سال گذشته، متخصصانی که روی پروژه مشترک رایانش بین ناسا و گوگل کار می‌کردند اعلام کردند که به برتری کوانتومی دست پیدا کرده‌اند. سوالی که در آن زمان پیش آمد، این نبود که کوانتوم همچنان به پیشرفت خود ادامه می‌دهد یا خیر. سؤال این بود که دولت آمریکا می‌خواهد با آن همه قدرت رایانشی چه کند؟ با اینکه برتری کوانتومی نقطه عطف مهمی به حساب می‌آید، به خودی خود ارزشی ندارد و در عمل ارزش پیدا می‌کند. هدف اصلی این است که از این رایانش کوانتومی برای ارتقا یا کمک به فعالیت‌های دیگر استفاده شود.
همانطور که یک استاد فیزیک نظری به نام جان پرسکیل[۱] در سال 2012 توضیح داد، برتری کوانتومی زمانی اتفاق می افتد که سیستم کوانتوم قادر به حل مسئله‌ای شود که هیچ کامپیوتری در گذشته نتوانسته آن را در زمانی منطقی حل کند. او بعداً این تعریف خود را شفاف‌سازی کرد و گفت که ناسا و گوگل توانسته‌اند با همکاری یکدیگر به این برتری کوانتومی دست پیدا کنند.
بعضی از افراد معتقدند که گوگل و ناسا شیطنت‌هایی کرده‌اند و کامپیوترشان فقط در زمینه‌هایی جواب می‌دهد که نقاط ضعف معماری‌های رایانش قدیمی و نقاط قوت ماشین‌های کوانتوم به حساب می‌آیند. همچنین دقیقاً مشخص نیست که یک ابرکامپیوتر برای حل تست برتری به چقدر زمان احتیاج دارد. گوگل می‌گفت که این فرایند 10 هزار سال طول می‌کشد درصورتی که «IBM» گفته است که یکی از ابرکامپیوترهایش توانسته آن مسئله را در عرض دو روز حل کند.
به دلیل این اختلاف نظر، بیایید فرض کنیم که این دو سازمان به برتری کوانتونی دست پیدا کرده‌اند. در این شرایط اولین سوالی که پیش می‌آید این است که باید با این دستاورد چه کنیم؟ درست مانند زمانی که یک سگ به دنبال ماشین‌ها می‌دود و وقتی به یکی از آن‌ها می‌رسد از خود می‌پرسد: حالا باید با آن چه کار کنم؟ بی شک، همچنان سعی می‌کنیم سرعت و دقت رایانش کوانتومی را افزایش دهیم. یکی از بزرگ‌ترین مشکلات کنونی این است که ماشین‌های کوانتومی در پاسخ به هر پرسشی، در کنار پاسخ درست، پاسخ‌های بی‌کاربرد متعددی ارائه می‌دهند (دانشمندان به این پاسخ‌های غیرمنظقی نویز می گویند.) اگر می‌خواهید درمورد نحوه عملکرد کوانتوم و تفاوت‌های ریز بین کامپیوترهای سنتی و کوانتونی اطلاعات بیشتری پیدا کنید می‌توانید به مقاله‌های «Nextgov» مراجعه کنید. به نظر نمی‌رسد کوانتوم بتواند سریع‌تر و دقیق‌تر از این عمل کند اما سؤال اینجاست که در حال حاضر با این قدرت چه کارهایی می‌توانیم انجام دهیم؟
یکی از روش‌هایی که می‌توانیم امتحان کنیم (و به احتمال زیاد خیلی از مشکلات رایانش کوانتومی را حل می‌کند) استفاده از هوش مصنوعی است. این ایده را یک کارآفرین هوش مصنوعی به نام گری فاولر[۲] در یکی از مقالات اخیر مجله فوربز مطرح کرده بود. فولر سال‌هاست که با شرکت‌های مختلف و بر پروژه‌های کامپیوتری-هوش مصنوعی زیادی کار کرده است و دقیقاً با نقاط ضعف و محدودیت‌های هوش مصنوعی، یادگیری ماشین و فناوری‌های مرتبط آشنایی دارد.
همانطور که او می‌گوید، فناوری‌های کنونی هوش مصنوعی به داده‌های کمی دسترسی دارند و سرعت آنالیز بالایی ندارند. خیلی از مشکلاتی که امروزه گریبان‌گیر هوش مصنوعی می‌شود (از جمله سوگیری‌های ذاتی و غیر عمد در سیستم‌ها) به دلیل محدودیت در مجموعه داده‌هایی است که در دسترس این سیستم‌ها قرار می‌گیرد. اگر بتوانیم با استفاده از رایانش کوانتوم دسترسی این سیستم‌ها را به نقاط داده بیشتر و سریع‌تر کنیم، دقت و کارایی هوش مصنوعی چندین برابر می‌شود.
به گفته فولر «اندازه مجموعه داده نشان‌دهنده کیفیت نتیجه کار است. بنابراین اگر اطلاعات زیادی در دسترس نباشد، خروجی هوش مصنوعی نیز امیدوارکننده نخواهد بود. با این حال، از آنجایی که توانایی رایانش کوانتوم از رایانش دودویی بیشتر است، این سیستم میتواند مجموعه داده‌ها را (هم از لحاظ حجم و هم از لحاظ تنوع) بزرگ‌تر و غنی‌تر کند.»
یکی دیگر از مسائلی که نشان می‌دهد دولت آمریکا می‌بایست هوش مصنوعی را در برنامه رایانش کوانتوم خود قرار دهد این است که ایالات متحده آمریکا در توسعه هوشمندی کامپیوتر در جهان از سرآمدان است. کنگره آمریکا در آینده نزدیک لایحه‌ای به نام «هوش مصنوعی در دولت» را تصویب می‌کند تا به واسطه آن مؤسسات فدرال را تشویق کند حوزه‌هایی که می‌توان در آن از هوش مصنوعی استفاده کرد را شناسایی کنند. شرکای دولت مانند گوگل دارند تلاش‌های چشمگیری در زمینه هوش مصنوعی انجام می‌دهد. این شرکت حتی کامپیوتر هوشمندی را ساخته که میتواند در تست تورینگ عملکردی شبیه به انسان از خودش نشان دهد (فرقی نمی‌کند که با چه کسی صحبت می‌کند.) گوگل به آسانی میتواند برخی از فعالیت‌های هوش مصنوعی خود را با تلاش‌های کوانتومی ادغام کند.
موضوع دیگری که ما را به ترکیب رایانش کوانتومی با هوش مصنوعی ترغیب می‌کند این است که هوش مصنوعی میتواند در کاهش نویزهای نتایج کوانتوم به ما کمک کند. به نظر می‌آید برای پیشبرد رایانش کوانتوم باید ماشین‌های کوانتوم را با ابرکامپیوترهای قدیمی ادغام کنیم. کامپیوتر کوانتوم میتواند نتایج صحیح را مانند همیشه بدست آورد و پاسخ درست را از بین تعداد زیادی از پاسخ‌های اشتباه پیدا کند. سپس انسان‌ها ابرکامپیوتر قدیمی را طوری برنامه‌نویسی می‌کنند که به طور کلی احتمال خطا را از بین ببرد. مشکل این رویکرد این است که به زحمت زیادی احتیاج دارد. برای اجرای این روش هنوز باید نتایج را از یک زیرساخت رایانشی معمولی عبور دهیم. البته این روش از آنکه بخواهیم کل مسئله را به ابرکامپیوتر بسپاریم سریع‌تر عمل می‌کند چون در این صورت فقط باید تعداد محدودی از نتایج ماشین کوانتوم را بررسی کنیم. با این وجود، ابرکامپیوتر باید جداگانه روی هریک از این مسائل کار کند و این موضوع کمی زمانگیر است.
تصور کنید بتوانیم به هوش مصنوعی یاد دهیم که در داده‌هایی که از ماشین کوانتوم بدست می‌آید جستو کند و بدون دخالت انسان متوجه شود که کدام‌یک از آن‌ها منطقی و کدام‌یک غلط است. اگر هوش مصنوعی هم به کمک کامپیوتر کوانتوم بیاید، نتایج بدون تأخیر سخت‌افزاری به دست می‌آیند. حال اگر بتوانیم از یادگیری ماشین هم استفاده کنیم، آنگاه هوش مصنوعی میتواند به مرور زمان بهتر و بهتر عمل کند. در این صورت هرچه مسائل بیشتری را به خورد آن بدهیم، در نتیجه‌گیری‌هایش دقیق‌تر می‌شود.
بنابراین، شاید لازم باشد در آینده، علاوه بر توسعه فناوری کوانتوم و افزایش سرعت و دقت آن، آن را با هوش مصنوعی ترکیب کنیم. رایانش کوانتوم میتواند برخی از نواقص قبلی خود را برطرف کند و هوش مصنوعی میتواند با دسترسی به داده‌های بیشتر و جدیدتر، «هوشمندتر» شود و عملکرد دقیق‌تری داشته باشد. ماشین کوانتوم در پردازش این داده‌ها به هوش مصنوعی کمک می‌کند. وقتی دو فناوری با هم ادغام می‌شوند قدرت بیشتری پیدا می‌کنند جایی که ایالات متحده آمریکا در هر دو فناوری از سرآمدان است.
