Het beantwoordt de vraag correct.
Het basismodel? Dat gebeurde niet.
Dit is geen truc. Het is geen marketingpluis uit Silicon Valley. Het zijn echte, harde gegevens afkomstig van de kwantumhardware van IBM en het team van wetenschappers van Multiverse Computing. Ze hebben iets radicaals gedaan. Ze hebben een kwantumcomputer op een groot taalmodel aangesloten. Slechts een klein deel ervan. Een kwantumcircuitblok. En plotseling werd de AI slimmer. Of in ieder geval minder verward.
Verwarring heeft, in AI-taal, een naam. Het heet perplexiteit. PPL, kortom. Zie het als de onzekerheid van het systeem over het volgende woord dat het moet uitspugen. Hoge PPL betekent dat het model wild gokt. Foutief. Onbetrouwbaar. Een lage PPL betekent dat hij zelfverzekerd is. Voorspellend. Goed.
Op dit moment schalen we AI op door infrastructuur op het probleem te richten. Meer parameters. Groter geheugen. Meer geld.
GPT-5.5? Schattingen zeggen dat het twee tot vijf biljoen parameters zou kunnen hebben. Dat is veel geheugen. Dat is een enorm netwerk van servers die elektriciteit verbranden in een geheime kelder. Maar er is een andere manier. Misschien.
Multiverse Computing publiceerde hun bevindingen op 7 mei. Geüpload naar arXiv. Geen hype, alleen code en circuits. Hun theorie: een microscopische verhoging van de parameters, verwerkt via kwantumcircuitblokken, zou de verwarring aanzienlijk kunnen verminderen. Niet veel. Nog geen 1,5%. Maar het principe geldt. Het bewijs bestaat.
“Hun betekenis ligt niet in de omvang”, schreven de wetenschappers. “Maar in het feit dat ze bestaan.”
Ze hebben adapters gebouwd. Kleine wiskundige matrices genaamd Cayley-geparametriseerde unitairen. Ze hebben ze getraind op een klassieke computer, ja. Maar de echte magie vindt plaats wanneer die getrainde stukjes worden verplaatst. Naar de hardware. Concreet het 156-qubit-systeem in het IBM Quantum System Two.
De oorspronkelijke modelparameters bleven bevroren. Onveranderd. Zuiver.
Ze voerden de test uit op Meta’s Llama 3.1. Een model met 8 miljard parameters. De onderzoekers voegden precies 6.000 nieuwe parameters toe. Dat zijn 0,00005% meer gegevens. Verwaarloosbaar eigenlijk. Maar het kwantumcircuit verwerkte het.
De verwarring daalde met 1,4%.
Borja Aizpurua. Eerste auteur. Senior onderzoeker bij Multiverse. Hij noemde het een proof-of-concept. Niet het definitieve antwoord. Maar een stap.
Kwantumcomputers maken veel lawaai. Het is ongelooflijk, frustrerend luidruchtig.
Een passerende auto kan het magnetische veld van de aarde net genoeg verschuiven om een berekening te verpesten. Wi-Fi-straling van je telefoon in de buurt. Kosmische straling slaat door het dak van het laboratorium. Elke interactie tussen qubits genereert fouten. Hoe groter het circuit, hoe meer geluid je binnenkrijgt. Vuilnis erin, afval eruit.
Het team van Aizpurua hield de circuits klein om statische elektriciteit te voorkomen. Ze laadden de klassieke adapters in de kwantumtoestand vóór de daadwerkelijke gevolgtrekking. Het model dat de tekst genereert. Toen keken ze.
Heeft het gewerkt?
Kijk naar astronomie. In het basismodel werd gekeken naar Jupiterplaneten. Saturnus heeft uiteraard ringen. Maar het dacht dat alleen Saturnus ringen heeft. Fout. Jupiter heeft ook ringen. Dat geldt ook voor Uranus en Neptunus.
De kwantumverbeterde versie wist dit. Er werd het juiste antwoord gekozen. Alle reuzen van Jupiter zijn correct geïdentificeerd.
Biologie. Nog een vraag. Populatiegenetica. Genenstroom.
Basismodel: verstoring van Hardy-Weinberg. Een veilige gok voor een AI. Plausibel klinkend. Hier onjuist.
Kwantummodel: verhoogde genetische homogeniteit. Juist.
Het hybride model zag patronen die de basis miste. Niet door de hersenstructuur volledig te veranderen, maar door specifieke berekeningen over te brengen naar de kwantumlaag. Een subtiel duwtje in de richting van nauwkeurigheid.
Waarom doet dit er toe?
We raken muren met klassieke schaalvergroting. De wet van Moore is moe. Serverfarms worden duur. De CO2-voetafdruk groeit. We kunnen niet voor altijd grotere dozen bouwen. Misschien is de toekomst niet groter. Misschien zit het dieper. Of vreemder.
Toekomstig werk zal proberen het hele kwantumcircuit te coderen. Niet alleen kleine adapters, maar het hele ding. Een model met minder parameters, minder verwarring, hogere nauwkeurigheid. En dat allemaal door de wetten van de klassieke natuurkunde te bedriegen.
Het doel blijft ‘kwantumvoordeel’.
Die term betekent dingen doen die een klassieke supercomputer letterlijk niet kan.
Nu meteen? We zijn nauwelijks bij Hallo wereld. 1,4% gaat je favoriete chatbot niet van de ene op de andere dag vervangen. Het voelt niet revolutionair.
Maar het beantwoordde een vraag waarin het basismodel fout zat.
Dat is nieuw.
En er is nog steeds overal lawaai. Dat deel hebben we niet opgelost. Zullen wij? Uiteindelijk misschien wel. De circuits worden stiller. De qubits worden stabieler.
Voorlopig heeft een parameterverhoging van 0,007% een AI ervan weerhouden om over Saturnus te liegen.
Wat gebeurt er als het stopt met liegen over al het andere?
