Cuando el Cómputo Cuántico y la Robótica se superponen y se entrelazan
A principios del pasado octubre, se entregó el Premio Nobel de Física a Alain Aspect, John F. Clauser y Anton Zeilinger por su investigación sobre estados cuánticos entrelazados (o en inglés “entanglement”) usando fotones. ¿Por qué esto podría ser relevante en el campo de la robótica? ¿Por qué podría ser relevante incluso para la humanidad en general?
¿Habías escuchado alguna vez que aun en la actualidad existen problemas que no pueden resolverse en un tiempo “razonable” (desde el punto de vista humano) ni con los clústeres de súper cómputo más potentes?
Hace unos 200 años, el matemático e inventor británico Charles Babbage sentó las bases de lo que hoy se conoce como computación digital (que también ha comenzado a llamarse “computación clásica” por motivos que explicaremos más adelante), y a lo largo de los años hemos ido ganando suficiente experiencia para diseñar mecanismos de procesamiento en paralelo, repositorios de datos compartidos, interfaces de red de baja latencia, cómputo efímero bajo demanda y otros esquemas de optimización, a través de los cuales estas máquinas nos han permitido dar respuesta a cálculos complejos y procesar grandes cantidades de información, empujando cada vez más hacia adelante la frontera de lo posible.
Sin embargo, la manera en que se representan y procesan los datos en las computadoras digitales, que utilizan el “bit” como unidad de información básica, tiene ciertas limitantes. Para comenzar, se le llama “cómputo digital” por la naturaleza binaria del bit, que en un momento determinado sólo puede asumir uno de dos valores: 0 ó 1.
Por este motivo, cuando se usan computadoras clásicas o digitales para tratar problemas en los que hay que representar un número considerable de posibles estados, los algoritmos pueden tardar en ejecutarse una gran cantidad de tiempo (para cuestiones suficientemente complejas estamos hablando de cientos, miles, o incluso millones de años), o requerir aún más recursos de cómputo (procesamiento y memoria) de los que actualmente se tienen disponibles es topologías de alto desempeño.
Esto no quiere decir que las computadoras digitales jamás podrán dar respuesta a este tipo de problemas. De hecho, en el ámbito de la Teoría de la Computación resulta difícil delinear claramente la separación entre problemas tratables e intratables, no sólo porque no se ha podido demostrar si cierta clase de planteamientos pueden o no resolverse en tiempo polinomial por una máquina autómata determinista, sino porque, como ya mencionamos, conforme pasa el tiempo vamos ganando experiencia y conocimiento sobre cómo aprovechar mejor los recursos de cómputo clásicos, y se logran diseñar y refinar los mecanismos de optimización asociados. Aún con esto, los especialistas llevan varios años buscando alternativas que nos permitan potenciar las capacidades de cómputo con que contamos hasta ahora para atender problemas complejos, y los avances recientes en materia de cómputo cuántico están arrojando resultados alentadores.
El potencial del Cómputo Cuántico y la era NISQ
El cómputo cuántico es una tecnología emergente, que surge de la idea de aplicar principios y propiedades descritas en mécanica o física cuántica, para representar y procesar información. A su vez, la mecánica cuántica es la rama de la física que intenta explicar el comportamiento de las partículas subátomicas, dado que las leyes de la físcia clásica o Newtoniana, que rigen el mundo que percibimos a simple vista, parecen no operar a esos niveles. En un paralelismo con esas dos ramas de la física, al cómputo digital se le ha comenzado a llamar también “cómputo clásico”, para distinguirlo de su par cuántico.
Se le considera una tecnología emergente, no sólo por el poco tiempo que llevamos interactuando con máquinas cuánticas reales (pensemos que las primeras computadoras de este tipo se hicieron disponibles al público en general a través de la nube apenas en el año de 2016), sino también porque casi todo lo que hoy sabemos de su potencial se ha explorado principalmente de manera teórica, y porque incluso directamente en el ámbito de mecánica cuántica hay muchos comportamientos que aunque se han podido observar y comprobar mediante experimentación, aún no se ha hallado la razón de por qué ocurren.
Tomando en cuenta lo anterior, podemos afirmar que hoy nos situamos en la llamada Era de Máquinas Cuánticas con Ruido de Escala Intermedia (Noise Intermediate Scale Quantum Era – NISQ), término que fue acuñado por el físico teórico y profesor Richard P. Feynman en el Instituto de Tecnología de California (Caltech), John Preskill, en 2018. De acuerdo con Preskill, en esta etapa contamos con computadoras que aunque ya ofrecen procesadores de algunos cientos de bits cuánticos o “qubits” de capacidad, estas siguen siendo altamente suceptibles a la pérdida de coherencia de los mismos (lo que provoca “ruido”), y no ofrecen una arquitectura tolerante a fallos que permita minimizar este efecto.
Estos y otros elementos se traducen en retos que actualmente forman parte del estado del arte del cómputo cuántico, y que tendrán que resolverse o al menos mitigarse en cierto nivel, antes de que esta tecnología encuentre casos de uso prácticos en los que ofrezca ventajas significativas frente al cómputo digital (la llamada “ventaja cuántica”), poniendo fin a la era NISQ y hallando finalmente aplicaciones rentables sostenibles para este tipo de procesamiento. Pero volviendo a la cuestión central de este artículo: ¿qué impacto podrían tener estos hitos en el campo de la robótica?
Algunos conceptos básicos de Cómputo Cuántico
Antes de adentrarnos en las líneas de investigación y las aplicaciones potenciales del cómputo cuántico en los campos del aprendizaje de máquina y la robótica, vale la pena revisar algunos conceptos fundamentales que nos permitirán visualizar de mejor manera cómo funciona esta tecnología.
El primero de ellos es el bit cuántico o qubit, que es la unidad básica de representación de información en las máquinas cuánticas. Como ya mencionamos, mientras que los bits tradicionales pueden adoptar en un momento determinado sólo uno de dos valores discretos (a saber: cero y uno), el bit cuántico puede representar un espectro continuo de posibles combinaciones entre estos dos estados.
Lo anterior nos lleva al otro concepto elemental dentro de esta disciplina: la superposición cuántica. Un estado superpuesto ocurre precisamente en el momento en que un bit cuántico adopta un valor que combina en cierta proporción los dos estados básicos, cero y uno. Esto muchas veces se simplifica diciendo que el bit cuántico es al mismo tiempo cero y uno (como algunos suelen decribir el experimento del famoso gato de Schrödinger, implicando que el gato puede estar al mismo tiempo vivo y muerto, lo cual no tiene mucha lógica en el sentido estricto; es mucho más claro si pensamos que mientras no lo observemos, el gato tiene las mismas probabilidades de estar en un estado o en otro, y que sólo al abrir la caja -interfiriendo con el sistema- conoceremos con certeza su destino).
En realidad, el qubit puede representarse por medio de un vector en un espacio complejo bidimensional, que se visualiza gráficamente en una Esfera de Bloch y se expresa matemáticamente con una ecuación algebraica que describe la combinación lineal de las componentes del vector sobre cada dimensión en ese espacio.
Como los estados superpuestos en la naturaleza son muy delicados, cualquier interacción del medio con la partícula en cuestión altera la superposición provocando un “colapso” (es decir, que la partícula pase del estado superpuesto, a alguno de los estados base). Dado que los bits cuánticos imitan estos comportamientos, al momento que intentamos medir u observar su estado y, por lo tanto provocamos que éste interactúe con el entorno, también hacemos que colapse a uno de los dos estados base, 0 ó 1, con una probabilidad que está determinada por los coeficientes de la ecuación que describe el estado del qubit (como le ocurre al gato cuando abrimos la caja).
La medición cuántica y el hecho de que los qubits pierdan coherencia (es decir, abandonen gradualmente el estado superpuesto) en cuestión de milisegundos, provoca el “ruido” que mencionábamos en la sección anterior y que hasta ahora es una de las principales limitantes de que estas computadoras nos permitan explorar su potencial a plenitud.
Estos no son los únicos conceptos y propiedades en los que se basa el funcionamiento de las computadoras cuánticas (el entrelazamiento cuántico estudiado por los ganadores del Premio Nobel de Física de este año también es una propiedad a la que hay que prestar atención), pero nos brindan nociones suficientes para efectos del presente artículo.
Cómo están relacionados el Cómputo Cuántico y el Aprendizaje de Máquina
Actualmente existen múltiples líneas de investigación en materia de cómputo cuántico, como las redes cuánticas, la seguridad informática en la era del cómputo cuántico (incluyendo criptografía), mecanismos de mitigación de ruido, además del estudio de los casos de uso y aplicaciones potenciales en industrias que van desde química y biología, hasta el análisis de materiales, logística, finanzas, entre otras.
Una de las que a nivel personal me parece más atractiva, es el Aprendizaje de Máquina Cuántico o Quantum Machine Learning. Esta disciplina explora precisamente la relación que puede establecerse entre los dos campos, principalmente bajo dos enfoques:
- El uso potencial de algoritmos cuánticos para resolver modelos de aprendizaje de máquina suficientemente complejos o que requieran analizar tal cantidad de variables o de posibles valores de esas variables, como para resultar todavía intratables en tiempo polinomial en el mundo digital.
- La aplicación de lo que hasta hoy sabemos acerca de cómo entrenar redes neuronales, como mecanismo de mitigación de errores en una computadora cuántica.
El primer enfoque es relativamentre obvio considerando lo que ya hemos explicado sobre la necesidad de contar con alternativas ante las limitantes que hoy prevalecen en el cómputo digital.
Por otro lado, para el segundo enfoque se busca emplear mecanismos de programación diferencial para que las máquinas cuánticas sean capaces de encontrar, por sí mismas, los valores óptimos para las variables o coeficientes parametrizables de los que consta el circuito cuántico, y con ello minimizar en lo posible los efectos de la “decoherencia” y el colapso de los estados superpuestos. Esto también da pie al desarrollo de algoritmos o arquitecturas híbridas, en las que por medio de procesamiento digital se calculan de manera iterativa los valores sugeridos, que luego la máquina cuántica probará en la ejecución del problema, hasta llegar por aproximación al circuito o algoritmo de mayor precisión conforme al resultado esperado.
Si bien, hay mucho por delante para llevar a la realidad práctica las aplicaciones potenciales del aprendizaje de máquina cuántico, ya se ha comenzado a hablar del impacto que podría tener en el ámbito de la robótica, dado que estos sistemas hacen un amplio uso de la inteligencia artificial y el aprendizaje de máquina en la ejecución de diversas tareas.
El papel potencial del Cómputo Cuántico en la Robótica
En un artículo titulado “Cómputo Cuántico en las Ciencias de la Robótica y sus Aplicaciones” (“Quantum Computation in Robotic Science and Applications”), Petschnigg, Brandstötter y sus compañeros, hablan del impacto potencial de esta tecnología desde la óptica del ciclo percibir-pensar-actuar que estructura los modelos de comportamiento de un robot y agregan al mismo una fase de observación o diagnóstico, en la que también preven que la combinación de estas capacidades pudiera generar valor.
De acuerdo con estos investigadores, la simbiosis podría dar frutos de la siguiente manera:
- Percibir (procesamiento de datos de sensores, análisis visual). El procesamiento de imágenes en la actualidad se realiza operando estructuras matriciales, en esquemas de cónputo en paralelo, muchas veces utilizando unidades de procesamiento gráfico, las cuales están optimizadas para esos fines. Aún así, muchos de los modelos han tenido que ser simplificados para poder ser atendidos por las computadoras digitales. A veces se reduce el número de propiedades a analizar, o se limita el tipo de operaciones y cálculos a ser considerados en los algoritmos. El uso de máquinas cuánticas para este propósito, que ha comenzado a llamarse Procesamiento Cuántico de Imágenes (Quantum Image Processing, QIMP) podría ofrecer nuevos mecanismso para codificar y procesar las propiedades de la imagen y lograr mayor precisión en el análisis, en menos tiempo. Esto también podría expandirse mediante la posibilidad de combinar el análisis visual con los datos provenientes de otros sensores con que cuente el robot, agregando dimensiones al análisis de las capacidades perceptivas de la máquina, consiguiendo generar una experiencia artificial más rica.
- Pensar (inteligencia artificial usada en robótica). En muchos casos, la robótica sigue usando mecanismos tradicionales de inteligencia artificial (en lugar de las técnicas modernas que ofrece el aprendizaje de máquina), los cuales están basados en modelos de conocimiento compuestos por conjuntos de reglas o hechos y algoritmos de optimización. Muchas veces se utilizan estructuras de datos tipo grafos o árboles jerárquicos, donde el desempeño de los algoritmos de búsqueda clásicos puede tener un crecimiento exponencial cuando se agregan variables o nodos adicionales. Los recorridos aleatorios cuánticos (quantum random walks) han probado ser buenas alternativas para este tipo de problemas, reduciendo la complejidad del procesamiento de manera considerable.
- Actuar (movimiento, cinemática y dinámica). Se ha observado que los problemas de optimización logística, como la planeación de tareas o movimiento en robótica, también son casos de uso idóneos para el cómputo cuántico. Probablemente el acercamiento más utilizado sea un modelo de programación denominado temple cuántico (quantum annealing), que permite buscar mínimos globales dentro de un conjunto dado de alternativas. Adicionalmente, se tiene la expectativa de poder resolver modelos de optimización de movimiento dinámicos, que son más complejos que los cinemáticos y reunir los dos niveles de control de la robótica, la planeación de tareas y de movimientos específicos, en esquemas combinados, pues hasta hoy se les suele atacar de manera separada por la complejidad implícita en cada uno.
- Observar (diagnóstico y minería de datos). En el artículo mencionado, Petschnigg y sus colegas agregan esta dimensión al ciclo percibir-pensar-actuar debido a que incluso los robots mejor diseñados tienen un período de vida que se ve afectado por la degradación, ya sea de sus componentes físicos (hardware) o el desajuste (pérdida de calibración) del entrenamiento asociado a los algoritmos de control (software). Para mejorar lo que la robótica basada en cómputo digital ofrece hasta ahora, se plantea la posibilidad de utilizar el cómputo cuántico para el diagnóstico de fallas basado en modelos complejos que consideren todos los componentes que intervienen en el funcionamiento del robot, sus posibles interacciones y comparaciones entre el estado deseado y el estado observado realmente en el comportamiento del sistema.
Considerando estos cuatro aspectos, el artículo de Petschnigg nos brinda algunos indicios de lo que podemos esperar al combinar el cómputo cuántico y la robótica, sin descartar la existencia de otras áreas de oportunidad que podrían dilucidarse en los años por venir. Desde luego, antes de llegar a ese punto necesitamos seguir dando pasos hacia adelante en la evolución de este nuevo paradigma de representación y tratamiento de la información.
En conclusión
Los expertos discrepan en el tiempo que falta para que el cómputo cuántico pueda aplicarse de manera práctica en casos de uso comerciales, ofreciendo una ventaja significativa frente a las alternativas clásicas, pasando de la ventana de 5 a 10 años, hasta posturas más conservadoras que prefieren evitar el pronóstico para mantenerse expectantes ante los hallazgos que se han ido generando en los años recientes. Sin embargo, todos coinciden en el potencial que tiene esta tecnología para ofrecer alternativas efectivas a problemas que hasta el día de hoy no han podido atenderse de manera satisfactoria en el mundo digital.
También coinciden en que las computadoras cuánticas no van a reemplazar a las máquinas clásicas, sino que más bien se buscará combinar sus capacidades, dejando que cada acercamiento ataque partes de un mismo problema, conforme a sus bondades específicas, construyendo algoritmos y arquitecturas de naturaleza híbrida.
Sin duda, conforme los avances en el ámbito del cómputo cuántico continúen desarrollándose, se requerirá, cada vez en mayor medida, talento humano que entienda el funcionamiento de estos procesadores y paradigmas de programación, por lo que es un momento ideal para comenzar a adentrarse en este espacio del conocimiento.
Muchas veces me preguntan qué tipo de habilidades conviene desarrollar, y la realidad es que dado que hay muchas líneas de investigación relacionadas con el cómputo cuántico y aplicaciones potenciales en múltiples industrias, me atrevo a decir que no habrá un perfil único. El conocimiento hasta cierto nivel de mecánica cuántica será esencial (hay aspectos de la mecánica cuántica más relevantes que otros desde el punto de vista de la informática), así como una lógica de programación adecuada a lo que hoy se puede hacer con estas máquinas (pensemos que todavía se les programa a nivel de compuertas lógicas cuánticas, como ocurría con el lenguaje ensablador en el cómputo digital); pero también habrá necesidad de entender su relación con temas de redes, seguridad, aprendizaje de máquina, y los particulares de cada caso de uso, los cuales estarán más relacionados con la creación de modelos matemáticos que reflejen el comportamiento de la realidad en términos cuánticos. Desde mi perspectiva, especialmente al principio se requerirá de equipos multidisciplinarios que puedan abarcar las diferentes aristas de un mismo problema para encontrar soluciones cuánticas efectivas y costeables. Para los amigos de Roomie IT, que tienen afinidad con temas de robótica e inteligencia artificial, espero que este artículo sirva como invitación a que exploren más sobre el tema y se sumen a la comunidad de entusiastas del cómputo cuántico, para buscar que eventualmente la robótica cuántica sea una realidad y alcancemos la superposición y el entrelazamiento de estos dos temas que a ustedes y a mí nos apasionan.
