Es beantwortet die Frage richtig.
Das Basismodell? Das war nicht der Fall.
Das ist kein Trick. Es handelt sich dabei nicht um Marketing-Flausch aus dem Silicon Valley. Es handelt sich um echte, harte Daten, die von der Quantenhardware von IBM und dem Wissenschaftlerteam von Multiverse Computing stammen. Sie haben etwas Radikales getan. Sie haben einen Quantencomputer an ein großes Sprachmodell angeschlossen. Nur ein winziger Teil davon. Ein Quantenschaltkreisblock. Und plötzlich wurde die KI schlauer. Oder zumindest weniger verwirrt.
Verwirrung hat in der KI-Sprache einen Namen. Man nennt es Ratlosigkeit. Kurz gesagt: PPL. Betrachten Sie es als die Unsicherheit des Systems darüber, welches Wort es als nächstes ausspucken soll. Ein hoher PPL bedeutet, dass das Modell wild rät. Unberechenbar. Unzuverlässig. Ein niedriger PPL bedeutet, dass es souverän ist. Vorausschauend. Gut.
Im Moment skalieren wir die KI, indem wir das Problem mit der Infrastruktur angehen. Weitere Parameter. Größerer Speicher. Mehr Geld.
GPT-5.5? Schätzungen gehen davon aus, dass es zwei bis fünf Billionen Parameter haben könnte. Das ist eine Menge Erinnerung. Das ist ein riesiges Netz von Servern, die in einem geheimen Keller Strom verbrennen. Aber es gibt einen anderen Weg. Vielleicht.
Multiverse Computing veröffentlichte seine Ergebnisse am 7. Mai. Hochgeladen auf arXiv. Kein Hype, nur Code und Schaltkreise. Ihre Theorie: Eine mikroskopische Steigerung der Parameter, verarbeitet durch Quantenschaltkreisblöcke, könnte die Verwirrung deutlich verringern. Nicht viel. Nicht einmal 1,5 %. Aber das Prinzip gilt. Der Beweis existiert.
„Ihre Bedeutung liegt nicht im Ausmaß“, schrieben die Wissenschaftler. „Aber in der Tatsache, dass es sie gibt.“
Sie bauten Adapter. Kleine mathematische Matrizen, sogenannte Cayley-parametrisierte Unitarien. Sie haben sie auf einem klassischen Computer trainiert, ja. Aber die wahre Magie entsteht, wenn diese trainierten Teile verschoben werden. Zur Hardware. Konkret geht es um das 156-Qubit-System im IBM Quantum System Two.
Die ursprünglichen Modellparameter blieben eingefroren. Unverändert. Rein.
Sie führten den Test auf Metas Llama 3.1 durch. Ein 8-Milliarden-Parameter-Modell. Die Forscher fügten genau 6.000 neue Parameter hinzu. Das sind 0,00005 % mehr Daten. Eigentlich vernachlässigbar. Aber der Quantenschaltkreis hat es verarbeitet.
Die Ratlosigkeit sank um 1,4 %.
Borja Aizpurua. Erster Autor. Leitender Forscher bei Multiverse. Er nannte es einen Proof of Concept. Nicht die endgültige Antwort. Aber ein Schritt.
Quantencomputing ist laut. Es ist unglaublich, frustrierend laut.
Ein vorbeifahrendes Auto kann das Erdmagnetfeld gerade so stark verändern, dass eine Berechnung zunichte gemacht wird. WLAN-Strahlung von Ihrem Telefon in der Nähe. Kosmische Strahlung durchdringt das Labordach. Jede Interaktion zwischen Qubits erzeugt Fehler. Je größer die Schaltung, desto mehr Lärm nehmen Sie auf. Müll rein, Müll raus.
Das Team von Aizpurua hielt die Strecken klein, um statische Aufladung zu vermeiden. Sie haben die klassischen Adapter vor der eigentlichen Schlussfolgerung in den Quantenzustand geladen. Das Modell, das den Text generiert. Dann schauten sie zu.
Hat es funktioniert?
Schauen Sie sich die Astronomie an. Das Basismodell befasste sich mit Jupiterplaneten. Saturn hat offensichtlich Ringe. Aber es dachte, nur Saturn hätte Ringe. Falsch. Auch Jupiter hat Ringe. Das gilt auch für Uranus und Neptun.
Die quantenverstärkte Version wusste das. Es hat die richtige Antwort ausgewählt. Jeder einzelne der jovianischen Riesen hat sich richtig identifiziert.
Biologie. Noch eine Frage. Populationsgenetik. Genfluss.
Basismodell: Hardy-Weinberg-Störung. Eine sichere Sache für eine KI. Klingt plausibel. Hier falsch.
Quantenmodell: Erhöhte genetische Homogenität. Richtig.
Das Hybridmodell sah Muster, die das Basismodell übersah. Nicht durch eine völlige Veränderung der Gehirnstruktur, sondern durch die Verlagerung spezifischer Berechnungen auf die Quantenschicht. Ein subtiler Anstoß zur Genauigkeit.
Warum ist das wichtig?
Mit der klassischen Skalierung stoßen wir an Grenzen. Moores Gesetz ist veraltet. Serverfarmen werden teurer. Der CO2-Fußabdruck wächst. Wir können nicht einfach immer größere Boxen bauen. Vielleicht ist die Zukunft nicht größer. Vielleicht ist es tiefer. Oder seltsamer.
Zukünftige Arbeiten werden versuchen, den gesamten Quantenschaltkreis zu kodieren. Nicht nur kleine Adapter, sondern das Ganze. Ein Modell mit weniger Parametern, geringerer Verwirrung und höherer Genauigkeit. Und das alles, indem man die Gesetze der klassischen Physik betrügt.
Das Ziel bleibt „Quantenvorteil“.
Dieser Begriff bedeutet, Dinge zu tun, die ein klassischer Supercomputer buchstäblich nicht kann.
Im Augenblick? Wir sind gerade erst bei „Hallo Welt“ angelangt. 1,4 % werden Ihren Lieblings-Chatbot nicht über Nacht ersetzen. Es fühlt sich nicht revolutionär an.
Aber es beantwortete eine Frage, die das Basismodell falsch gestellt hatte.
Das ist neu.
Und Lärm ist immer noch überall. Wir haben diesen Teil nicht behoben. Werden wir? Irgendwann vielleicht. Die Strecken werden leiser. Die Qubits werden stabiler.
Eine Parametererhöhung um 0,007 % bewahrte eine KI vorerst davor, über Saturn zu lügen.
Was passiert, wenn es aufhört, über alles andere zu lügen?
