Experten om kvant-AI: ”Vi börjar redan se konkreta resultat”

I en global undersökning från SAS Institute svarar 60 procent av de företag som deltar att man antingen investerar i eller utforskar möjligheterna med kvant-AI. Många företagsledare ser potential inom områden som maskininlärning och dataanalys, forskning och utveckling samt cybersäkerhet.

Däremot saknar många konkret vägledning om hur man ska använda sig av kvant-AI i praktiken. Tillsammans med oron kring höga kostnader är bristfällig kunskap och förståelse de främsta utmaningarna för de som undersöker möjligheterna med kvant-AI.

Techtidningen ställde några frågor till Antti Heino, som är principal advisor, analytics & AI på SAS Institute.

Vilken typ av organisationer har störst potentiell nytta av kvant-AI?

– De organisationer som har störst nytta av kvant-AI är de som arbetar med problem som omfattar ett stort antal variabler – till exempel molekylära interaktioner, produktvarianter, portföljsammansättningar eller logistiknätverk. Det handlar ofta om datatunga verksamheter med beräkningsintensiva optimeringsproblem, där traditionella metoder kräver lång körtid.

Kan du nämna några konkreta tillämpningar som är aktuella redan idag?

– Ett globalt konsumentvaruföretag samarbetar just nu med SAS i ett pilotprojekt som kombinerar kvant-AI med traditionell optimering. Målet är att effektivisera produktionsprocessen där ett begränsat antal behållare på en produktionslinje måste användas på bästa sätt för att tillverka rätt produktmix.

– Ett sätt att beskriva problemet är att jämföra det med att laga en avancerad måltid med ett begränsat antal kastruller – utan att kunna diska dem mellan varje rätt. Genom att använda en hybridlösning kan företaget korta ner körtiden för sina optimeringsalgoritmer avsevärt och därmed snabbare hitta optimala produktionsplaner. Det ger förbättrad kostnadseffektivitet och bättre möjligheter att optimera produktsortimentet.

Vad är viktigast att tänka på om man vill utforska möjligheterna med kvant-AI?

– Att hålla det enkelt och fokusera på affärsnyttan. Börja med att ställa frågan om problemet verkligen kräver kvant-AI, eller om det räcker med traditionella algoritmer och optimeringslösningar. Tekniken medför ökad komplexitet, så det måste finnas ett tydligt värde i form av tidsvinster, högre precision eller ökad förmåga att iterera och fatta snabbare beslut.

Vilka regler måste man känna till för att kunna använda sig av kvant-AI på ett säkert sätt?

– För den som är i startfasen är det klokt att börja med en hybridstrategi – där kvant-AI används för att hitta optima, men resultaten sedan finjusteras och valideras med traditionella algoritmer. Det är också viktigt att tillämpa samma ramverk för AI-styrning som vid andra AI-projekt, inklusive krav på transparens, kontroll och ansvar. Vid kritiska beslut kan det vara lämpligt att involvera mänsklig tillsyn eller ha en ”human-in-the-loop” för att säkerställa trygghet i besluten.

Vilka hinder anser du bromsar användningen av kvant-AI?

– Tekniken är här och vi börjar redan se konkreta resultat. Samtidigt är kvant-AI fortfarande i ett tidigt skede. De största hindren är brist på kompetens, begränsad förståelse för hur tekniken kan användas praktiskt, samt en fortsatt uppfattning hos vissa att tekniken ännu inte är mogen för verkliga tillämpningar. Men de vinster vi ser idag går tydligt bortom rena forskningsprojekt.