Das bedeutet, dass wenn man irgendetwas auf das eine Objekt anwendet, dass es auch bei dem anderen Objekt passiert. Man kann sich das so ein bisschen vorstellen, wie wir haben ein Bit, eine 0 oder eine 1 und kleben ein anderes Bit dran. Und wenn wir jetzt dieses erste Bit umdrehen, dreht sich auch das andere Bit mit um. Das heißt, wir haben durch diese Verschränkung erwirkt, eine Operation zu tun, aber zwei Zustände zu verändern. Und jetzt kommt der Clou. Wenn wir ein Qubit haben oder mehrere Qubits und die verschränken, aneinander kleben sozusagen. Und das, was in diesen Qubits drin ist, das sind jetzt nicht nur Einsen oder Nullen, sondern Wahrscheinlichkeiten davon. Dann kann ich mit einer Operation alle diese Zustände gleichzeitig anfassen. Und das ist der Clou. Das heißt, wir haben jetzt keine Gigahertz, irgendwie 3000 Gigahertz auf fünf Prozessoren oder irgendwie sowas. Und da ackern wir alle unseren Millionen von Berechnungen durch, sondern wir haben eine massive Parallelisierung sozusagen. Wir haben Wahrscheinlichkeiten auf Zustände und können mit einer Operation alle diese Zustände anfassen.

Erik Pfannmöller: Wenn ich das richtig verstanden habe, bei einem normalen Computer laufen die Dinge sequenzieller. Das heißt, ich mache eine Berechnung auf der anderen und manche sind zu parallelisieren. Da kann ich auf zwei CPUs rechnen oder auf tausenden CPUs bei einem Supercomputer, wie man die sich in einer großen Lagerhalle vorstellt. Bei einem Quantencomputer ist das irgendwie anders. Wie muss ich mir das bildlich vorstellen? Ich habe mir das vorgestellt, wie je mehr Qubits ich habe, desto exponentiell schneller kann ich rechnen, weil die irgendwie alle miteinander interagieren. Ist das richtig?

Sebastian Feld: Ja, ganz genau. Wenn wir ein Qubit haben, dann können da ja zwei Zustände drin sein, eine 0 oder eine 1 oder bei Bits. Wenn wir ein Register mit zwei Bits haben, dann kann da ja drin sein 0, 0, 0, 1, 1, 0 und 1, 1. Das heißt 4, also 2 hoch 2 und dann geht es immer so weiter, 2 hoch 3 etc. Das heißt, wenn wir jetzt beispielsweise 50 Qubits haben und die verschränken wir alle miteinander, haben wir 2 hoch 50 Zustände und die können wir alle gleichzeitig angehen. Das ist dieses Parallelisierte.

Erik Pfannmöller: Und ich glaube, das ist auch wichtig zu verstehen, weil du hast jetzt für mich gerade auch die Frage, die hier sozusagen noch offen war in meinem Kopf, schon beantwortet. Nämlich, man hört immer vom neuen Supercomputer, der 52 Qubits hat. Das heißt nicht, dass der irgendwie 52 Bits berechnen kann oder sowas wie Gigahertz. Das wächst exponentiell, weil genau wie du sagst, 2 hoch 52 ist eine viel, viel größere Zahl als 2 hoch 53. Das heißt, ein Qubit mehr zu haben, ist schon ein deutlich, deutlich höherer. Ist es eine exponentielle Steigerung?

Sebastian Feld: Ja, ganz richtig. Ja, wir Menschen haben da Probleme, uns das vorzustellen.

Erik Pfannmöller: In Corona-Zeiten kann man das exponentielle Wachstum schon vorstellen, ja.

Sebastian Feld: Okay, ja gut, das stimmt.

Erik Pfannmöller: Aber ich meinte sozusagen dieses Gefühl, wenn man hört 52 Qubits, dann klingt das wenig, aber man muss 2 hoch 50 rechnen, um auf die Zahl der, ist das richtig, Rechenoperationen zu kommen?

Sebastian Feld: Nee, das würde ich jetzt nicht sagen, sondern ich würde sagen, das ist die Zahl der Zustände, die man gleichzeitig in der Hand hat.

Erik Pfannmöller: Aber was haben jetzt diese Qubits eigentlich mit Berechnungen zu tun, um dann sozusagen die Brücke zu Algorithmen oder zu KI zu schlagen?

Sebastian Feld: Also diese Arbeitsweise von Quantencomputern ist halt ganz anders. Also wie wir vorhin schon gesagt haben, sind die Prozessoren von Grafikkarten oder von Computern, die sind einfach darauf optimiert, einen Berg an Arbeit abzuarbeiten, einfach hintereinander. Und bei diesen Quantenberechnungen, da ist der Clou, dass wir einen Suchraum haben, der sehr, sehr groß ist. Das hört sich jetzt erst mal sehr abstrakt und kompliziert an, aber vielleicht an einem kleinen Beispiel Portfoliooptimierung. Also im Grunde, ich habe ein bestimmtes Budget und ich möchte Aktien kaufen. Ich kann eine Aktie kaufen oder halt eben nicht. Und jetzt könnte ich beispielsweise ein Qubit dafür definieren, dass es sagt, ob ich eine bestimmte Aktie kaufe oder nicht. Das heißt, wenn ich ein Qubit habe, kann ich das mit einer Aktie machen. Ich kaufe sie oder nicht. Und dann berechne ich, was die beste Vorgehensweise ist. Und wenn ich zwei Qubits habe, kann ich zwei Aktien anschauen. Ich habe aber schon vier Möglichkeiten. Ich kaufe keine, beide oder jeweils eine. Und jetzt explodiert der Suchraum. Wenn ich 50 Aktien habe, was ja auch noch gar nicht so viel ist, aber wenn ich 50 Aktien habe und sage, welche soll ich denn jetzt kaufen, dann habe ich schon 2 hoch 50 Möglichkeiten. Das ist dieser Suchraum. Und hier mit einer gewissen Abstraktion kann ich gleichzeitig schauen, was denn die beste Wahl ist.

Erik Pfannmöller: Das finde ich interessant. Jetzt würde ich mal so ganz salopp sagen, ich habe ein Smartphone in meiner Hosentasche oder es gibt Grafikkarten und ganz schnelle Computer. Was ist jetzt der Vorteil von einem Quantencomputer? Können die einfach schneller rechnen? Wie muss ich mir das vorstellen? Oder können die andere bestimmte Dinge besser lösen? Das heißt, es gibt so Vor- und Nachteile von normaler CPU versus Quantencomputer.

Sebastian Feld: Es gibt ganz klare theoretische Unterschiede. Es gibt Algorithmen, die sind bewiesen theoretisch schneller als klassische Algorithmen. Jetzt wirklich nur als Beispiel, es gibt Algorithmen, die können etwas nur in exponentieller Zeit.

Erik Pfannmöller: Da geht es um die Laufzeit von Algorithmen. Ich weiß, wovon du sprichst. Je mehr Daten man rein tut, desto länger brauchen die, um zu berechnen. Da gibt es lineare, polynominale und exponentielles Laufzeit, sozusagen, wie sich Algorithmen verändern. Und wenn man weiß, was exponentiell bedeutet, dann ist es irgendwann einfach unmöglich zu berechnen, egal wie viel CPU-Kraft man hat, oder?

Sebastian Feld: Ganz genau. Es gibt einige Algorithmen, da gibt es einfach keine schnelleren Algorithmen, als exponentiell drauf zu gehen. Also wenn ein Element dazukommt, dann braucht man Jahre mehr, um das zu lösen. Und es gibt jetzt bestimmte Quantenalgorithmen, die bewiesenermaßen das schneller können, die nicht exponentiell viel Zeit brauchen, sondern beispielsweise nur polynomiell viel Zeit. Und das ist ein Fakt, den kriegt man in der klassischen Welt nicht. Das gibt es nur in dieser Quantenwelt. Und daher rührt eben dieses Interesse an diesen Maschinen.

Erik Pfannmöller: Jetzt muss ich noch mal kurz einhaken. Wir hatten exponentielles Wachstum, also im Sinne von ich habe 50, ich habe sozusagen das 51. Thema und meine Laufzeit wächst exponentiell. Und polynomial heißt zum Beispiel quadratisch. Beides klingt irgendwie viel, aber in der Mathematik ist exponentiell unglaublich viel mehr als nur quadratisch. oder zur dritten Potenz. Und das sozusagen für die Zuhörer ist ein Riesenunterschied, den du gerade gesagt hast. ob etwas polynominell wächst, je mehr Varianten ich habe oder exponentiell. Und in der Quantentheorie sagst du, kann man exponentiell wachsende Algorithmen auf polynominales sozusagen Wachstum herunterbrechen. Habe ich das richtig verstanden?

Sebastian Feld: Ja, ganz genau. Aber jetzt nicht, Nicht einfach per se, sondern das sind Herrschaften gewesen, kluge Herrschaften, die solche Algorithmen ausgedacht haben. Und Gott sei Dank haben wir die ja. Also den Algorithmus von Shor beispielsweise. Diese Algorithmen gibt es glücklicherweise, weil sonst wäre dieses Argument, warum brauchen wir Quantencomputern, auch wieder ein bisschen schwächer.

Erik Pfannmöller: Ich habe jetzt verstanden, dass es sozusagen Probleme gibt auf dieser Welt, die einfach sehr schwierig zu lösen sind mit normaler Computerkraft. Und wenn man aber, ich sage mal mathematische Algorithmen, nehmen wir mal ein Machine Learning Problem. Da gibt es ja Support Vector Maschinen, lineare Regression, da gibt es neuronale Netze. Und neuronale Netze kann man zum Beispiel sehr gut mit Grafikkarten berechnen. Man kann es einfach auszudrücken. Und es gibt eine andere Klasse von Algorithmen, heißen die Quantenalgorithmen, die ich mit Quantencomputern sehr schnell berechnen kann.

Sebastian Feld: Ja, ganz genau. Das ist so die richtig klassische Quantenvorgehensweise sozusagen, dass wir ein Produkt in seine Primzahlen zerlegen möchten. Aber das macht ja jetzt nicht jeder alltäglich, irgendwelche Primzahlen.

Erik Pfannmöller: Ja, vielleicht Kryptographen oder sowas. Ja, genau.

Sebastian Feld: Also das macht halt nicht jeder. Deswegen würde ich vielleicht so ein Stückchen weitergehen in Richtung KI und Machine Learning, weil manchmal ist ja auch gerade dieser Aspekt von Zufälligkeit ja auch ganz gewünscht oder der Aspekt von Unschärfe. Und das haben wir in der Quantenwelt gratis dabei quasi. Also hier diese Quantenwelt, da ist inhärent Zufälligkeit halt mit drin. Und das können wir ausnutzen, weil, wie ich gerade gesagt habe, in der KI braucht man ja oft zufällige Zahlen, zufällige Startwerte, Rauschen und sowas. Und das können wir in der Quantenwelt gratis mitnehmen. Also da schauen wir rein. Das ist die eine Sache. Und wenn wir uns jetzt nochmal überlegen an dieses ominöse Zusammengegner. Ich drehe unterschiedliche Bits gleichzeitig um. Wenn wir uns jetzt mal neuronale Netze vorstellen und so die Backpropagation von irgendwelchen Gewichten, dann wird es interessant in meinen Augen. Das ist alles noch in Kinderschuhen, aber das gucken wir uns an.

Erik Pfannmöller: Spannend. ist an dieser Stelle, ich glaube, Folge 1 und eine der Folgen 7 oder 8, wo es um das Thema neuronale Netze ging, wo das Thema Backpropagation erklärt wurde vom Rasmus Rothe von Merantix. Aber wieder zurück zur Quantencomputer. Wir haben jetzt sehr viel theoretisch gesprochen. Lass uns mal praktisch werden. Und Mach vielleicht mal ein Anwendungsbeispiel aus deiner Vorlesung oder das du kennst, wo sich der normale Zuhörer, der jetzt nicht gerade Aktien kauft, einfach vorstellen kann, warum Quantencomputer eigentlich so ein Quantensprung sind, lustigerweise sagt man das so, und warum sie Probleme lösen können, die vielleicht vorher noch nicht gelöst werden konnten.

Sebastian Feld: Ja, sehr gerne. Also wir können sehr gerne praktisch werden, wie du schon gesagt hast, also Quantum Applications. Ich möchte den Studierenden die Anwendung beibringen. Also ich bin, wie man vielleicht auch merkt, ein Informatiker, kein Mathematiker und kein Physiker. Ich möchte diese Welt der Quanten den Informatikstudenten beibringen. Und wir gehen durch die Physik und durch die Mathematik, durch die Komplexitätstheorie, landen dann aber auch ziemlich schnell in den Anwendungen. Und da ist es halt so, um jetzt schon wieder auf diese schwer zu berechnenden Probleme hinzukommen, da gibt es die 21 Carbs NP-vollständigen Probleme. Das ist halt ein Sammelsurium an bestimmten Problemkralassen. die, wenn man sich die reale Welt mal ganz genau anguckt, immer und immer wieder findet. Und was ich mit den Studierenden versuche, ist, wir gucken uns die echte Welt an. Was haben wir für echte Probleme? Und dann versuchen wir das zu abstrahieren, sodass es auf eines dieser vorgefertigten Probleme passt. Und dann nutzen wir diese Schablone sozusagen, um auf einen Quantencomputer zu gehen.

Erik Pfannmöller: Du hast im Vorgespräch was von Gates und Flugzeugen erzählt. Und ich finde, Gates und Flugzeuge kann sich immer jeder gut vorstellen.

Sebastian Feld: Ja, genau. Das ist gut. Also die Logistik ist ein hochinteressantes Feld, weil da sehr viele sehr komplizierte Probleme sind. Und wenn man da Verbesserungen schafft, dann ist das auch wirklich Geld wert und Gold wert. Und da gibt es ein Problem, das nennt sich das Gate Allocation Problem. Und zwar haben wir einen Flughafen mit Gates. Und jetzt haben wir Flugzeuge, die kommen und fliegen weg und landen. Und dann sind halt einige Flugzeuge, das ist deren Endstation, und einige Passagiere müssen halt die Flüge wechseln. Und jetzt ist die Idee, gegeben eine Menge an Gates und gegeben eine Menge an Flugzeugen, welches Flugzeug soll an welchem Gate landen, derart, dass die Passagiere möglichst wenig laufen müssen. Vielleicht können wir noch nach anderen Dingen optimieren. Vielleicht mögen sich verschiedene Airlines nicht, die dürfen nicht nebeneinander sein. Lufthansa muss immer nur auf dem Gate 2 sein oder so. Das gibt es alles. Und was man dann jetzt macht als Informatiker ist, wir sehen, dass es sehr große Ähnlichkeiten hat zu einem Planeten. Problem, das nennt sich da Quadratic Assignment Problem. Und zwar haben wir Standorte, wo wir Maschinen hinstellen können und wir haben Maschinen, die wir an diese Standorte bringen und es gibt Anfragen zwischen den Maschinen, mal mehr und mal weniger. Und um das jetzt noch einmal zu abstrahieren, ich erkläre das immer mit einer Bar. Ich habe eine Bar und ich habe die Bierzapfanlage und die Bierkrüge stelle ich natürlich

Erik Pfannmöller: Ich finde gut, dass Quantencomputer jetzt zu einer Bar führen, weil man kann ja nie das Problem auf einer Bar runterbrechen. Aber bitte, erzähl weiter. Ich bin ohr.

Sebastian Feld: Sehr gut. Ich habe eine Bar und einen Bierzapfhahn und auch hier einen Zapfhahn für Cola. Und ich stelle die Biergläser natürlich in die Nähe vom Bierzapfhahn, weil ich die dort brauche. Das heißt, der Weg, der zwischen Bierglas und Bierzapfhahn zurückgelegt werden muss, der sollte vielleicht klein sein. Es macht keinen Sinn, dass ich für das Bierglas durch den Raum laufen muss. Und so ähnlich ist es auch bei dem Quadratic Assignment Problem und auch bei dem Airport Gate Allocation Problem. Ich möchte, dass Flieger, wo viele Personen drin sind die gleichzeitig umsteigen müssen, dass diese zwei Flieger nah beieinander sind, damit halt diese 200 Leute aus diesen riesen Airbus-Maschinen nicht durch den gesamten Flughafen laufen. Und diese 15 Leute, die aus Island gerade nach Hause kommen, ja, die haben jetzt ein bisschen Pech, also die müssen dann halt länger laufen. Und du merkst schon, hier haben wir es mal wieder mit einem kombinatorischen Optimierungsproblem zu tun, weil wir jedes Flugzeug, Flugzeug an jedes Gate bringen können und jedes Umsetzen erwirkt potenziell große Änderungen. Und da ist jetzt die Frage, wie finden wir da eine gute Lösung? Und so etwas mache ich mit denen.

Erik Pfannmöller: Jetzt kommt die schwierige Frage, warum können Quantencomputer? dieses Problem, ist ja eine Art Machine Learning Problem. Das heißt, man hat irgendwie Trainingsdaten, baut ein Modell. und ist das Machine Learning schon kombinatorisch? Weil das sind ja Echtzeitdaten, die man über einen Algorithmus wirft, der was rauswird. Würdest du das Machine Learning nennen oder KI? Schon in gewisser Weise.

Sebastian Feld: Ich hätte jetzt Nein gesagt.

Erik Pfannmöller: Okay, ich bin gespannt. Die Definition von KI geht immer auseinander.

Sebastian Feld: Ja, ja. Ich würde jetzt gerade nicht sagen, dass es ein lernender Algorithmus ist. Plus, ich würde auch gerne hervorheben, dass Quantencomputing genau nicht für Live-Anwendungen gedacht ist. Quantencomputing, das ist im Übrigen auch, was man sich gut mitnehmen kann. Quantencomputing funktioniert gut, wenn man eine kleine Eingabemenge hat, einen großen Suchraum und dann wieder eine kleine Eingabemenge. Und deswegen ist das große Ziel, dass wir quasi den Flughafen damit verbessern. Aber wir haben es natürlich nur mit kleinen Datensätzen probiert, obwohl die Datensätze echt waren. Aber wir haben quasi den Flughafen so klein gemacht, dass er quasi nur 15 Gates hatte oder sowas. Und die Idee ist, dass man das einmal am Tag durchlaufen, oder dass man das einmal präpariert, oder meinetwegen öfter, aber auf keinen Fall live. Und für mich würde ich jetzt nicht sagen, dass das ein KI ist, also Es ist ein Optimierungsproblem. Ja, Optimierungsproblem. Also ja, du hast natürlich recht. Machine Learning heißt optimieren. Ich möchte natürlich eine perfekte Neuron-Konfiguration finden oder sowas natürlich. Also ich optimiere etwas.

Erik Pfannmöller: Finde ich spannend, wie das sozusagen Experten, die in dem Bereich forschen und Vorlesungen halten, definieren. Ich sage manchmal so salopp, KI ist das, was die Leute nicht verstehen und was mit Werte-Pathik zu tun hat. Und nur weil Google Suchergebnisse funktionieren, denken die Leute auch, das ist normal. Aber Google Suchergebnisse nur als Beispiel sind halt extrem KI getrieben. Nur so um ein blödes Beispiel zu machen. Aber ich fand einen ganz anderen Satz viel interessanter, nämlich dass du gesagt hast, das ist nicht in Echtzeit, die man sozusagen beim Computer benutzt. Auch nicht, weil die sozusagen bei minus 270 Grad gekühlt werden müssen und weil das schwierige Maschinen sind, die man nicht überall hintragen kann und die man noch nie in seiner Hosentasche haben kann, sondern Machine Learning ist ja ganz oft, dass man Trainingsdaten nimmt und ein Modell macht und dieses Modell dann nach Echtzeitvorhersagen macht. Ich habe das in einem der vorigen Folgen mit dem Wetterbericht erklärt. Historische Wetterdaten führen zu einem Wettermodell und dann nimmt man die letzten sieben Tage des echten Wetters und macht eine Vorhersage für die nächsten sieben Tage. Oder auch immer. Und selbstfahrende Autos machen die Vorhersage Gas, Bremse, links, rechts, anhand von Millionen von Dingen, die trainiert worden sind. Und würdest du das grundsätzlich als Unterschied sehen, dass normale Machine Learning Algorithmen mit normalen Computern diese Echtzeit-Predictions machen und du mit Quantencomputern, du sagst es einmal am Tag vorherlaufen lassen, aber nicht in Echtzeit. Ist das generell ein Unterschied?

Sebastian Feld: Also daran forschen wir, aber auch viele, viele andere Leute. Wie kann man diese zwei Welten zusammenbringen? Also es ist ja unumstritten, dass künstliche Intelligenz und Machine Learning rechenaufwendig ist. Das ist ja so. Und jetzt fragt man sich, wie kann man diese total zukünftige Technik von Quantencomputing, wie kann man die einbauen in Machine Learning, was aktuell wirklich on the fly und live funktioniert und so. Und die Idee ist jetzt, dass man mehrere Loops hat. Oder anders ausgedrückt vielleicht, die Idee ist eigentlich, dass man quantum accelerated denkt. Also wir haben jetzt nicht, also dass man Quantencomputing nicht wie einen Mainframe sich vorstellt, obwohl es einer ist, also der steht in irgendeinem Keller, aber dass man quasi von der Denkweise her eher so quantum accelerated AI hat. Und das hört sich jetzt ein bisschen wie ein Buzzword an, ich weiß, aber da stecken viele konkrete Sachen hinter. Beispielsweise, wir machen auch viel mit evolutionären Algorithmen, was ja total state of the art ist.

Erik Pfannmöller: Jetzt muss ich kurz einhaken. Quantum Accelerated AI, das heißt Quantengebüter beschleunigen das Training von KI-Algorithmen, weil sie schneller sind in manchen Problemen. Und du hattest gerade Evolutionary Algorithms genannt, das heißt Das muss man sich vorstellen, wie sozusagen verschiedene Evolutionsgruppen. neue Parameter werden gemacht und das ganze Team wird neu trainiert. Das heißt, man hat sehr viel Trainingsaufwand in evolutionären Algorithmen. Ich versuche es mal zu übersetzen, korrigiere mich, wenn ich falsch liege. Und Quantum Accelerated AI heißt, dass diese Trainingszyklen, die teilweise Stunden oder Tage dauern und riesengroße Rechenmengen brauchen, dass das schneller geht.

Sebastian Feld: Ja, da möchten wir gerne hin. Vielleicht an dem konkreten Beispiel von evolutionären Algorithmen nochmal. Die Idee ist ja, dass wir Lösungskandidaten haben. Und dann gibt es die Möglichkeit, dass Mutationen auftreten können und dass sich diese Lösungskandidaten rekombinieren können. Und dann hat man einfach eine Evolution und hoffentlich am Ende eine gute Lösung oder eine sehr gute Lösung.

Erik Pfannmöller: Wie in der Natur, dass die Graffen so einen langen Hals haben.

Sebastian Feld: Ja, genau. Und die Idee ist jetzt, dass wir an der Rekombination, dass wir dort beispielsweise mit Quantencomputing versuchen zu helfen. Weil jetzt sagen wir mal, wenn wir zwei Routen haben und die rekombinieren möchten, dann ist es eigentlich relativ einfach. Wir schneiden diese zwei Ringe in zwei Hälften jeweils und kleben zwei unterschiedliche Hälften aneinander. Aber wenn wir jetzt beispielsweise Giraffen oder Tiere oder irgendwas anderes Komplizierteres rekombinieren möchten, dann mag das vielleicht komplizierter sein. Beispielsweise gibt es auch Forschung, dass man mittels evolutionäre Algorithmen Quellcode verbessert. Und da stellt sich dann die Frage, wo schneide ich denn sozusagen Quellcode auseinander und klebe es wieder zusammen, damit die Wahrscheinlichkeit steigt, damit die Kinder vernünftig sind. Da kann man dann auch wieder kombinatorisch drangehen und mit Quantencomputing suchen. Ich möchte zusammenfassen.

Erik Pfannmöller: Das ist so ein bisschen ähnlich wie mit der Portfolio-Theorie und den Flugzeugen. Ich fange an zu verstehen, dass Quantum Computing sehr viel mit Kombinatorik zu tun hat. Würdest du dazu stimmen? Bevor du zusammenfassen wolltest. Entschuldigung, kurze Zwischenfrage.

Sebastian Feld: Ich wollte zusammenfassen. Wir versuchen, die Stellen in der klassischen Welt zu finden, wo Quantum helfen kann. Und das ist alles noch gar nicht so eindeutig. Niemand kommt, wie ich vorhin gesagt habe, auf die Idee, hach, heute möchte ich mal Primzahlenfaktorisierung machen. Also klar, in der Krypto schon, aber da gibt es aber auch spezialisierte Hardware, die das auch sehr, sehr gut kann. Wir versuchen beim Anlernen von neuronalen Netzen zu schauen, wo werden Zufallszahlen benötigt? und dann müssen wir die Zufallszahlen nicht aufwendig generieren, sondern können einfach einen Quantum nehmen und es messen. Und es zerfällt ja mit einer bestimmten Wahrscheinlichkeit eine 0 oder 1. Das heißt, wir kriegen diese Zufälligkeit gratis. So etwas versuchen wir herauszufinden. Und es wirkt sehr, dass ich Quantum sehr stark mit Kombinatorik verbinde. Das stimmt. Das ist aber etwas Persönliches. Das liegt daran, dass ich von der Kombinatorik herkomme und deswegen so viel mit Quantum draufschieße. Aber grundsätzlich ist dem nicht so wichtig.

Erik Pfannmöller: Ich würde gerne sozusagen nochmal zum Schluss, wir sind ja schon sehr tief in die Materie eingestiegen, nochmal so einen Schritt raus machen und da mal so zwei Stichwörter reinwerfen. Das erste ist Quantum Supremacy, was man irgendwie letztens mal in den Medien gehört hat. Firma XY hat Quantum Supremacy erreicht. Was ist damit gemeint?

Sebastian Feld: Auch ein ganz umstrittener Begriff. Was genau damit gemeint ist, ich glaube da, wenn du zehn Leute fragst, kriegst du zehn Antworten. Für mich ist das sowas wie, man möchte einmal wirklich zeigen, dass eine echte Berechnung durchgeführt wurde, wo ein echter klassischer Computer das nicht schaffen würde. Oder sagen wir mal, er bräuchte 10.000 Jahre dafür. Und das hat ja eine bestimmte Firma halt versucht zu beweisen. Dann hat aber eine andere bestimmte Firma gesagt, naja, Moment, es war aber auch wirklich ein ultra cherrypicked Problem, was ihr da ausgesucht habt. Und ihr habt es der klassischen Welt natürlich auch mutwillig schwer gemacht. Ja, haben sie auch. Ist auch valide. Aber wiederum, diese Gegenfirma hat aber auch einen validen Punkt. Und dann haben die nämlich gesagt, naja. Das, was ihr behauptet

Erik Pfannmöller: Du bist politisch sehr korrekt. Wir alle wissen, worüber gesprochen wird. Über große Tech-Giganten. Ja, aber finde ich spannend.

Sebastian Feld: Ja, und dann hat halt eben dieser zweite Tech-Gigant gesagt, naja, schau mal her, wenn ihr nicht so böse gewesen wärt, man kann das auch in zwei Tagen rechnen. Das ist kein Problem. So, jetzt als kleinen Exkurs. Was die eine Firma halt gezeigt hat, ist, wir haben eine Matrix, die hat Jetzt muss ich mal kurz überlegen. Also es geht halt auch wieder um diese 2 hoch 50.

Erik Pfannmöller: Vielleicht wird es, glaube ich, auch zu detailliert, wenn wir über das eine konkrete Beispiel sprechen. Aber der Begriff Quantum Supremacy wäre, es gibt ein Problem, das wir vorher nicht lösen konnten, das wir jetzt lösen konnten mit Quantum Computing.

Sebastian Feld: Der Clou ist wirklich, dass es eine Maschine ist mit einem echten Problem, das wirklich ausgeführt wurde. Das ist in meinen Augen Quantum Supremacy, weil auf dem Papier hat Quantum gewonnen. Also auf dem Papier gibt es einige Problemklassen, die schneller gelöst werden können, Quantum als eben klassisch. Aber Die Krux der Teufel steckt im Detail, dass so ein Gerät muss jetzt erst mal gebaut werden. Also die Quantencomputer von Feynman und so weiter, das ist ja, ich weiß nicht, das ist ja aus den 60ern oder sowas, da wurde der Quantencomputer erfunden. Aber gebaut wird es jetzt gerade erst und sehr gut funktionieren die Dinge ja auch noch nicht.

Erik Pfannmöller: Das war sozusagen der zweite Teil meiner Frage, nämlich, wann wird es die Quantum Supremacy geben? Oder anders gefragt, wie ist denn so der Ausblick über die nächsten 15, 20 Jahre, je nachdem, welchen Zeithorizont du wählen möchtest?

Sebastian Feld: Ja, es gibt ja Firmen, die sagen, damit hat man Quantum Supremacy gezeigt. Andere sagen nein. Ich finde es aber auch wirklich uninteressant. Also ob eine Firma eine Matrix, die Milliarden von Stellen groß ist, mit einer anderen Matrix verrechnet hat und man das klassisch 10.000 Jahre bräuchte, das interessiert mich jetzt gar nicht so sehr. Ich bin eher, und um wieder so ein bisschen zurückzukommen zu Quantum Applications sozusagen, ich gucke halt auf die Anwendung. Ich möchte halt schauen, wo kriege ich einen Benefit? Wo kann mir das wirklich helfen? Oder falls es, und ich meine, jetzt lohnt es sich nicht. Also die Dinger sind zu teuer, zu groß, zu langsam, keine Ahnung. Aber es macht definitiv Sinn, sich jetzt damit zu beschäftigen, weil auch wieder exponentiell, wenn auch nur ein Qubit hinzukommt und wir von 52 auf 53 kommen, dann ist die Power von dieser Maschine auch viel, viel größer. Das heißt, es macht jetzt Sinn, sich damit zu befassen, sich das Ganze anzuschauen, diese Denkweise zu üben, um das dann in den nächsten Jahren, wenn diese Maschinen immer größer und besser werden, verwenden zu. Und ich sehe nicht, dass ich quasi meinen Computer in Rente schicke und stattdessen einen Quantencomputer habe oder sowas. Nee, ich sehe es eher so, dass wir in Richtung Quantum Accelerated gehen. Ich meine, Grafikkarten, das waren früher kleine Geräte, die hat man sich als Teenie gekauft, um Computerspiele zu zocken. Jetzt kauft man sich Grafikkarten, die noch nicht mal einen Ausgang haben für einen Monitor, weil diese Grafikkarten gar nicht für Grafiken verwendet werden, sondern für Tensoren und für Machine Learning Berechnungen. Und so ist es natürlich jetzt ein bisschen abgedreht, aber so stelle ich mir das vor, dass ich eine Art Quantengrafikkarte habe irgendwann, die ich einstöpsele oder aber, dass ich einen Quanten-Webservice habe. Weil wenn ich bei Amazon Web Services oder Google und wie sie alle heißen, also wenn ich mir da so Webservice-Zeit kaufe, dann weiß ich doch eigentlich auch gar nicht, wird jetzt Atomkraft verwendet oder was weiß ich nicht. Also ich weiß noch nicht, welcher Strom wird verwendet, welche Technologie und so könnte ich mir das vorstellen. vielleicht auch vorstellen. Vielleicht bin ich im Flughafen, ich schicke meine Anfrage in einen Webservice und dann wird schon die richtige Hardware verwendet. Irgendwelche hier diese Neuromorphic Chips oder irgendwelche Tensoren, also Tensor Processing Units oder was auch immer. So stelle ich mir die Zukunft vor.

Erik Pfannmöller: Und das beantwortet auch eine meiner letzten Fragen, nämlich werde ich mal ein Quantencomputer in meiner Hosentasche haben? Und die Antwort ist höchstwahrscheinlich physisch nicht, aber virtuell, indem ich eine Anfrage ans Internet schicke. Und um diese Anfrage beantworten zu müssen, wird wahrscheinlich in der Cloud, weil die Zukunft ist die Cloud, diese Berechnung vielleicht zu teilen mit einem Quantencomputer ausgeführt und ermöglicht damit Anwendung. die vorher noch nie möglich waren. So wie Grafikkarten heute Computerspiel-Visualisierungen schaffen, die vor 30 Jahren einfach, wenn man zurück an Tetris und Super Mario denkt, nicht möglich waren.

Sebastian Feld: Ganz genau. So sehe ich das auch. Ich glaube daran, dass diese Technologie und was auch danach kommen wird, über die Cloud erreichbar ist. Ganz genau.

Erik Pfannmöller: Sehr schön. Dankeschön, Sebastian Feld, Informatiker und Postdoc an der LMU München am Lehrstuhl für mobile und verteilte Systeme für das tolle Gespräch über Quantum Accelerated AI. Vielen Dank, Sebastian.

Sebastian Feld: Ja, gern geschehen.

Erik Pfannmöller: Danke.