Quantum kontra sztuczna inteligencja: nadchodzi nowy wyścig technologiczny o przyszłość świata

Podwójne rewolucje: Sztuczna inteligencja (AI) i komputery kwantowe to odrębne, przełomowe technologie – AI wykorzystuje klasyczne komputery do naśladowania ludzkiego myślenia na podstawie danych, podczas gdy komputery kwantowe wykorzystują fizykę kwantową do równoległego rozwiązywania ogromnej liczby obliczeń citanex.com.
Przewaga kwantowa: Komputery kwantowe mogą rozwiązywać niektóre problemy wykładniczo szybciej niż komputery klasyczne, co sugeruje możliwości wykraczające poza dzisiejszą AI – na przykład procesor kwantowy rozwiązał zadanie w kilka minut, które dla superkomputera zajęłoby dłużej niż wiek wszechświata tipranks.com.
Rywalizacja i synergia: AI jest już wdrażana na szeroką skalę w wielu branżach, napędzana przez gigantów technologicznych takich jak Google, Microsoft i OpenAI citanex.com, podczas gdy komputery kwantowe są na wczesnym etapie rozwoju, a przełomy firm IBM, Google i startupów (IonQ, D-Wave, Rigetti) napędzają szybki postęp tipranks.com. Eksperci przewidują, że komputery kwantowe mogą mieć większy wpływ na rynek niż AI do lat 30. XXI wieku tipranks.com, nawet gdy oba obszary coraz bardziej się łączą (np. kwantowa AI do rozwiązywania złożonych problemów).
Trajektorie rynkowe: Inwestycje w AI obecnie znacznie przewyższają te w komputery kwantowe – w 2024 roku finansowanie venture dla kwantów wyniosło około 2 mld dolarów wobec 132 mld dolarów dla AI deloitte.com. Globalny wpływ ekonomiczny AI ma osiągnąć oszałamiające 15 bilionów dolarów do 2030 roku pwc.com, podczas gdy komputery kwantowe, choć dopiero raczkujące, mają według prognoz wygenerować do 2040 roku nawet 850 miliardów dolarów wartości bcg.com. Oba sektory notują dwucyfrowy roczny wzrost i cieszą się ogromnym zainteresowaniem komercyjnym.
Aplikacje i konkurencja: Sztuczna inteligencja doskonale radzi sobie z zadaniami opartymi na danych, takimi jak rozpoznawanie obrazów, przetwarzanie języka i automatyzacja, działając na tradycyjnym sprzęcie citanex.com. Komputery kwantowe wyróżniają się w rozwiązywaniu niezwykle złożonych obliczeń (np. kryptografia, symulacje molekularne, optymalizacja), które przerastają możliwości komputerów klasycznych citanex.com. W takich dziedzinach jak odkrywanie leków, logistyka, finanse i modelowanie klimatu, zarówno AI, jak i komputery kwantowe mogą być stosowane – czasem się uzupełniając (hybrydowe algorytmy kwantowo-AI), a czasem oferując alternatywne podejścia do tego samego problemu thequantuminsider.com, tipranks.com.
Globalny wyścig technologiczny: Państwa postrzegają przywództwo w dziedzinie AI i komputerów kwantowych jako strategiczny priorytet. Stany Zjednoczone i Chiny przodują pod względem wydatków na badania i rozwój, talentów oraz patentów w obu dziedzinach citanex.com, hai.stanford.edu, a UE, Kanada i inne kraje również intensywnie inwestują. Chiński rząd, na przykład, finansuje laboratoria kwantowe (takie jak program satelitarny Micius) oraz masową inwigilację opartą na AI citanex.com. Ten międzynarodowy wyścig bywa porównywany do nowego „wyścigu zbrojeń” lub Zimnej Wojny w technologii, gdzie państwa rywalizują o supremację w mocy obliczeniowej i inteligentnych systemach belfercenter.org.
Wyzwania i terminy: Szybki postęp AI (np. GPT-4 przewyższający ludzi w niektórych zadaniach hai.stanford.edu) wiąże się z wyzwaniami: ogromnymi wymaganiami dotyczącymi danych i energii, kwestiami etycznymi oraz wciąż brakiem prawdziwej ogólnej inteligencji. Wielu ekspertów uważa, że ludzki poziom AGI jest nadal oddalony o lata lub dekady (50% szans do ok. 2047 roku, według jednej z ankiet), mimo że niektórzy liderzy branży przewidują go już w latach 30. XXI wieku lub wcześniej 80000hours.org. Komputery kwantowe napotykają fundamentalne przeszkody w stabilności kubitów, korekcji błędów i skalowaniu – w pełni odporny na błędy komputer kwantowy szacuje się na co najmniej 15 lat od teraz polytechnique-insights.com, a szeroka „przewaga kwantowa” prawdopodobnie pojawi się w latach 30. XXI wieku bcg.com. Nawet optymistyczne plany (Google celuje w komercyjną maszynę kwantową do ok. 2030 roku; startup PsiQuantum do 2027) muszą pokonać znaczące wyzwania inżynieryjne deloitte.com.
Perspektywy na przyszłość: Eksperci przewidują przyszłość, w której komputery kwantowe i AI wspólnie zdefiniują na nowo przemysł i globalne układy sił. Strateg Bank of America prognozuje, że technologia kwantowa osiągnie praktyczne zastosowanie do 2033 roku i potencjalnie przewyższy AI pod względem wpływu na rynek ti pranks.com. Jednocześnie AI będzie nadal rozpowszechniać się w codziennym życiu – 78% organizacji będzie korzystać z AI do 2024 roku hai.stanford.edu. Geopolitycznie, ten kto będzie liderem w tych technologiach, zyska ogromną przewagę – jak ostrzegał prezydent Rosji Władimir Putin, „kto osiągnie przełom w AI, będzie rządził światem.” apnews.com Zarówno USA, jak i Chiny przesuwają granice możliwości, a wyścig pozostaje otwarty. Panuje zgoda, że wkraczamy w nową erę obliczeń, w której AI i komputery kwantowe będą się coraz bardziej przenikać, wzmacniać swoje możliwości i wspólnie popychać ludzkość w niezbadane dotąd obszary.

Wprowadzenie: AI i komputery kwantowe w skrócie

Sztuczna inteligencja (AI) i komputery kwantowe są często wymieniane jednym tchem jako technologie zmieniające zasady gry, ale zasadniczo różnią się podejściem. AI odnosi się do oprogramowania i algorytmów, które umożliwiają maszynom symulowanie ludzkich funkcji poznawczych – uczenie się na podstawie danych, rozpoznawanie wzorców, podejmowanie decyzji i tak dalej citanex.com. Dzisiejsza AI działa na klasycznych komputerach cyfrowych (wykorzystujących bity binarne) i osiągnęła sukcesy od rozumienia języka naturalnego po strategiczne rozgrywki, wykorzystując ogromne zbiory danych i moc obliczeniową. Obliczenia kwantowe natomiast to nowy paradygmat obliczeniowy, który wykorzystuje zasady fizyki kwantowej do przetwarzania informacji. Komputery kwantowe używają kubity (bity kwantowe), które mogą istnieć w wielu stanach jednocześnie (superpozycja) i splątywać się ze sobą (splątanie), co umożliwia wykonywanie niektórych obliczeń równolegle w sposób niemożliwy dla klasycznych bitów citanex.com. W istocie, AI polega na uczeniu maszyn myślenia (z wykorzystaniem konwencjonalnych komputerów), podczas gdy obliczenia kwantowe dają maszynom nowy sposób obliczania poprzez wykorzystanie mechaniki kwantowej citanex.com.

Każda z tych technologii jest transformacyjna sama w sobie. AI ewoluowała przez dekady – od systemów opartych na regułach do dzisiejszych sieci głębokiego uczenia, które potrafią uczyć się złożonych zadań na podstawie dużych zbiorów danych. Zasila asystentów wirtualnych, silniki rekomendacji, analizatory obrazów medycznych, systemy autonomicznej jazdy i niezliczone inne zastosowania w codziennym życiu. Komputery kwantowe, choć wciąż eksperymentalne, obiecują rozwiązywać „nierozwiązywalne” problemy, z którymi nawet najszybsze superkomputery sobie nie radzą – jak faktoryzacja ogromnych liczb (kluczowa dla kryptografii), symulowanie interakcji molekularnych dla nowych materiałów lub leków, czy optymalizacja rozległych systemów. Przydatna analogia mentalna: AI jest jak genialny kucharz podążający za skomplikowanym przepisem na zwykłej kuchence, podczas gdy komputer kwantowy to futurystyczna kuchenka, która może gotować niezliczone składniki jednocześnie. „Inteligencja” AI jest ograniczona przez sprzęt, na którym działa, i tu właśnie obliczenia kwantowe mogą w przyszłości znacznie zwiększyć możliwości algorytmów.

Obliczenia kwantowe vs. AI: Gdzie komputery kwantowe mogą prześcignąć AI

Sztuczna inteligencja (AI) jest dziś ograniczona przez limity klasycznych komputerów – bez względu na to, jak sprytny jest algorytm, ostatecznie wykonuje on jedno obliczenie naraz (lub wiele równolegle na tysiącach klasycznych procesorów). Obliczenia kwantowe mają potencjał, by w określonych dziedzinach wyjść daleko poza te ograniczenia, wykonując wiele obliczeń jednocześnie dzięki superpozycji kwantowej. Może to pozwolić komputerom kwantowym dorównać lub przewyższyć systemy AI oparte na klasycznych komputerach w niektórych obszarach możliwości i szybkości. Na przykład w 2019 roku Google zaprezentowało procesor kwantowy (Sycamore), który wykonał obliczenie w około 200 sekund, co według szacunków zajęłoby klasycznemu superkomputerowi 10 000 lat sciencenews.org. (IBM później argumentował, że ulepszona klasyczna metoda mogłaby to zrobić w kilka dni, ale wniosek pozostaje taki, że maszyny kwantowe mogą osiągać ogromną przewagę w specjalnie dobranych zadaniach sciencenews.org.) Ostatnio naukowcy pokazali, że procesor kwantowy ukończył złożone obliczenie w minuty, które według jednych szacunków zajęłoby klasycznemu superkomputerowi więcej niż wiek wszechświata tipranks.com. Te dramatyczne różnice ilustrują koncepcję „supremacji kwantowej” – czyli sytuacji, w której komputery kwantowe jednoznacznie pokonują klasyczne w danym zadaniu – co ma głębokie konsekwencje. Algorytmy AI działające na zwykłych komputerach po prostu nie są w stanie obsłużyć tak astronomicznie złożonych obliczeń z powodu wykładniczego spowolnienia, podczas gdy komputer kwantowy może badać wiele potencjalnych rozwiązań jednocześnie.

Konkretnie, obliczenia kwantowe mogą przewyższyć klasyczną AI w takich obszarach jak:

Kryptografia i bezpieczeństwo: Maszyny kwantowe mogą rozkładać bardzo duże liczby i odwracać funkcje jednokierunkowe wykładniczo szybciej, potencjalnie łamiąc obecne szyfrowanie. Zadania takie jak łamanie szyfrowania RSA – praktycznie niemożliwe dla klasycznej AI metodą brute force – mogą stać się wykonalne dla potężnego komputera kwantowego wykorzystującego algorytm Shora. To stanowi zagrożenie (i jest kluczowym powodem, dla którego państwa uznają technologię kwantową za strategicznie istotną) tipranks.com.
Optymalizacja kombinatoryczna: Wiele systemów AI próbuje znaleźć rozwiązania optymalne (np. trasowanie, harmonogramowanie) za pomocą heurystyk, ponieważ wyczerpująca ocena wszystkich możliwości jest niewykonalna. Algorytmy kwantowe (takie jak QAOA czy wyżarzanie kwantowe) mogą teoretycznie oceniać wiele kombinacji jednocześnie i znajdować lepsze rozwiązania dla niektórych problemów optymalizacyjnych na dużą skalę. Na przykład kwantowy wyżarzacz firmy D-Wave (choć to ograniczona forma komputera kwantowego) rozwiązywał konkretne problemy optymalizacyjne i nawet zgłaszał pewien rodzaj przewagi kwantowej w symulacjach materiałowych citanex.com.
Symulacja naukowa: Sztuczna inteligencja może przybliżać rozwiązania w fizyce lub chemii (na przykład używając sieci neuronowych do przewidywania stanów energetycznych cząsteczek), ale tylko komputer kwantowy może bezpośrednio symulować układy mechaniki kwantowej z pełną dokładnością. Oczekuje się, że komputery kwantowe będą przodować w symulowaniu cząsteczek i materiałów, umożliwiając przełomy w odkrywaniu leków, chemii i nauce o materiałach, których klasyczna AI nie jest w stanie osiągnąć ze względu na złożoność obliczeniową tipranks.com. Niektóre symulacje reakcji chemicznych, które są praktycznie niemożliwe dla klasycznych superkomputerów, mogłyby zostać rozwiązane przez przyszły komputer kwantowy, prowadząc do powstania nowych leków lub materiałów o wysokiej wydajności.
Odkrywanie wzorców w Big Data: Dzisiejsza AI doskonale rozpoznaje wzorce w dużych zbiorach danych, ale istnieją ograniczenia – niektóre wzorce są tak głęboko ukryte obliczeniowo, że żadna realna ilość klasycznych obliczeń nie jest w stanie ich odnaleźć. Zdolność komputerów kwantowych do eksplorowania ogromnych przestrzeni stanów może odblokować wgląd w ultra-duże zbiory danych lub złożone systemy, których klasyczna AI nigdy by nie rozwiązała. Strateg technologiczny Bank of America przewidział, że około 2033 roku komputery kwantowe mogą osiągnąć praktyczną użyteczność i mieć większy wpływ na globalne rynki niż AI dzięki zdolności do rozwiązywania problemów „zbyt złożonych dziś” tipranks.com. W praktyce kwant może przyspieszyć AI: zamiast zastępować sztuczną inteligencję, dojrzały komputer kwantowy może ją wspierać, umożliwiając analizę zbiorów danych lub dziedzin problemowych, które są obecnie poza zasięgiem.

Należy jednak zauważyć, że komputery kwantowe nie sprawią, że AI stanie się przestarzała – raczej obie technologie prawdopodobnie będą się wzajemnie uzupełniać. AI doskonale radzi sobie z zadaniami takimi jak widzenie, język i podejmowanie decyzji w czasie rzeczywistym w naszym makroskopowym świecie, których komputery kwantowe (wymagające specjalistycznych warunków i przeznaczone do problemów matematycznych) na razie nie będą bezpośrednio rozwiązywać. Komputery kwantowe prawdopodobnie będą działać jako potężne akceleratory zaplecza w centrach danych, a nie jako samodzielne „myślące maszyny” na twoim laptopie czy telefonie tipranks.com. W praktyce sprzęt kwantowy mógłby rozwiązywać podproblemy lub dostarczać nowe funkcje dla systemów AI (na przykład szybko generując lepsze dane treningowe lub parametry modeli), podczas gdy AI nadal będzie odpowiadać za zadania poznawcze i ogólne. Podsumowując, komputery kwantowe mają szansę przewyższyć klasyczne systemy AI pod względem mocy obliczeniowej w wybranych problemach, zmieniając to, co AI może zrobić, gdy będzie wspierana przez przetwarzanie kwantowe. To właśnie ten potencjał sprawia, że rośnie ekscytacja – i konkurencja – wokół tego, kto pierwszy osiągnie stabilne komputery kwantowe.

Aktualne osiągnięcia i główni gracze w AI

AI doświadczyła zadziwiającego postępu w ostatnich latach, napędzanego przez rozwój algorytmów, mocy obliczeniowej (szczególnie GPU i chmurowych TPU) oraz eksplozję danych. Ogromny przełom nastąpił wraz z uczeniem głębokim, a w szczególności z modelami transformer, które umożliwiły dzisiejszą erę generatywnej AI. W latach 2022–2023 duże modele językowe, takie jak GPT-4 OpenAI i PaLM Google’a, wykazały zdolność generowania tekstu na poziomie zbliżonym do ludzkiego, tłumaczenia języków, pisania kodu, a nawet pewnego stopnia rozumowania – osiągnięcia, które dekadę wcześniej były science fiction. Systemy AI stały się także bardziej zaawansowane w dziedzinie wizji (np. generowanie i rozpoznawanie obrazów), dźwięku (realistyczna synteza głosu) oraz rozumienia multimodalnego. Na przykład w 2023 roku naukowcy wprowadzili nowe testy porównawcze dla zaawansowanej AI, a w ciągu roku systemy AI znacząco poprawiły swoje wyniki – o 18 do 67 punktów procentowych – i zaczęły nawet przewyższać ludzi w niektórych zadaniach programistycznych pod presją czasu hai.stanford.edu. Te szybkie postępy pokazują, jak szybko rośnie wydajność AI. Do 2024 roku generatywna AI mogła tworzyć wysokiej jakości obrazy i filmy na podstawie poleceń tekstowych, a „agenci” AI zaczęli wykonywać złożone sekwencje działań. Takie kamienie milowe przeniosły AI z laboratoriów eksperymentalnych do powszechnego użytku.

Główni gracze napędzający rozwój AI to mieszanka dużych firm technologicznych, laboratoriów badawczych oraz stale rosnącego ekosystemu startupów. W Stanach Zjednoczonych dominują giganci technologiczni: Google (Alphabet) od dawna inwestuje w AI poprzez Google Brain i DeepMind (które zapoczątkowało przełomowe osiągnięcia w uczeniu przez wzmacnianie, takie jak AlphaGo). OpenAI, mocno wspierane przez Microsoft, opracowało ChatGPT i GPT-4, wywołując wyścig w dziedzinie dużych modeli językowych. Microsoft sam wdraża AI we wszystkich swoich produktach (i zbudował jedną z najpotężniejszych infrastruktur superkomputerowych AI dla modeli OpenAI). Meta (Facebook) promuje otwartoźródłowe modele AI (takie jak LLaMA) i wykorzystuje AI do tworzenia treści, podczas gdy Amazon stosuje AI we wszystkim – od Alexy po optymalizację logistyki. IBM, wczesny pionier AI ze swoim systemem Watson, nadal koncentruje się na AI dla biznesu i wypuścił własną rodzinę zaawansowanych modeli językowych Granite do zastosowań biznesowych aimagazine.com. W Chinach Baidu i Alibaba opracowały duże modele językowe (odpowiednio ERNIE i Tongyi Qianwen/Qwen) i integrują AI w wyszukiwarkach, e-commerce i usługach chmurowych aimagazine.com. Liczne startupy – Anthropic (twórcy modelu Claude), Cohere, Hugging Face, Stability AI (modele tekst-na-obraz) – dostarczają wyspecjalizowane modele i narzędzia, często napędzając innowacje w konkretnych niszach. Tymczasem firmy z branży hardware, takie jak Nvidia, są kluczowymi umożliwiaczami: GPU Nvidii stały się podstawą deep learningu, a jej nowe, dedykowane AI rozwiązania sprzętowe (jak systemy DGX) zasilają wiele laboratoriów badawczych aimagazine.com. Pod względem liczby publikacji naukowych i talentów Stany Zjednoczone wciąż przodują w tworzeniu najlepszych modeli AI i publikacji, ale Chiny szybko zmniejszają dystans – w 2024 roku chińskie modele AI osiągnęły niemal równorzędny poziom z amerykańskimi w kluczowych benchmarkach, a Chiny faktycznie produkują więcej publikacji naukowych i patentów AI ogółem hai.stanford.edu. Pokazuje to międzynarodową skalę przywództwa w AI.

Ważnym „graczem”, o którym warto wspomnieć, jest społeczność open-source i środowisko akademickie. Wiele najnowocześniejszych pomysłów (jak sama architektura transformera) powstało w badaniach akademickich lub non-profit, a następnie zostało rozwiniętych przez przemysł. Współpraca w badaniach nad AI – dzielona poprzez publikacje i kod – sprawia, że przełomowe osiągnięcia szybko rozprzestrzeniają się na całym świecie. Na rok 2025 rozwój AI stał się tak powszechny, że 78% organizacji zgłasza wykorzystanie AI w jakiejś formie hai.stanford.edu. Tak szerokie wdrożenie jest zarówno wynikiem oferty branży technologicznej, jak i czynnikiem napędzającym firmy do dalszych innowacji. Podsumowując, obecny krajobraz AI charakteryzuje się zaciętą konkurencją i współpracą pomiędzy gigantami technologicznymi (USA i Chin), dobrze finansowanymi startupami oraz laboratoriami akademickimi. Razem doprowadzili AI do punktu zwrotnego, w którym przechodzi ona od wąskich zastosowań do bardziej ogólnych i potężnych systemów, integrując się zarówno z produktami dla przedsiębiorstw, jak i konsumentów.

Obecne osiągnięcia i główni gracze w dziedzinie komputerów kwantowych

Komputery kwantowe, choć znajdują się na wcześniejszym etapie rozwoju, odnotowały znaczące przełomy w ostatnich latach, a rosnąca grupa graczy branżowych prowadzi w tym wyścigu. Postępy w tej dziedzinie często mierzy się poprzez liczbę i jakość kubitów, a także demonstracje tzw. „przewagi kwantowej” (rozwiązanie użytecznego problemu szybciej niż komputer klasyczny). Jednym z głośnych kamieni milowych był rok 2019, kiedy Google ogłosiło osiągnięcie supremacji kwantowej: jego 53-kubitowy procesor nadprzewodnikowy Sycamore wykonał specjalnie dobrane obliczenie losowego próbkowania obwodów w kilka minut, co według szacunków zajęłoby Summitowi (najpotężniejszemu superkomputerowi świata) tysiące lat sciencenews.org. Twierdzenie to było przedmiotem dyskusji, ale stanowiło przełomowy moment pokazujący, że kontrolowane urządzenia kwantowe mogą przewyższać klasyczne przynajmniej w niektórych zadaniach. Od tego czasu zarówno IBM, jak i Google systematycznie zwiększają liczbę kubitów i podejmują wyzwania związane z korekcją błędów. IBM w szczególności wypuścił serię większych układów: w 2021 roku zaprezentował procesor o 127 kubitach (Eagle), w 2022 układ o 433 kubitach (Osprey), a pod koniec 2023 roku IBM ogłosił „Condor” – pierwszy procesor kwantowy, który przekroczył 1 000 kubitów (1 121 kubitów) nature.com. Był to ogromny wyczyn sprzętowy, choć IBM od razu podkreślił konieczność skupienia się na poprawie jakości kubitów (współczynniki błędów), a nie tylko na ich liczbie nature.com. Tymczasem dział Quantum AI firmy Google opracował procesor nowej generacji (o nazwie kodowej „Weber” lub „Willow”) i poinformował w 2023 roku, że po raz pierwszy zademonstrował logiczny kubit z korekcją błędów kwantowych, który przewyższył równoważny kubit fizyczny – kluczowy krok w kierunku skalowalnych, odpornych na błędy obliczeń citanex.com. Postępy te sugerują, że podstawowe przeszkody (dekoherencja, szumy) są aktywnie przezwyciężane.

Poza IBM i Google, wiele innych podmiotów tworzy ekosystem kwantowy:

Microsoft realizuje unikalne podejście z wykorzystaniem kubitów topologicznych. W latach 2023–24 Microsoft ogłosił eksperymentalne dowody na istnienie nieuchwytnych kwazicząstek Majorany, a w 2025 roku zaprezentował prototyp układu kwantowego „Majorana 1” wykorzystującego kubity topologiczne, mające zapewnić większą stabilność citanex.com. Choć Microsoft nie posiada jeszcze wielkoskalowego komputera kwantowego, intensywnie inwestuje w badania i rozwój oraz oferuje usługi kwantowe przez Azure we współpracy z partnerami sprzętowymi.
Intel prowadzi badania nad krzemowymi kubitami spinowymi, wykorzystując swoje doświadczenie w produkcji półprzewodników. Choć rzadziej pojawia się w mediach, Intel dąży do wytwarzania układów kwantowych na dużą skalę, korzystając z bardziej tradycyjnych procesów.
Start-upy kwantowe przyciągnęły uwagę mediów, zwłaszcza te, które weszły na giełdę przez SPAC. IonQ (kubity pułapkowane jonowo), D-Wave (maszyny do wyżarzania kwantowego) oraz Rigetti Computing (kubity nadprzewodzące) to trzy znaczące firmy z USA/Kanady. Pojawiły się nowe, obiecujące nazwy, które przyciągnęły uwagę inwestorów – analitycy Bank of America zauważyli rosnącą dynamikę branży kwantowej, a IonQ, D-Wave i Rigetti rozwijają nowatorskie systemy tipranks.com. D-Wave w szczególności, koncentrując się na niszowej formie obliczeń kwantowych (wyżarzanie), ogłosił osiągnięcie pewnego rodzaju przewagi kwantowej w rozwiązywaniu wybranych problemów symulacji materiałów szybciej niż metody klasyczne citanex.com. IonQ zbudował komputery pułapkowane jonowo dostępne przez chmurę, osiągając wysoką wierność kubitów (choć w mniejszej liczbie) i ma ambitne plany skalowania modułowego.
Środowisko akademickie i laboratoria rządowe: Wiele przełomów (jak nowe projekty kubitów, algorytmy czy rekordowe osiągnięcia splątania) pochodzi z laboratoriów uniwersyteckich i narodowych. Na przykład Uniwersytet Nauki i Technologii Chin (USTC) zademonstrował fotonową supremację kwantową w 2020 roku. Instytuty narodowe w krajach takich jak Kanada, Wielka Brytania, Australia i w całej Europie prowadzą badania na najwyższym poziomie i często współpracują ze start-upami.
Sieci i Internet kwantowy: Firmy takie jak Cisco dołączyły do wyścigu – Cisco w 2025 roku zaprezentowało układ do sieci kwantowych i otworzyło laboratorium badań kwantowych, mając na celu umożliwienie bezpiecznej komunikacji kwantowej i ostatecznie internetu kwantowego citanex.com. To łączy się z obliczeniami kwantowymi poprzez umożliwienie rozproszonych obliczeń i komunikacji kwantowej (dystrybucja klucza kwantowego itp.).
Gracze międzynarodowi: Chińscy giganci technologiczni Alibaba i Baidu prowadzą programy badawcze nad kwantami (Alibaba udostępnia przez chmurę nadprzewodzący komputer kwantowy, a Baidu posiada własny instytut kwantowy). W Europie firmy takie jak IQM (Finlandia), Pasqal i Quandela (Francja) oraz Oxford Quantum Circuits (Wielka Brytania) rozwijają sprzęt. Kanada była pionierem (siedziba D-Wave i Xanadu, start-upu fotoniki kwantowej) i cieszy się silnym wsparciem rządowym citanex.com. Każdy z tych podmiotów wnosi wkład w zróżnicowany krajobraz konkurujących podejść (obwody nadprzewodzące, pułapkowane jony, fotonika, kubity topologiczne itd.).

Jeśli chodzi o najnowsze przełomy, oprócz 1 121-kubitowego układu IBM i kamienia milowego Google w korekcji błędów, pojawiły się inne godne uwagi osiągnięcia: Amazon (AWS) zaprojektował własny procesor kwantowy, wykorzystując hybrydę kubitów nadprzewodzących i stanów kota, mając na celu uproszczenie korekcji błędów deloitte.com. Lockheed Martin i IBM zaprezentowały symulację układów molekularnych przy użyciu maszyny z ponad 50 kubitami, zintegrowanej w podejściu „superkomputerów skoncentrowanych na kwantach” – co sugeruje praktyczne zastosowania na dzisiejszych urządzeniach deloitte.com. Sprzęt rozwija się na wielu frontach i nawet jeśli dzisiejsze komputery kwantowe są zbyt zaszumione do powszechnego użytku, nieustanny postęp (np. wiele firm osiągających kamienie milowe w latach 2024–2025 deloitte.com) sugeruje, że punkt zwrotny może nadejść szybciej, niż wcześniej sądzono.

Ogólnie rzecz biorąc, obecnie arena komputerów kwantowych przypomina AI sprzed dekady lub dwóch: wiele eksperymentów z różnymi projektami, mieszanka dużych korporacji i startupów, szybkie postępy, ale także cykl nadmiernych oczekiwań do opanowania. Główni gracze, na których warto zwrócić uwagę, to duże firmy technologiczne (IBM, Google, Microsoft, Amazon, Intel) ze względu na ich zasoby i integrację, wyspecjalizowane firmy kwantowe (IonQ, D-Wave, Rigetti i kilka rozwijających się startupów na całym świecie) za innowacyjność oraz rządy tworzące krajowe laboratoria i finansowanie (więcej o tym w części o geopolityce). Dzięki współpracy środowiska akademickiego i przemysłu, komputery kwantowe przechodzą z teorii do systemów inżynieryjnych – na przykład w ciągu ostatnich pięciu lat zgłoszono ponad 1 100 patentów kwantowych deloitte.com. „Wyścig” o zbudowanie użytecznego, skalowalnego komputera kwantowego jest już w pełni rozpoczęty, a w ciągu najbliższych kilku lat ci gracze prawdopodobnie osiągną jeszcze więcej rekordowych demonstracji na drodze do pełnoskalowej informatyki kwantowej.

Wzrost rynku, trendy inwestycyjne i zainteresowanie komercyjne

Kiedy mowa o pieniądzach i rynkach, AI i komputery kwantowe są dziś na zupełnie innych skalach, choć oba obszary dynamicznie rosną. Sztuczna inteligencja to już dziś przemysł wart miliardy dolarów, który przekształca biznes i przyciąga ogromne inwestycje. W 2024 roku prywatne inwestycje w AI osiągnęły nowe rekordy – szacunkowo 109,1 miliarda dolarów tylko w USA, prawie 12 razy więcej niż inwestycje w Chinach (9,3 miliarda dolarów) i znacznie więcej niż w jakimkolwiek innym kraju hai.stanford.edu. Globalnie, jeśli zsumować kapitał wysokiego ryzyka i wydatki korporacyjne, finansowanie AI wyniosło około 132 miliardów dolarów w 2024 roku deloitte.com. Ten napływ kapitału napędzany jest wyraźną wartością komercyjną AI: organizacje wdrażają AI, by zwiększać produktywność, automatyzować zadania i tworzyć nowe produkty. Ponad trzy czwarte (78%) organizacji na świecie zgłosiło korzystanie z AI w 2024 roku, w porównaniu do 55% rok wcześniej hai.stanford.edu. Efektem jest rynek AI, który już teraz generuje znaczące przychody dla dostawców chmury, firm tworzących oprogramowanie dla przedsiębiorstw i producentów urządzeń. Chipy AI (GPU, TPU itd.) są bardzo poszukiwane, czego przykładem jest gwałtowny wzrost kapitalizacji rynkowej Nvidii (odzwierciedlający jej niemal monopolistyczną pozycję w sprzęcie AI) bain.com. Analitycy i firmy konsultingowe przewidują ogromne korzyści ekonomiczne z AI: PwC szacuje, że AI może wnieść do globalnej gospodarki nawet 15,7 biliona dolarów do 2030 roku – więcej niż obecny PKB Chin i Indii razem wziętych pwc.com. Inna analiza, przeprowadzona przez IDC, prognozuje, że każdy 1 dolar zainwestowany w AI może do 2030 roku wygenerować kilka dolarów zwrotu dla gospodarki my.idc.com. Krótko mówiąc, AI to nie tylko trend technologiczny, ale główny motor gospodarczy; porównuje się ją do elektryczności czy internetu pod względem wpływu na wzrost w różnych sektorach.

Komputery kwantowe, w przeciwieństwie do AI, znajdują się na znacznie wcześniejszym etapie komercjalizacji, jednak inwestycje przyspieszają, ponieważ ich długoterminowy potencjał staje się coraz bardziej oczywisty. W 2024 roku roczne inwestycje venture capital w firmy kwantowe wynosiły około 2 miliardów dolarówdeloitte.com – to niewiele w porównaniu do 132 miliardów dolarów zainwestowanych w AI, ale warto zauważyć, że dekadę temu były one niemal zerowe. Szacuje się, że łącznie rządy i fundusze VC zainwestowały w ostatnich latach ponad 25 miliardów dolarów w badania i rozwój kwantowy na całym świeciedeloitte.com. Boston Consulting Group poinformowała, że pomimo ogólnego spowolnienia w branży technologicznej w 2023 roku, startupy zajmujące się komputerami kwantowymi pozyskały w tym czasie 1,2 miliarda dolarów finansowania VC, co świadczy o utrzymującym się zaufaniubcg.com. Rządy również mocno finansują rozwój kwantowy: wsparcie sektora publicznego na całym świecie ma przekroczyć 10 miliardów dolarów w latach 2022–2027bcg.com. Kraje takie jak USA, Chiny, państwa UE, Kanada i Japonia ogłosiły narodowe inicjatywy kwantowe z budżetami sięgającymi miliardów dolarów (więcej w sekcji geopolitycznej).

Analitycy rynku prognozują wykładniczy wzrost dla komputerów kwantowych w miarę dojrzewania tej technologii. Szacunki są różne, ale często podawany zakres (np. według BCG i innych) to około 30–40% skumulowana roczna stopa wzrostu (CAGR) w ciągu następnej dekady patentpc.com, deloitte.com. Według jednej z prognoz, branża komputerów kwantowych (sprzęt, oprogramowanie, usługi) może osiągnąć wartość około 1–2 miliardów dolarów do 2030 roku bcg.com – co sugeruje, że większość przychodów pojawi się dopiero za kilka lat – ale następnie gwałtownie wzrośnie do 90–170 miliardów dolarów do 2040 roku, gdy pojawią się maszyny odporne na błędy bcg.com. Jeszcze bardziej uderzająca jest prognoza, że wartość ekonomiczna umożliwiona przez komputery kwantowe (np. usprawnienia w innych branżach) osiągnie 450–850 miliardów dolarów do 2040 roku bcg.com. Te liczby odzwierciedlają takie aspekty jak oszczędności kosztów i nowe przychody w sektorach od farmacji po finanse dzięki przełomom kwantowym. Na przykład, jeśli komputery kwantowe znajdą lekarstwo na poważną chorobę lub znacząco zoptymalizują łańcuchy dostaw, efekty będą ogromne.

W najbliższym czasie (lata 2020) komercjalizacja technologii kwantowych koncentruje się na konkretnych zastosowaniach, gdzie nawet niedoskonałe komputery kwantowe mogą dać przewagę. Firmy już oferują Quantum-computing-as-a-Service na platformach chmurowych (IBM, Amazon Braket, Microsoft Azure Quantum) – umożliwiając firmom i naukowcom eksperymentowanie z algorytmami kwantowymi na prototypowym sprzęcie. Ponad połowa firm z listy Fortune 500 podobno testuje zastosowania komputerów kwantowych lub prowadzi projekty pilotażowe deloitte.com. Warto zauważyć, że prawie 80% z 50 największych banków na świecie prowadzi inicjatywy badawcze lub inwestycje w dziedzinie kwantowej bccresearch.com, ponieważ sektor finansowy może wcześnie skorzystać z algorytmów optymalizacyjnych kwantowych. W farmacji firmy współpracują ze startupami kwantowymi, aby badać symulacje cząsteczek leków. To pokazuje zainteresowanie komercyjne: firmy nie chcą zostać w tyle, jeśli komputery kwantowe zapewnią przewagę konkurencyjną.

Należy jednak zauważyć, że AI obecnie zapewnia zwrot z inwestycji (ROI) i przychody w sposób, w jaki kwantowe technologie jeszcze tego nie robią. Wartość AI jest natychmiastowa (np. ulepszony marketing, automatyzacja zadań), dlatego firmy obecnie chętnie w nią inwestują – stąd rekordowe inwestycje i wielomiliardowe przejęcia (takie jak zakup startupów AI przez Salesforce itp.). Komputery kwantowe to raczej długoterminowy zakład; wiele firm inwestujących w technologie kwantowe traktuje je jako strategiczne zabezpieczenie lub śmiały projekt, który może się zwrócić za 5–10 lat. Badanie Deloitte przeprowadzone w 2024 roku wśród około 400 menedżerów technologicznych wykazało trzykrotny wzrost liczby inwestujących w technologie kwantowe w porównaniu z rokiem poprzednim, a większość uważała, że już teraz przynoszą one przynajmniej pewną wartość lub doświadczenie edukacyjne deloitte.com. Trend jest taki, że technologie kwantowe szybko wspinają się po krzywej zainteresowania i inwestycji, którą kilka lat temu przeszła AI. W rzeczywistości niektórzy obserwatorzy dostrzegają podobieństwa do „boomu AI” – zauważając, że entuzjazm (a być może i szum medialny) wokół technologii kwantowych wzrósł tak bardzo, że przypomina im wczesny pośpiech w kierunku AI, a nawet erę dot-comów deloitte.com. Kluczowa różnica to czas: AI przynosi korzyści już teraz; na wielki zwrot z inwestycji w technologie kwantowe trzeba jeszcze poczekać.

Podsumowując, trajektorie rynkowe: AI to kwitnący, niemal dojrzały rynek liczony w setkach miliardów dolarów i obejmujący wszystkie branże, którego wzrost trwa wraz z poszerzaniem adopcji. Komputery kwantowe to rynek na wczesnym etapie rozwoju, obecnie wart kilka miliardów, z przewidywanym gwałtownym wzrostem w miarę osiągania kolejnych kamieni milowych. Z punktu widzenia inwestycji, AI to ugruntowany lider, a technologie kwantowe to szybko wschodzący pretendent. Jednak zamiast konkurować o te same środki, często przyciągają one inwestycje komplementarne – wiele firm finansuje AI dla natychmiastowych korzyści, a technologie kwantowe z myślą o przyszłych przełomach. Rośnie także zainteresowanie przecięciem obu dziedzin (kwantowa AI), gdy firmy takie jak IBM i Google badają, jak technologie kwantowe mogą przyspieszyć uczenie maszynowe. Jako wskaźnik tempa rozwoju: badania pokazują, że ponad połowa profesjonalistów uważa, iż postęp w technologiach kwantowych następuje szybciej, niż się spodziewano, a niektórzy obawiają się, że mogą zostać zaskoczeni przełomem deloitte.com. To sprawia, że inwestorzy i firmy już teraz starają się zająć pozycję, inwestując w talenty i startupy. Jeśli rozwój AI był sprintem, to rozwój technologii kwantowych zapowiada się na maraton z bardzo dużą nagrodą na mecie.

Potencjalne zastosowania na styku lub w konkurencji AI i technologii kwantowych

Pomimo różnic, AI i komputery kwantowe nie są odizolowanymi dziedzinami – istnieje wiele punktów przecięcia, synergii, a nawet konkurencji między nimi. Obie technologie mają na celu rozwiązywanie złożonych problemów i wzmacnianie ludzkich możliwości, a badacze coraz częściej łączą je w hybrydowe podejścia. Poniżej omawiamy kilka kluczowych obszarów, w których AI i technologie kwantowe się spotykają lub gdzie można wybrać jedną z nich:

Kwantowa AI i uczenie maszynowe: Nowo powstająca dziedzina zwana kwantowym uczeniem maszynowym (QML) dąży do wykorzystania komputerów kwantowych do uruchamiania algorytmów uczenia maszynowego w sposób bardziej wydajny lub skuteczny. Chodzi o to, że komputery kwantowe mogłyby potencjalnie przetwarzać określone struktury danych lub znajdować wzorce w sposób, w jaki klasyczna AI nie potrafi, dzięki zdolności do eksplorowania wielu stanów jednocześnie. Na przykład algorytm kwantowy mógłby klasyfikować punkty danych lub optymalizować model w mniejszej liczbie kroków niż algorytm klasyczny. W rzeczywistości QML jest wciąż w dużej mierze teoretyczne i ograniczone przez obecny sprzęt – większość dotychczasowych demonstracji obejmuje niewielkie zbiory danych mieszczące się na kilku kubitach. Jednak istnieje nadzieja, że w przyszłości kwantowo-wzmocniona AI będzie mogła realizować konkretne zadania, takie jak analiza danych z fizyki kwantowej, przyspieszanie treningu sieci neuronowych czy ulepszanie modeli generatywnych. Niektóre badania sugerują, że obwody kwantowe mogą być bardziej ekspresywne niż sieci neuronowe, co oznacza, że mogą uchwycić złożone relacje w danych przy wykładniczo mniejszych zasobach polytechnique-insights.com. To skłoniło firmy takie jak Google do powołania zespołów „Quantum AI”, które koncentrują się na tym, jak obliczenia kwantowe mogą ulepszyć AI ai.plainenglish.io. Z drugiej strony, AI może również pomóc obliczeniom kwantowym – wykorzystując klasyczne algorytmy AI do optymalizacji operacji kwantowych. Raport Quantum Economic Development Consortium wskazał, że AI może wspierać projektowanie lepszych obwodów kwantowych, kodów korekcji błędów, a nawet odkrywanie nowych algorytmów kwantowych thequantuminsider.com. Innymi słowy, uczenie maszynowe może dostrajać i kalibrować urządzenia kwantowe (które mają wiele parametrów sterujących) znacznie szybciej niż metody manualne. To wzajemne wzmocnienie – AI pomagająca budować kwanty, a kwanty potencjalnie napędzające AI – to gorący temat badawczy. Ta synergia może odblokować „nowe rozwiązania…niemożliwe do osiągnięcia przy użyciu klasycznych obliczeń” samodzielnie thequantuminsider.com.
Konkurencyjne podejścia do rozwiązywania problemów: W dziedzinach takich jak optymalizacja, symulacje i analiza danych, często można rozwiązać problem za pomocą zaawansowanych metod klasycznych/AI lub poczekać na potężniejsze metody kwantowe. Wyraźnym przykładem jest symulacja chemiczna i materiałowa na potrzeby odkrywania leków lub projektowania baterii. Podejście AI: wykorzystanie modeli głębokiego uczenia (wytrenowanych na znanych danych chemicznych) do przewidywania właściwości molekuł lub kierowania eksperymentami – już teraz przyspieszyło to selekcję kandydatów na leki. Podejście kwantowe: użycie komputera kwantowego do bezpośredniej symulacji zachowania kwantowego cząsteczki, co w teorii będzie znacznie dokładniejsze dla złożonych reakcji, gdy tylko komputery kwantowe będą wystarczająco duże. Obecnie AI wypełnia tę lukę (modele przybliżone), ponieważ komputery kwantowe są zbyt małe/zaszumione dla większości rzeczywistych układów chemicznych. W przyszłości, gdy sprzęt kwantowy się rozwinie, może „konkurować” z modelami AI, oferując dokładne symulacje. Możemy zobaczyć symulatory kwantowe kontra predyktory AI w nauce o materiałach – każde z nich będzie miało swoje zalety i wady (AI może być szybsze i działa już teraz, kwantowe w końcu da precyzyjne odpowiedzi dla bardzo trudnych przypadków). Innym obszarem są problemy optymalizacyjne (np. trasy dostaw, optymalizacja portfela). Już teraz używamy heurystyk AI lub klasycznych solverów; kwantowe wyżarzacze lub algorytmy bramkowe obiecują potencjalnie lepsze rozwiązania dla niektórych dużych problemów NP-trudnych. Firmy takie jak Volkswagen testowały zarówno metody AI, jak i kwantowe do optymalizacji ruchu drogowego w ramach porównania. Na razie klasyczna AI często wygrywa ze względu na dojrzałość, ale kwantowe rozwiązania robią postępy.
Hybrydowe zastosowania kwantowo-klasyczne: Najbardziej prawdopodobny scenariusz to taki, w którym wiele zastosowań będzie wykorzystywać AI i kwanty razem. Weźmy logistykę i zarządzanie łańcuchem dostaw: komputer kwantowy może rozwiązać szczególnie trudny podproblem optymalizacyjny (np. optymalne rozmieszczenie magazynów przy milionach zmiennych), podczas gdy system AI wykorzystuje ten wynik do szerszej symulacji lub podejmowania decyzji w czasie rzeczywistym. Albo w modelowaniu klimatu i prognozowaniu pogody, gdzie potrzebna jest ogromna moc obliczeniowa: AI służyła do przybliżania wzorców klimatycznych i przyspieszania symulacji; komputer kwantowy mógłby pójść dalej, wykonując niektóre obliczenia fizyczne na niespotykaną dotąd skalę. W rzeczywistości raport QED-C podkreślił, że QC + AI razem mogą lepiej przewidywać ekstremalne zjawiska pogodowe, poprawiając przygotowanie na katastrofy thequantuminsider.com. Innym przykładem jest opieka zdrowotna: algorytmy AI analizują dane pacjentów, by wykrywać ryzyka lub sugerować terapie; w przyszłości kwantowe zaplecze mogłoby optymalizować spersonalizowane cząsteczki leków pod DNA pacjenta lub wykonywać kwantowo-wspomagane obliczenia fałdowania białek, dając wgląd, którego klasyczna AI może nie wychwycić. To scenariusze spekulatywne, ale prawdopodobne, gdzie kwanty i AI się uzupełniają, każdy robi to, w czym jest najlepszy – kwanty wykonują „ciężką pracę” obliczeniową dla części zadania, AI zajmuje się interpretacją danych, interfejsem i ogólnym rozumowaniem. Firmy technologiczne już teraz badają takie hybrydowe przepływy pracy na małą skalę, by być gotowym, gdy możliwości kwantowe wzrosną thequantuminsider.com.
Obszary bezpośredniego przecięcia: Istnieją pewne dziedziny, które z natury rzeczy znajdują się na przecięciu, takie jak sterowanie kwantowe – wykorzystanie AI do sterowania eksperymentami kwantowymi. Wydajność komputera kwantowego może zależeć od precyzyjnego dostrajania wielu parametrów (impulsy laserowe, pola elektromagnetyczne itp.). Naukowcy z powodzeniem wykorzystali uczenie maszynowe do automatycznej kalibracji kubitów i korekcji błędów w czasie rzeczywistym, skutecznie używając AI do obsługi maszyny kwantowej lepiej niż mogliby to zrobić ludzie. Innym obszarem przecięcia jest kryptografia postkwantowa: choć nie jest to bezpośrednia synergia, pojawienie się komputerów kwantowych wymusza zmiany w algorytmach cyberbezpieczeństwa, a AI odgrywa rolę w analizie i wzmacnianiu nowych schematów kryptograficznych. AI może pomóc w projektowaniu szyfrowania odpornego na kwanty, a także wykrywać, czy w sieciach mają miejsce próby deszyfrowania kwantowego.

Pomimo tych punktów styku, kluczowe jest zarządzanie oczekiwaniami. Niektóre wczesne nadzieje, że komputery kwantowe szybko zrewolucjonizują AI, zostały ostudzone przez rzeczywistość. Najnowsze analizy ekspertów wskazują, że komputery kwantowe w najbliższym czasie nie nadają się do wielu „big data” problemów AI. Sprzęt kwantowy jest wciąż bardzo ograniczony pod względem pamięci (kubitów) i bardzo wolny pod względem wejścia/wyjścia danych – jeden z ekspertów kwantowych zauważył, że nawet optymistyczne prognozy sugerują, iż za 5 lat przepustowość danych komputera kwantowego może być porównywalna z komputerem klasycznym z 1999 roku polytechnique-insights.com. Oznacza to, że wprowadzanie dużych zbiorów danych (będących podstawą deep learningu) do komputera kwantowego stanowi wąskie gardło. Ponadto obecne algorytmy kwantowe często wymagają wielu powtórzeń i korekcji błędów, co jest czasochłonne. W rezultacie pojawia się rosnący konsensus, że komputery kwantowe „niekoniecznie przyspieszą rozwój AI” w zadaniach takich jak deep learning, które opierają się na dużych ilościach danych, przynajmniej nie w najbliższej przyszłości polytechnique-insights.com. W rzeczywistości naukowcy zaczęli donosić, że w przypadku większości praktycznych zadań uczenia maszynowego metody klasyczne wciąż przewyższają każdą obecną metodę kwantową, jeśli uwzględnić wszystkie narzuty. Pełne wykorzystanie przewag kwantowych w AI może wymagać komputerów kwantowych odpornych na błędy, z tysiącami lub milionami kubitów, co jest perspektywą na dziesięciolecia.

Odwrotnie, sztuczna inteligencja (AI) okazuje się obecnie niezbędna dla postępów w dziedzinie kwantowej. Jak wspomniano, AI pomaga w strategiach korekcji błędów kwantowych, projektowaniu eksperymentów, a nawet odkrywaniu nowych materiałów lub związków kwantowych poprzez wyszukiwanie wspomagane przez AI. Relacja ta jest obecnie nieco asymetryczna: AI bardziej napędza rozwój technologii kwantowych niż odwrotnie. Jednak w dłuższej perspektywie, gdy obie technologie dojrzeją, możemy oczekiwać pozytywnego sprzężenia zwrotnego – równoczesne postępy w obliczeniach kwantowych i AI otworzą możliwości, których żadna z nich nie mogłaby osiągnąć samodzielnie thequantuminsider.com. Pomyśl o dziedzinach takich jak genomika, finanse czy klimat, gdzie problemy są niezwykle złożone: AI może pomóc dostrzec wzorce i dokonywać prognoz, podczas gdy obliczenia kwantowe mogłyby poradzić sobie z eksplozją kombinatoryczną lub dokładnym modelowaniem fizycznym danego zagadnienia. Na przykład zarządzanie inteligentną siecią energetyczną mogłoby wykorzystywać AI do prognozowania zapotrzebowania i optymalizację kwantową do projektowania optymalnej dystrybucji energii w czasie rzeczywistym thequantuminsider.com.

Podsumowując, zamiast otwartej „rywalizacji” w większości obszarów, AI i obliczenia kwantowe zbliżają się do współpracy, z których każda odpowiada na inne aspekty wielkich wyzwań. Zawsze będą sytuacje, w których jedno podejście przewyższy drugie – np. jeśli coś można rozwiązać klasyczną AI, technologia kwantowa może nie być w ogóle potrzebna; z drugiej strony, jeśli problem jest fundamentalnie kwantowo-mechaniczny (jak symulacja nowego materiału kwantowego), sama AI może nigdy go nie rozwiązać bez komponentu kwantowego. Najbardziej ekscytujące zastosowania w nadchodzących latach to prawdopodobnie te, które łączą AI i technologię kwantową, wykorzystując mocne strony obu: AI do percepcji, adaptacji i uogólniania; kwant do czystej mocy obliczeniowej przy trudnych problemach matematycznych. Całkowicie nowe zastosowania mogą wyłonić się z tej synergii, które „obecnie nie są możliwe do zrealizowania przy użyciu klasycznych obliczeń” thequantuminsider.com – na przykład przełomy w odkrywaniu leków, modelowaniu ryzyka klimatycznego czy nawet w samym projektowaniu AI (wyobraź sobie systemy AI, których sieci neuronowe są optymalizowane przez procesy kwantowe). Trwające badania i wczesne prototypy integracji kwantowo-AI sugerują, że to przecięcie będzie żyznym gruntem dla innowacji, skutecznie tworząc sprzężenie zwrotne między dwiema wiodącymi technologiami XXI wieku.

Implikacje geopolityczne i międzynarodowy wyścig o supremację

Wyścig o dominację w AI i komputerach kwantowych to nie tylko kwestia firm technologicznych rywalizujących o udziały w rynku – to coraz bardziej także geopolityczny wyścig. Technologie te są postrzegane jako kluczowe dla siły gospodarczej, potęgi militarnej i bezpieczeństwa narodowego w nadchodzących dekadach. W rezultacie państwa na całym świecie (na czele z USA i Chinami) inwestują w nie ogromne zasoby i uważnie śledzą, kto jest na prowadzeniu. Pod pewnymi względami przypomina to wcześniejsze strategiczne wyścigi (jak wyścig kosmiczny czy wyścig zbrojeń nuklearnych), choć z istotnymi różnicami wynikającymi z globalnego i komercyjnego charakteru rozwoju AI/kwantowego.

Stany Zjednoczone: USA obecnie przodują w wielu aspektach zarówno AI, jak i technologii kwantowych. W dziedzinie AI amerykańskie firmy i uniwersytety są na czele: większość najnowocześniejszych modeli AI (szczególnie generatywnej AI) pochodzi z organizacji z siedzibą w USA hai.stanford.edu. USA przyciągają także najlepsze talenty AI z całego świata. Doceniając znaczenie AI, rząd USA powołał inicjatywy takie jak National AI Research Institutes i opracowuje Kartę Praw AI oraz ramy zarządzania. W sferze militarnej Departament Obrony (DoD) utworzył Joint AI Center (JAIC), aby włączyć AI do systemów obronnych. W dziedzinie kwantowej USA uruchomiły National Quantum Initiative Act (2018), która przeznacza ponad 1,2 miliarda dolarów na centra badawcze i edukację w zakresie technologii kwantowych citanex.com. Agencje takie jak DARPA, NSF i Departament Energii mają dedykowane programy kwantowe citanex.com. W USA mają siedzibę kluczowi gracze branżowi (Google, IBM, Microsoft, Intel, Amazon w dziedzinie kwantowej; a także wszyscy giganci AI), co zapewnia silny ekosystem. W październiku 2022 roku Biały Dom opublikował Narodową Strategię Kwantową i zaostrzył kontrolę eksportu niektórych technologii kwantowych, aby utrzymać przewagę nad przeciwnikami. Skupia się także na kryptografii postkwantowej, aby zabezpieczyć się przed przyszłym łamaniem kodów przez komputery kwantowe – NIST (amerykańska agencja) standaryzuje nowe algorytmy kryptograficzne do tego celu. Ogólnie rzecz biorąc, strategia USA łączy wysokie inwestycje w B+R z wspieraniem innowacji sektora prywatnego oraz, coraz częściej, sojusze z krajami o podobnych poglądach w celu łączenia talentów (np. współpraca USA-UE i USA-Japonia w dziedzinie kwantowej).

Chiny: Chiny agresywnie kwestionują przywództwo USA. Chiński rząd uczynił AI i technologie kwantowe centralnymi elementami swoich planów gospodarczych. W 2017 roku Chiny ogłosiły mapę drogową AI, aby do 2030 roku stać się światowym liderem w tej dziedzinie, co napędziło krajowy „boom AI”. Według niektórych miar Chiny już przodują w pewnych aspektach – na przykład publikują więcej prac naukowych z zakresu AI i składają więcej patentów niż jakikolwiek inny kraj hai.stanford.edu. Firmy takie jak Baidu, Alibaba, Tencent i Huawei są chińskimi czempionami AI, inwestując w wszystko – od rozpoznawania twarzy po duże modele językowe (np. niedawno ogłoszony model Alibaby, który rzekomo dorównuje GPT-4 aimagazine.com). Rząd Chin wykorzystuje AI do takich celów jak nadzór (np. ogólnokrajowe sieci kamer „Ostre Oczy”) oraz integruje AI z systemami wojskowymi (autonomiczne drony, wsparcie decyzyjne). Chińskie startupy AI również rozkwitły dzięki znacznemu finansowaniu państwowemu i prywatnemu. W dziedzinie technologii kwantowych Chiny poczyniły głośne postępy: w 2016 roku zbudowały pierwszy na świecie satelita kwantowy (Micius), aby testować bezpieczną komunikację kwantową citanex.com. Chińscy naukowcy przeprowadzili własne eksperymenty z supremacją kwantową (np. fotonowy komputer kwantowy Jiuzhang z USTC). W ramach 14. Planu Pięcioletniego Chiny intensywnie inwestują w badania i rozwój technologii kwantowych citanex.com. Otworzyły Narodowe Laboratorium Kwantowe w Hefei o wartości 10 miliardów dolarów i podobno w niektórych obszarach finansowania kwantowego wydają znacznie więcej niż USA csoonline.com. Co ważne, Chiny postrzegają te wyścigi technologiczne strategicznie: prezydent Xi Jinping często podkreśla potrzebę kontrolowania przez Chiny „kluczowych technologii”, aby uniknąć zależności od zachodnich rozwiązań. Na rok 2025, Chiny i USA toczą wyrównany wyścig w dziedzinie technologii kwantowych – niektórzy eksperci twierdzą, że obecnie USA przodują w komputerach kwantowych, ale Chiny prowadzą w komunikacji kwantowej (sieci dystrybucji klucza kwantowego łączące Pekin i Szanghaj itd.) merics.org. Oba kraje pracują nad komunikacją kwantowo-bezpieczną w celu ochrony tajemnic państwowych. Dynamika jest taka, że postępy jednego kraju motywują drugi do podwajania wysiłków – klasyczny dylemat bezpieczeństwa w technologii.

Unia Europejska i inni: UE nie ma gigantów technologicznych jak USA czy Chiny, ale była proaktywna w finansowaniu i regulacjach. UE uruchomiła program Quantum Flagship o wartości 1 miliarda euro w 2018 roku, aby finansować projekty akademicko-przemysłowe przez 10 lat citanex.com. Europa ma silne grupy badawcze w dziedzinie kwantowej (Niemcy, Holandia, Francja, Wielka Brytania, Szwajcaria to znaczące ośrodki) oraz rosnącą liczbę startupów. W AI UE koncentruje się na etycznej i godnej zaufania AI – była pionierem AI Act (oczekujące przepisy mające regulować ryzyko związane z systemami AI) citanex.com. Europejskie firmy, takie jak SAP i Siemens, wdrażają AI, ale Europa jest postrzegana jako nieco w tyle za USA/Chinami w zakresie wdrażania najnowocześniejszej AI. Aby nadrobić zaległości, takie kraje jak Francja i Niemcy ogłosiły narodowe strategie AI, a UE jako całość zwiększa finansowanie B+R. Wielka Brytania (już nie w UE) pozostaje graczem: DeepMind ma siedzibę w Londynie, a Wielka Brytania ma Narodowy Program Technologii Kwantowych (z ośrodkami w dziedzinie sensorów, komputerów itp.) i niedawno opublikowała AI Roadmap citanex.com. Kanada osiąga ponadprzeciętne wyniki: była domem dla wczesnych pionierów AI (Geoff Hinton, Yoshua Bengio) i posiada wiodące ośrodki badawcze AI w Toronto i Montrealu. Kanada ma także Narodową Strategię Kwantową i wcześnie zainwestowała w startupy kwantowe, takie jak D-Wave citanex.com. Izrael i Australia to dwa inne kraje warte uwagi ze względu na silne badania; Izrael w zakresie AI zorientowanej na obronność i cyberbezpieczeństwo, Australia w dziedzinie kwantowej (np. badania nad kubitami krzemowymi) i oba kraje ze względu na swoje startupy. Korea Południowa i Japonia również prowadzą znaczące działania – Korea Południowa finansuje chipy AI i kryptografię kwantową, Japonia inwestuje w materiały kwantowe i swój superkomputer Fugaku, łącząc go z AI.

Ta globalna rywalizacja jest motywowana zarówno szansami, jak i ryzykami, jakie niosą te technologie. Ekonomicznie, kraj, który przoduje w AI i technologiach kwantowych, może zdominować branże od finansów po farmację, osiągając ogromne zyski PKB. Militarnie, AI jest postrzegana jako klucz do broni nowej generacji (np. autonomiczne drony, inteligentna cyberobrona), a technologie kwantowe mogą zaburzyć równowagę dzięki niełamliwym komunikacjom lub łamaniu kodów. Istnieją obawy dotyczące „wyścigu zbrojeń AI”: np. Putin z Rosji słynnie powiedział „kto będzie liderem w AI, ten będzie rządził światem” apnews.com, podkreślając, że światowi przywódcy postrzegają dominację w AI jako decydującą geopolitycznie. Podobnie supremacja kwantowa została przedstawiona jako kolejny wyścig zbrojeń w informatyce; Asia Times nazwał komputery kwantowe „definiującym polem bitwy technologicznej rywalizacji XXI wieku” pomiędzy USA a Chinami asiatimes.com. Rywalizacja nie dotyczy tylko prestiżu – chodzi także o ustalanie globalnych standardów i norm. Jeśli firmy z jednego kraju zbudują dominujące systemy AI, mogą kształtować globalne treści internetowe i wartości (stąd debaty nad chińską technologią nadzoru AI kontra zachodnie zasady AI). W przypadku technologii kwantowych, kraj, który pierwszy osiągnie komputer kwantowy zdolny do łamania kodów, może potajemnie podsłuchiwać komunikację rywali (spekuluje się, że agencje wywiadowcze już teraz gromadzą zaszyfrowane dane, by odszyfrować je później, gdy pozwoli na to technologia kwantowa). Dlatego zarówno amerykańska NSA, jak i Chiny traktują komputery kwantowe jako strategicznie obserwowaną dziedzinę.

Widzimy także międzynarodową współpracę i budowanie bloków w odpowiedzi na ten wyścig. USA zaostrzyły kontrolę eksportu zaawansowanych półprzewodników (niezbędnych do trenowania AI i kontroli kwantowej), by spowolnić postępy Chin. Chiny z kolei inwestują w krajową produkcję chipów i otwarte oprogramowanie AI, by zmniejszyć zależność od zachodnich technologii. Sojusznicze demokracje współpracują: na przykład kraje G7 w 2023 roku utworzyły grupę roboczą ds. koordynacji kwantowej, a NATO inwestuje w technologie kwantowe dla bezpiecznej komunikacji między państwami członkowskimi. W zakresie zarządzania AI wiele krajów spotyka się, by omówić wspólne zasady (np. na poziomie OECD lub ONZ), częściowo by zapewnić szerokie korzyści z AI i ograniczyć ryzyka, takie jak proliferacja autonomicznej broni. Co istotne, nawet rywalizujące państwa dostrzegają pewne zagrożenia (np. decyzje o użyciu broni jądrowej podejmowane przez AI lub przypadkowa wojna spowodowana błędami AI) i mogą być zmuszone do ustanowienia norm, jak to miało miejsce w przypadku broni jądrowej.

Podsumowując, międzynarodowy wyścig o supremację w dziedzinie AI i komputerów kwantowych jest wielowymiarowy. USA i Chiny prowadzą, każdy z własnymi atutami: USA przodują w oprogramowaniu, przyciąganiu talentów i innowacjach prywatnych; Chiny wykorzystują scentralizowane planowanie, ogromne zasoby danych i bazę użytkowników oraz ogromną skalę finansowania (szczególnie infrastruktury, takiej jak 5G+AI, a być może prowadzą w niektórych aspektach komunikacji kwantowej). Europa, Wielka Brytania, Kanada, Japonia i inni tworzą silną drugą ligę, dążąc do wpływów i starając się nie zostać w tyle. Mniejsze kraje również wypracowują swoje nisze (np. Singapur w komunikacji kwantowo-bezpiecznej). Ten wyścig to coś więcej niż technologia – chodzi o to, kto ustali standardy, zbierze korzyści ekonomiczne i zdobędzie przewagi strategiczne. Tak jak kontrola nad ropą kształtowała geopolitykę XX wieku, tak kontrola nad kluczowymi algorytmami i kubitami może ukształtować XXI wiek. Już teraz obserwujemy fragmentację świata pod względem etyki AI (zachodni nacisk na prywatność kontra chińskie wykorzystanie AI do nadzoru państwowego) oraz potencjalnie sieci komunikacji kwantowej specyficzne dla poszczególnych krajów (np. chiński satelita kwantowy kontra planowana europejska sieć kwantowa).

Z drugiej strony pojawia się szansa na międzynarodową współpracę: nauka jest globalna, a przełomy w AI/kwantach często wynikają z otwartych badań, które przynoszą korzyści wszystkim. Przykładem jest ogłoszenie przez ONZ roku 2025 Międzynarodowym Rokiem Nauki i Technologii Kwantowejbelfercenter.org, co pokazuje chęć promowania światowych badań kwantowych dla wspólnego dobra. Jeśli zostanie to dobrze zarządzone, innowacje w dziedzinie kwantów i AI mogą być wykorzystywane do rozwiązywania globalnych wyzwań, takich jak zmiany klimatu czy pandemie. Jeśli jednak będą zarządzane wyłącznie w duchu rywalizacji, mogą zaostrzyć konflikty lub nawet doprowadzić do nowych form wyścigu zbrojeń (np. rywalizacji w rozwoju autonomicznych systemów broni lub łamaniu wzajemnych kodów). Geopolityczne implikacje wymuszają więc dyplomację i ostrożną politykę: państwa starają się równoważyć konkurencję ze współpracą. Sedno sprawy to fakt, że AI i komputery kwantowe są już integralną częścią narodowych agend, a przywództwo w tych dziedzinach powszechnie postrzegane jest jako wyznacznik przyszłych wpływów globalnych. Wyścig nie jest grą o sumie zerowej – wiele krajów może na nim skorzystać – ale bycie liderem daje znaczące przewagi, dlatego wyścig dotyczy równie mocno strategii, co technologii.

Wyzwania, ograniczenia i harmonogram dojrzewania

Zarówno AI, jak i komputery kwantowe stoją przed poważnymi wyzwaniami na drodze do pełnej dojrzałości. Choć ich ostatnie postępy są imponujące, istnieją przeszkody – techniczne, praktyczne, a nawet społeczne – które muszą zostać pokonane. Poniżej przedstawiamy kluczowe ograniczenia i przewidywane harmonogramy, kiedy każda z tych technologii może osiągnąć swój potencjał.

Sztuczna inteligencja: wyzwania i harmonogram

Wyzwania techniczne i etyczne: Współczesna sztuczna inteligencja, zwłaszcza deep learning, wymaga ogromnych ilości danych i mocy obliczeniowej. Trenowanie pojedynczego, najnowocześniejszego modelu może kosztować miliony dolarów w chmurze obliczeniowej i zużywać ogromne ilości energii (co budzi obawy o ślad węglowy). Ten wyścig zbrojeń o coraz większe modele nie jest zrównoważony w nieskończoność, dlatego badacze pracują nad efektywnością algorytmiczną (i faktycznie osiągnięto pewne sukcesy – na przykład koszt osiągnięcia określonego poziomu wydajności spada wraz z rozwojem technik hai.stanford.edu). Kolejnym wyzwaniem jest jakość i niezawodność: systemy AI, takie jak sieci neuronowe, są często „czarnymi skrzynkami”, które mogą zawodzić w nieprzewidywalny sposób. Mogą wykazywać uprzedzenia (odzwierciedlając stronnicze dane treningowe), popełniać błędy, których człowiek by nie popełnił, lub być podatne na ataki złośliwe (gdzie drobne zmiany w danych wprowadzają AI w błąd). Jest to szczególnie istotne w dziedzinach takich jak opieka zdrowotna czy wymiar sprawiedliwości, gdzie błędy mogą mieć wpływ na całe życie. Zapewnienie bezpieczeństwa i zgodności AI – czyli tego, by systemy AI niezawodnie robiły to, czego chcą ludzie, i nie wykazywały niezamierzonych, szkodliwych zachowań – to rozwijająca się dziedzina badań. Incydenty z udziałem źle działającej AI (np. chatboty szerzące dezinformację lub stronnicze algorytmy rekrutacyjne) podkreśliły potrzebę lepszego nadzoru. Ponadto, wraz ze wzrostem autonomii AI (np. autonomiczne samochody czy algorytmy giełdowe), brak przejrzystości i jasnej odpowiedzialności (jeśli coś pójdzie nie tak, kto ponosi winę?) stanowi wyzwanie dla regulatorów i społeczeństwa.

Ograniczenia danych również są istotne: sukcesy AI często wynikają z uczenia nadzorowanego na dużych, oznaczonych zbiorach danych, ale w wielu zadaniach takie dane są rzadkie lub kosztowne do pozyskania (np. prywatność danych medycznych itd.). AI musi stać się bardziej wydajna w uczeniu się z mniejszej ilości danych (tak jak robią to ludzie) – techniki takie jak uczenie nienadzorowane, transferowe i wzmacniające są krokami w tym kierunku. Istnieje także kwestia uogólniania: większość dzisiejszych AI jest wąska, doskonała w konkretnym zadaniu, do którego została wytrenowana, ale zawodna poza tym zakresem. System opisujący obrazy niekoniecznie potrafi prowadzić rozmowę itd. Świętym Graalem jest Sztuczna Inteligencja Ogólna (AGI) – AI dorównująca ludzkiej elastyczności poznawczej. Jeszcze tam nie jesteśmy i wielu ekspertów wątpi, by obecne podejścia bezpośrednio nas tam doprowadziły bez nowych odkryć.

Oś czasu do dojrzałości/AGI: Przewidywanie, kiedy (lub czy) osiągniemy AI na poziomie człowieka lub przewyższającą człowieka, jest wyjątkowo trudne; opinie ekspertów są bardzo zróżnicowane. Ostatnie badania pokazują, że eksperci AI znacząco skrócili swoje prognozy dotyczące AGI w świetle szybkiego postępu. W 2022 roku wielu uważało, że AGI jest oddalone o kilka dekad, ale w 2023 roku znaczna część badaczy stwierdziła, że AGI w ciągu 10–20 lat jest możliwe80000hours.org. Niektórzy znani liderzy branży są bardzo optymistyczni – na przykład CEO OpenAI Sam Altman i Demis Hassabis z DeepMind sugerowali, że okres od połowy lat 20. do początku lat 30. XXI wieku to czas, kiedy możemy zobaczyć systemy na poziomie AGI 80000hours.org. W rzeczywistości CEO OpenAI, DeepMind i Anthropic wszyscy zasugerowali, że jest to możliwe w ciągu 5-10 lat przy obecnych trendach ai-2027.com. Jednak nie ma konsensusu: wielu ekspertów pozostaje sceptycznych i ocenia szanse na osiągnięcie prawdziwego AGI w tej dekadzie jako bardzo niskie. W badaniu z 2022 roku setki badaczy AI dały 50% szans na „wysoko zaawansowaną inteligencję maszynową” do 2047 roku (i 10% szans nawet dopiero w przyszłym stuleciu) 80000hours.org. Innymi słowy, prognozy są bardzo rozbieżne – od kilku lat do wielu dekad, a nawet nigdy. Ogólnie zgadza się jednak, że AI będzie się nadal stopniowo rozwijać (co roku będziemy widzieć coraz potężniejsze i nieco bardziej ogólne systemy), ale czy nastąpi nagły skok do poziomu ludzkiego poznania, pozostaje niepewne.

Jeśli chodzi o dojrzałość, można by argumentować, że AI jest już „dojrzała” w wąskich dziedzinach – jest wykorzystywana wszędzie, od asystentów głosowych w smartfonach po analitykę biznesową. Jednak aby AI można było uznać za dojrzałą w ogólnym sensie, musiałaby niezawodnie radzić sobie z szeroką gamą zadań, wyjaśniać swoje rozumowanie, adaptować się na bieżąco i być zgodna z wartościami ludzkimi. Wiele otwartych problemów (rozumowanie zdroworozsądkowe, prawdziwie autonomiczne uczenie się, rozumienie przyczynowe) pozostaje nierozwiązanych. Niektórzy optymiści uważają, że możemy rozwiązać wystarczająco dużo z nich poprzez skalowanie i udoskonalanie w ciągu dekady. Pesymiści (lub ostrożni eksperci) sądzą, że może to zająć wiele dekad lub wymagać fundamentalnie nowych paradygmatów wykraczających poza obecne głębokie uczenie.

Jedna z najbliższych pozycji na osi czasu: Obecne emocje budzi generatywna AI; możemy spodziewać się dalszych ulepszeń (GPT-5 lub GPT-6 być może pod koniec lat 20. XXI wieku, systemy multimodalne płynnie łączące wizję+język+działanie itd.). Około 2030 roku, jeśli trendy się utrzymają, systemy AI mogą działać na poziomie zbliżonym do eksperckich umiejętności ludzkich w większości zawodów – potencjalnie automatyzując rutynowe części pracy biurowej (niektóre badania sugerują, że 300 milionów miejsc pracy może być dotkniętych, choć nie całkowicie wyeliminowanych, przez automatyzację AI w ciągu następnej dekady). Społeczeństwo i rządy już próbują się dostosować – wdrażając regulacje dotyczące AI (unijna AI Act prawdopodobnie do 2025 roku) oraz plany transformacji zawodowej.

Podsumowując dla AI: Jest na szybkiej ścieżce rozwoju, ale prawdziwa „dojrzałość”, rozumiana jako wszechstronność i wiarygodność na poziomie człowieka, jeszcze nie nadeszła. Najprawdopodobniej zobaczymy stopniowe, ale znaczące ulepszenia każdego roku – większą integrację z przemysłem, lepsze zabezpieczenia, być może wczesne formy asystentów AI, które będą mogły wchodzić w interakcje ze światem (poprzez kod, robotykę itp.) pod nadzorem człowieka. Rozsądnym oczekiwaniem jest, że 2030 przyniesie bardzo potężne, wyspecjalizowane AI powszechne w codziennym życiu, podczas gdy systemy na poziomie AGI, jeśli będą możliwe do osiągnięcia, mogą pojawić się około lat 40. XXI wieku (z dużą niepewnością). Co ważne, rozwiązywanie wyzwań nietechnicznych (etyka, uprzedzenia, ramy prawne) jest równie istotną częścią „dojrzewania” AI, jak same możliwości techniczne.

Obliczenia kwantowe: wyzwania i harmonogram

Wyzwania techniczne: Największym wyzwaniem obliczeń kwantowych jest skalowalność z korekcją błędów. Dzisiejsze procesory kwantowe to „NISQ” – szumne, pośredniej skali kwantowe – co oznacza, że mają od kilkudziesięciu do kilkuset kubitów podatnych na błędy (dekoherencja, błędy bramek, zakłócenia). Kubit to bardzo delikatny obiekt: najmniejszy szum środowiskowy może spowodować utratę informacji. Aby wykonywać naprawdę przełomowe obliczenia (takie jak łamanie kryptografii czy symulowanie złożonych cząsteczek), eksperci szacują, że prawdopodobnie potrzebujemy milionów wysokiej jakości kubitów plus korekcja błędów. Sama korekcja błędów wymaga wielu fizycznych kubitów do reprezentowania jednego logicznego (idealnego) kubitu – narzuty rzędu 1000:1 lub więcej są prawdopodobne przy znanych schematach. Obecnie nikt nie zademonstrował nawet jednego w pełni skorygowanego logicznego kubitu, który mógłby działać bez końca. Chociaż poczyniono postępy (Google i inni pokazali, że potrafią wykrywać i korygować niektóre błędy przez krótki czas), utrzymanie obliczeń kwantowych wystarczająco długo, by rozwiązać duże problemy, pozostaje nierozwiązane. Wymaga to innowacji w materiałach (aby kubity były bardziej stabilne), inżynierii (kriogenika, próżnia, elektronika sterująca) i algorytmach (odporność na szum).

Kolejnym wyzwaniem jest połączenie i architektura: Wraz ze wzrostem liczby kubitów, ich kontrolowanie i łączenie staje się wykładniczo trudniejsze. Mogą być potrzebne nowe podejścia, takie jak modułowe komputery kwantowe (łączenie mniejszych układów kwantowych za pomocą połączeń optycznych). Różne technologie kubitów (nadprzewodniki, jony, fotonika itp.) mają własne przeszkody – nie ma konsensusu, która będzie najlepsza; możliwe, że będzie to nawet kombinacja (hybryda). Wytwarzanie kubitów o jednolitej jakości jest trudne – nadprzewodzące kubity powstają w procesie nanofabrykacji i mogą mieć problemy z wydajnością; uwięzione jony są montowane w pułapkach próżniowych, co trudno skalować do dużych liczb; fotonowe kubity wymagają precyzyjnych źródeł i detektorów. Zatem inżynieria komputera kwantowego to po części eksperyment fizyczny, po części najnowocześniejsza inżynieria sprzętowa.

Czas dekoherencji (jak długo kubity utrzymują stan kwantowy) oraz fidelność bramek (jak bardzo operacje są wolne od błędów) muszą poprawiać się równolegle ze wzrostem liczby kubitów. Jeśli po prostu zwiększysz liczbę kubitów bez zmniejszania wskaźnika błędów, otrzymasz większy, ale wciąż szumiący system, który nie jest w stanie wykonać bardziej użytecznej pracy. To był dylemat: na przykład IBM osiągnął 1000 kubitów, ale od razu zaznaczył, że priorytetem jest redukcja błędów nature.com. Oni, jak i inni, badają nowe kody korekcji błędów, a nawet nowe typy kubitów (jak topologiczne kubity Microsoftu), które obiecują z natury niższe wskaźniki błędów.

Harmonogram dojrzałości: Jak wyglądałoby „dojrzałe” obliczanie kwantowe? Zasadniczo oznacza to posiadanie odpornych na błędy komputerów kwantowych, które mogą niezawodnie uruchamiać dowolny interesujący algorytm kwantowy, podobnie jak klasyczne komputery uruchamiają długie programy. Wielu w tej dziedzinie używa kamieni milowych:

Osiągnięcie przewagi kwantowej w użytecznym problemie (nie spreparowanym na potrzeby demonstracji) – prawdopodobnie pod koniec lat 2020.
Osiągnięcie szerokiej przewagi kwantowej (komputery kwantowe znacznie przewyższają klasyczne w wielu zadaniach) – być może w latach 30. XXI wieku.
Odporne na błędy, wielkoskalowe obliczenia kwantowe (miliony kubitów, możliwość łamania RSA itd.) – prawdopodobnie później, może w latach 40. XXI wieku.

Według analizy BCG, jesteśmy w erze NISQ do około 2030 roku; między 2030 a 2040 rokiem możemy osiągnąć etap „szerokiej przewagi kwantowej”; a po 2040 roku mogą pojawić się w pełni skorygowane pod względem błędów uniwersalne maszyny bcg.com. To sugeruje ~15–20-letnią perspektywę zanim obliczenia kwantowe staną się naprawdę niezawodne i powszechne. Rzeczywiście, ekspert z Ecole Polytechnique (Filippo Vicentini) oszacował, że potrzeba co najmniej 15 kolejnych lat (od 2024) na opracowanie w pełni odpornych na błędy komputerów kwantowych przy obecnym tempie postępu polytechnique-insights.com. To plasuje ten moment około 2039 roku lub później.

Jednakże, być może nie potrzebujemy pełnej odporności na błędy, aby uzyskać praktyczne korzyści. Wiele firm dąży do bliższego celu, często określanego jako „użyteczne obliczenia kwantowe” – rozwiązanie wartościowego problemu szybciej lub lepiej niż metody klasyczne przy łagodzeniu błędów, ale bez pełnej korekcji błędów. Optymistyczne prognozy: niektóre firmy twierdzą, że 2027-2028 może przynieść wczesne zastosowania komercyjne. Na przykład, PsiQuantum zamierza mieć komercyjnie użyteczny (choć prawdopodobnie bardzo wyspecjalizowany) komputer kwantowy do 2027 deloitte.com. Google planuje zbudować praktyczny komputer kwantowy z korekcją błędów do około 2029 (ogłosili cel „w ciągu 5 lat” w 2023 roku) deloitte.com. Plan rozwoju IBM zakłada integrację procesorów kwantowych w rodzaj środowiska superkomputerowego skoncentrowanego na kwantach w latach 2025–2030 oraz osiągnięcie przewagi w określonych zadaniach. Mogą to nie być w pełni uniwersalne maszyny, ale mogłyby rozwiązywać takie zadania jak niektóre problemy optymalizacyjne lub symulacyjne dla przemysłu.

Należy zauważyć, że harmonogramy rozwoju kwantowego mają historię przesuwania się w czasie – dekadę temu wielu sądziło, że będziemy mieć tysiące kubitów już teraz, tylko po to, by zdać sobie sprawę, że korekcja błędów jest trudniejsza, niż przewidywano. Istnieje ryzyko nadmiernych obietnic (hype). Z drugiej strony, postęp ostatnio przyspieszył, a w wyścigu bierze udział więcej graczy (w tym państwa i megakorporacje), więc przełomy mogą nastąpić niespodziewanie. Konsensus wielu ekspertów jest taki, że lata 30. XXI wieku będą dekadą przełomową, w której komputery kwantowe przejdą z laboratoriów do rzeczywistego zastosowania na większą skalę, o ile nie pojawią się fundamentalne przeszkody. Pod koniec lat 30., jeśli wszystko pójdzie dobrze, możemy zobaczyć:

Komputery kwantowe rutynowo wykorzystywane w badaniach i rozwoju farmaceutycznym do symulacji związków chemicznych.
Instytucje finansowe wykorzystujące algorytmy kwantowe do optymalizacji portfeli.
Laboratoria narodowe używające komputerów kwantowych do projektowania materiałów, modelowania klimatu itp.
Możliwe, że jeśli nie do tego czasu, to w latach 40. XXI wieku, pojawi się możliwość łamania obecnej kryptografii – stąd pilna potrzeba wdrażania szyfrowania odpornego na komputery kwantowe już teraz tipranks.com.

Innym aspektem dojrzałości jest kwantowa siła robocza i infrastruktura. Obecnie brakuje osób z wiedzą ekspercką w dziedzinie kwantów (fizycy, programiści oprogramowania kwantowego). Szacuje się, że do 2030 roku potrzebne będą setki tysięcy takich specjalistów, aby wspierać ekosystem deloitte.com. Szkolenie tych osób to wyzwanie. Rządy i uniwersytety rozpoczynają programy mające na celu kształcenie większej liczby naukowców i inżynierów kwantowych. Harmonogram rozwoju solidnej siły roboczej i wspierającego przemysłu (dostawcy kriostatów, elektroniki sterującej itp.) pokrywa się z harmonogramem technologicznym – prawdopodobnie potrzeba na to około dekady, by naprawdę dojrzało.

Podsumowując harmonogram rozwoju kwantów:

Krótki termin (2025): Kontynuacja demonstracji większej liczby kubitów (osiągnięto 1 000+ kubitów, kolejnym krokiem może być 2 000+), poprawiona koherencja, być może jedno lub dwa konkretne zadania z wyraźną przewagą kwantową (ale jeszcze nie szeroko praktyczne). Wiele eksperymentalnych prototypów; firmy rozpoczynają małe eksperymenty.
Średni termin (koniec lat 2020.): Możliwa pierwsza przewaga komercyjna w niszowych problemach (np. optymalizacja kwantowa przewyższa najlepszy klasyczny solver dla konkretnego problemu z łańcuchem dostaw). Mogą istnieć prototypy z dziesiątkami tysięcy efektywnych (z łagodzeniem błędów) kubitów. Większa integracja kwantów w usługach chmurowych; pierwsi użytkownicy w przemyśle uzyskują wartość (może w finansach lub chemii).
Długi termin (lata 2030.): Skalowanie do setek tysięcy fizycznych kubitów + korekcja błędów = być może kilka tysięcy logicznych kubitów, co umożliwi rozwiązywanie szeroko użytecznych problemów (jak symulacja dużych cząsteczek lub łamanie kodów o krótszych kluczach). To moment, gdy kwanty mogą stać się podstawowym narzędziem dla określonych zastosowań. Państwa mogą w tym momencie zacząć obawiać się możliwości łamania szyfrowania, jeśli któreś z nich osiągnie komputer kwantowy z milionami kubitów pod koniec lat 2030.
Poza tym (2040+): Prawdziwie uniwersalne, odporne na błędy komputery kwantowe z milionami logicznych kubitów. Na tym etapie niemal każdy problem obliczeniowy, który może skorzystać z przyspieszenia kwantowego, będzie rozwiązywany z użyciem kwantów. To w pełni dojrzała faza, w której komputery kwantowe mogą być nawet połączone w sieć (kwantowy internet) na skalę globalną itd.

Pamiętaj, że te harmonogramy mogą się zmieniać – przełom w projektowaniu kubitów lub korekcji błędów (albo przeciwnie, nieprzewidziana przeszkoda) może przyspieszyć lub opóźnić rozwój. Możliwe jest również, że nie wszystkie podejścia kwantowe odniosą sukces – niektóre mogą się nie sprawdzić, a inne zdominować rynek, co wpłynie na harmonogramy. Jednak biorąc pod uwagę obecne tempo i inwestycje, rozsądnie jest oczekiwać, że w ciągu dekady zobaczymy przynajmniej niektóre praktyczne zastosowania komputerów kwantowych, a za około dwie dekady komputery kwantowe mogą być tak powszechnie przełomowe, jak obecnie staje się AI.

Perspektywy na przyszłość i prognozy ekspertów

Patrząc w przyszłość, przyszłość wyścigu „Quantum vs. AI” – a właściwie podwójnej rewolucji komputerów kwantowych i sztucznej inteligencji – zapowiada się na głęboką transformację technologii i społeczeństwa. Eksperci z obu dziedzin przedstawili różnorodne prognozy, od entuzjastycznie optymistycznych po ostrożnie wyważone. Tutaj podsumujemy niektóre z tych opinii i nakreślimy obraz tego, co mogą przynieść kolejne dekady, gdy te technologie będą się rozwijać, konkurować i łączyć.

Nowa era technologiczna: Wielu komentatorów zgadza się, że stoimy u progu nowej ery, w której ograniczenia klasycznego przetwarzania danych zostaną przekroczone. Jak ujęto to w jednym z raportów Boston Consulting Group, choć komputery kwantowe jeszcze nie wykazały przewagi na dużą skalę, „istnieją wyraźne problemy naukowe i komercyjne, dla których rozwiązania kwantowe pewnego dnia znacznie przewyższą klasyczne alternatywy”bcg.com. Sugeruje to przyszłość, w której niektóre zadania – szyfrowanie, złożone symulacje, optymalizacja – będą domeną komputerów kwantowych, podobnie jak dziś niektóre zadania (np. rozpoznawanie obrazów) są zdominowane przez AI. Jednocześnie przewiduje się, że AI będzie nadal przekształcać przemysł w latach 2020. i 2030., dodając biliony do światowej gospodarki pwc.com. Do 2040 roku AI może być tak wszechobecna jak elektryczność, wbudowana we wszystkie urządzenia i usługi, podczas gdy komputery kwantowe mogą stać się zakulisową supermocą obliczeniową napędzającą przełomy.

Czy komputery kwantowe wyprzedzą AI? Jedną z prowokacyjnych prognoz przedstawił strateg Bank of America Haim Israel, który w 2023 roku stwierdził, że komputery kwantowe mogą mieć większy wpływ na światowe rynki niż AI w ciągu najbliższych 10 lat (do 2033 roku)tipranks.com. Twierdził, że gdy technologia kwantowa stanie się praktyczna, może odblokować rozwiązania w opiece zdrowotnej, finansach i cyberbezpieczeństwie, które przyćmią to, co obecnie potrafi AI tipranks.com. Na przykład kwantowo przyspieszone odkrywanie leków może prowadzić do leków na choroby – wpływ znacznie wykraczający poza automatyzację zadań przez AI. Choć ta opinia jest bardzo optymistyczna wobec kwantów (i być może nie docenia dalszego rozwoju AI), podkreśla przekonanie, że potencjał kwantów jest ogromny i nie tak odległy, jak się wydaje. Do 2033 roku prawdopodobnie przekonamy się, czy ta prognoza się sprawdzi: albo komputery kwantowe będą rutynowo rozwiązywać rzeczywiste problemy, albo pozostaną głównie eksperymentalne.

Inni eksperci zalecają ostrożność. Znani informatycy zauważyli, że AI i komputery kwantowe to zasadniczo różne narzędzia i jedno nie zastąpi po prostu drugiego w całości. Zamiast tego będą rozwiązywać różne klasy problemów. Filippo Vicentini (profesor zajmujący się kwantami/AI) przewidział, że komputery kwantowe „będą bardzo przydatne w zastosowaniach wymagających ogromnej mocy obliczeniowej… ale w przypadku wszystkiego, co związane z big data i sieciami neuronowymi, ostatecznie może nie być to warte wysiłku”, podkreślając, że klasyczna AI może pozostać dominująca w zadaniach związanych z dużą ilością danych polytechnique-insights.com. Sugeruje to przyszłość, w której AI nadal będzie dominować w zadaniach ogólnej inteligencji, podczas gdy komputery kwantowe znajdą swoją niszę w zadaniach wymagających dużej mocy obliczeniowej. Zamiast więc, by jedno „wygrało” wyścig, oba mogą stać się wyspecjalizowanymi filarami informatyki.

Konwergencja AI i komputerów kwantowych: Popularny pogląd głosi, że największe przełomy nadejdą dzięki połączeniu obu tych technologii – czyli Quantum AI. Widzimy już pierwsze dowody: AI pomaga obecnie projektować lepsze eksperymenty kwantowe thequantuminsider.com, a algorytmy kwantowe są proponowane w celu ulepszenia uczenia maszynowego. Celia Merzbacher, dyrektor QED-C, podkreśliła, że „równoczesny postęp w dziedzinie komputerów kwantowych i AI przynosi korzyści obu dziedzinom, zarówno indywidualnie, jak i zbiorowo” thequantuminsider.com. W przyszłości AI może projektować obwody kwantowe lub schematy korekcji błędów znacznie lepiej niż ludzcy inżynierowie, przyspieszając rozwój komputerów kwantowych. Z drugiej strony, gdy będziemy dysponować umiarkowanie wydajnymi procesorami kwantowymi, będą one mogły uruchamiać algorytmy AI, które są niewykonalne na klasycznym sprzęcie, co może prowadzić do powstania nowych form AI. Niektórzy futuryści spekulują o kwantowych sieciach neuronowych lub kwantowo-wspomaganym deep learningu, który mógłby drastycznie skrócić czas trenowania modeli AI lub osiągnąć wyższą inteligencję przy mniejszych zasobach. Jeśli tak się stanie, granica między AI a komputerami kwantowymi się zatrze – będziemy mieli AI korzystającą z kwantów i kwanty kierowane przez AI, tworząc swego rodzaju pozytywny cykl napędzający wspólnie rozwój technologii.

Główni gracze i globalne perspektywy: Jeśli chodzi o to, kto będzie przewodził w przyszłości, obecne wskazania są takie, że USA i Chiny będą nadal dominować, chyba że inni nadrobią zaległości. Analiza Brookings autorstwa Indermita Gilla zastanawia się, „kto poprowadzi w AI do 2030 roku, będzie rządził światem” i czy będzie to USA, Chiny, czy być może UE brookings.edu. Ekstrapolując to na kwanty: kraj, który jako pierwszy osiągnie znaczący przełom kwantowy, może zachwiać globalną równowagą strategiczną. Eksperci, tacy jak ci z RAND i Heritage Foundation, ostrzegali USA, by nie popadły w samozadowolenie, ponieważ Chiny mogą wyprzedzić, jeśli utrzymają obecne tempo heritage.org. Z drugiej strony, istnieje świadomość, że talenty są globalne i przełomy mogą wydarzyć się wszędzie – na przykład niektóre z największych teoretycznych idei kwantowych pochodziły od europejskich naukowców, a rewolucja głębokiego uczenia AI została zapoczątkowana przez kanadyjski zespół w 2012 roku. Realistyczna perspektywa jest więc taka, że międzynarodowa współpraca może kształtować przyszłość równie mocno jak rywalizacja: możemy zobaczyć wspólne globalne projekty (podobne do CERN w fizyce) dla komputerów kwantowych lub międzynarodowe porozumienia dotyczące bezpieczeństwa i etyki AI, aby zapewnić, że te technologie przyniosą szerokie korzyści ludzkości.

Wpływ społeczny i miejsca pracy: Futuryści i ekonomiści aktywnie debatują nad wpływem na społeczeństwo. Poprzez automatyzację pracy umysłowej, AI może znacznie zwiększyć produktywność – niektóre prognozy mówią, że może dodać 1% lub więcej rocznie do wzrostu PKB przez dekady, co w zasadzie oznacza nową rewolucję przemysłową. Komputery kwantowe mogą w podobny sposób odblokować efektywność w złożonych systemach (takich jak optymalizacja globalnej logistyki czy zużycia energii), przynosząc potencjalnie ogromne korzyści gospodarcze i środowiskowe. Jednak wiąże się to z zakłóceniami: wiele obecnych miejsc pracy może się zmienić lub stać się przestarzałymi. Eksperci, tacy jak ci ankietowani przez Światowe Forum Ekonomiczne, sugerują, że choć AI wyprze niektóre zawody, stworzy też nowe i przesunie popyt na zadania wymagające ludzkiej kreatywności i inteligencji emocjonalnej. Komputery kwantowe, będąc bardziej „w tle”, nie wyprą bezpośrednio miejsc pracy, ale mogą przyspieszyć odkrycia naukowe i rozwój leków, potencjalnie ratując życie i tworząc nowe branże (kryptografia kwantowa, usługi chmury kwantowej itp.).

Ryzyka i zarządzanie: Analiza z perspektywą na przyszłość musi uwzględniać ryzyka. Znane osobistości (takie jak nieżyjący już Stephen Hawking i miliarder technologiczny Elon Musk) ostrzegały, że niekontrolowana AI może stanowić egzystencjalne zagrożenie, jeśli przewyższy ludzką inteligencję bez zbieżnych celów. Chociaż wielu badaczy uważa te scenariusze za mało prawdopodobne w najbliższym czasie, rośnie nacisk na zarządzanie AI – co było widoczne w 2023 roku, gdy setki ekspertów AI podpisały otwarty list stwierdzający, że „ograniczenie ryzyka wyginięcia z powodu AI powinno być globalnym priorytetem”. W przypadku technologii kwantowych, najpilniejszym zmartwieniem jest bezpieczeństwo: ryzyko, że potężny komputer kwantowy mógłby złamać całą naszą kryptografię i zostać niewłaściwie wykorzystany, motywuje już teraz przejście na kryptografię odporną na komputery kwantowe. Istnieje także ryzyko geopolityczne: jeśli jedno państwo zmonopolizuje komputery kwantowe, inne mogą poczuć się strategicznie zagrożone. Dlatego niektórzy eksperci przewidują przyszłość, w której zdolności kwantowe są szeroko dystrybuowane (aby uniknąć destabilizacji przez jednego gracza) lub w której traktaty regulują ich użycie (podobnie jak kontrola zbrojeń jądrowych). Optymistyczny pogląd zakłada, że te technologie, jak wcześniejsze, mogą być zarządzane dzięki międzynarodowej współpracy i dalekowzroczności – organizacje takie jak OECD, ONZ i wyspecjalizowane instytucje już zajmują się etyką AI i polityką kwantową hai.stanford.edu.

Konsensus ekspertów na temat przyszłości: Jeśli podsumować nastroje wśród ekspertów:

Krótki termin (kolejne 5 lat): AI będzie kontynuować swój gwałtowny rozwój, wpływając na każdą branżę i wymuszając pilne reakcje polityczne (prawo, dostosowanie edukacji). Komputery kwantowe prawdopodobnie pokażą jeszcze kilka „pierwszych razów” (np. pierwsza użyteczna aplikacja kwantowa) i powoli zbliżą się do wczesnego zastosowania komercyjnego w niszowych obszarach. Na razie nie nastąpi ich konwergencja; AI pozostaje dominująca w praktyce, a kwanty głównie w fazie B+R.
Średni termin (5–15 lat, lata 30.): W tym okresie wiele prognoz przewiduje duże zmiany. AI może osiągnąć lub zbliżyć się do poziomu ludzkiego w wielu zadaniach – niekoniecznie świadoma czy samoświadoma, ale niezwykle kompetentni asystenci AI, być może automatyzujący prace wymagające wysokich kwalifikacji (np. młodsi prawnicy, radiolodzy). Komputery kwantowe, według wielu, do połowy/późnych lat 30. dojrzeją na tyle, by przynosić wyraźne korzyści w takich dziedzinach jak odkrywanie leków, materiały, finanse i prawdopodobnie kryptografia (czyniąc część obecnych metod szyfrowania przestarzałymi) tipranks.com. Eksperci przewidują punkt zwrotny kwantowy w tym okresie, gdy firmy, które nie zainwestowały wcześniej, będą musiały szybko nadrabiać zaległości (niektórzy porównują to do nagłego pojawienia się nowej klasy superkomputerów, z których korzysta konkurencja). AI i kwanty prawdopodobnie zaczną się tu znacząco przenikać – np. kwantowe podprogramy w przepływach pracy AI.
Długoterminowo (2050 i później): Do tego czasu, jeśli obecne trendy się utrzymają, świat może wyglądać zupełnie inaczej. Możemy mieć systemy AI znacznie przewyższające ludzką inteligencję zintegrowane z naszym życiem (co rodzi pytania filozoficzne i etyczne, ale także pozwala rozwiązywać problemy, których nigdy nie byliśmy w stanie rozwiązać). Komputery kwantowe mogą być tak powszechne w centrach danych, jak dziś są GPU, umożliwiając rutynowe zadania, takie jak symulacje globalnej kontroli pogody w czasie rzeczywistym czy natychmiastowe tłumaczenie języków poprzez symulowanie procesów kwantowych przypominających mózg – kto wie. Niektórzy eksperci, jak Ray Kurzweil, przewidują „osobliwość” do 2045 roku, kiedy AI przewyższy ludzką inteligencję i wywoła przyspieszenie zmian. Niezależnie od tego, czy ktoś w to wierzy, czy nie, jasne jest, że w połowie wieku połączone postępy w AI i kwantach (oraz innych dziedzinach, takich jak biotechnologia, nanotechnologia) mogą przynieść możliwości, które dziś wydają się magiczne – wyleczenie większości chorób, w pełni autonomiczny transport, być może nawet materiały kwantowe projektowane przez AI, które doprowadzą do przełomów w czystej energii itd.

Podsumowując, wyścig między kwantami a AI nie polega na wyeliminowaniu siebie nawzajem, lecz na wzmacnianiu ludzkiego potencjału w sposób komplementarny. Obie technologie będą filarami przyszłości. Jak powiedział jeden z prezesów firm technologicznych: „AI to nowa elektryczność” rozświetlająca świat, a można by powiedzieć, że komputery kwantowe to nowy silnik spalinowy – potężny napęd postępujący pod maską. Przyszłość najprawdopodobniej przyniesie systemy AI działające równolegle na klasycznym i kwantowym sprzęcie, rozwiązujące problemy, które dziś są nie do pokonania dla komputerów i ludzi. Społeczeństwa, które mądrze wykorzystają te narzędzia, zyskają ogromnie na dobrobycie i wiedzy. Te, które pozostaną w tyle, mogą stać się zależne od innych w zakresie kluczowych możliwości.

Jedno jest niemal pewne: świat 2040 lub 2050 roku będzie głęboko przekształcony przez technologie AI i kwantowe – być może tak bardzo, jak świat 2025 roku różni się od 1980 dzięki komputerom klasycznym i internetowi. W miarę jak będziemy poruszać się w tym szybkim wyścigu, ciągły dialog między naukowcami, decydentami, etykami i społeczeństwem będzie kluczowy, by przemiana była pozytywna. Nadchodzące dekady eksperci często opisują jako najbardziej ekscytujący i przełomowy czas w historii technologii. Nadchodzi (i już trwa) nowy wyścig technologiczny, którego wynik ukształtuje przyszłość świata. Wszystko wskazuje na to, że zarówno AI, jak i komputery kwantowe będą zwycięzcami, wspólnie wprowadzając ludzkość na areny odkryć i możliwości, które dotąd należały tylko do science fiction. Wyzwanie i szansa przed nami to poprowadzić ten wyścig tak, by przyniósł korzyści całej ludzkości – meta, na której wszyscy wygrywają.

Advertisement

Quantum kontra sztuczna inteligencja: nadchodzi nowy wyścig technologiczny o przyszłość świata

Artur Ślesik

Dodaj komentarz Anuluj pisanie odpowiedzi

Latest Articles

Mrożące krew w żyłach ostrzeżenie ojca chrzestnego AI: „Superinteligentna sztuczna inteligencja może zdecydować się zabić ludzi, by osiągnąć swoje cele”

Szokujący debiut: Ameryka zaczyna budować myśliwiec szóstej generacji F‑47 – ale chińskie J‑36 i J‑50 już latają