Científicos conectaron una IA a una computadora cuántica y lo que pasó después los dejó sin palabras

La computación cuántica lleva años prometiendo cambiar el mundo, pero siempre desde la distancia de los laboratorios. Ahora, un experimento real acaba de mover esa promesa varios pasos hacia adelante, y los resultados sorprendieron incluso a los propios investigadores. 

Un grupo de científicos logró mejorar el rendimiento de un modelo de inteligencia artificial conectándolo a un ordenador cuántico superconductivo de IBM. El sistema no solo respondió mejor que antes, sino que también fue capaz de contestar correctamente preguntas que el modelo de IA original simplemente no podía resolver. Eso, en el mundo de la tecnología, no es poca cosa. 

La máquina cuántica que le enseñó a pensar mejor a una IA

El experimento fue desarrollado por investigadores de Multiverse Computing, y para llevarlo a cabo usaron el IBM Quantum System Two, un procesador cuántico de 156 cúbits, junto a un framework llamado QIML. Pero aquí viene lo interesante porque el objetivo no era construir una IA cuántica de cero, sino algo mucho más inteligente desde el punto de vista práctico. 

Los científicos desarrollaron un sistema híbrido que combina un modelo generativo cuántico con un predictor clásico. La parte cuántica genera lo que llaman un Q-Prior, una representación matemática avanzada capaz de detectar relaciones complejas y patrones diminutos dentro de los datos de entrenamiento. Sin ese componente cuántico, las predicciones del modelo tendían a degradarse y perder estabilidad con el tiempo. Con él, las respuestas se volvieron más coherentes, más fiables y, en algunos casos, directamente más correctas. 

El modelo que se mejoró con esta técnica fue nada menos que Llama 3.1 8B, el modelo de lenguaje de 8,000 millones de parámetros desarrollado por Meta. Lo impresionante es que la intervención cuántica solo añadió unos 6,000 parámetros adicionales, lo que equivale a apenas el 0.000075% del total del modelo, y aun así logró una reducción de complejidad del 1.4%. 

Respondió preguntas que la IA normal no podía contestar

Aquí está la parte que de verdad sorprendió a los investigadores. El sistema híbrido fue capaz de corregir errores que el modelo original cometía en preguntas científicas concretas. 

Uno de los casos más llamativos tiene que ver con astronomía. Cuando se le preguntó al Llama 3.1 estándar cuáles planetas jovianos tienen anillos, respondió que solo Saturno los posee. Un error clásico, bastante común incluso entre personas. Pero la versión optimizada con computación cuántica identificó correctamente que todos los gigantes gaseosos del Sistema Solar cuentan con sistemas de anillos, incluyendo Júpiter, Urano y Neptuno. 

Otro ejemplo vino del campo de la genética. El modelo base ofrecía una explicación incorrecta sobre el equilibrio de Hardy-Weinberg, un concepto fundamental en biología poblacional. La versión mejorada, en cambio, respondió adecuadamente que el flujo génico aumenta la homogeneidad genética entre poblaciones, demostrando que la intervención cuántica no solo mejora la precisión numérica, sino también la calidad del razonamiento científico. 

Y los números respaldan esto. En algunos benchmarks, el sistema aumentó la precisión hasta un 17.25% y elevó la resolución espectral hasta un 2,936% frente a métodos clásicos comparables. Esas cifras hablan por sí solas. 

Un experimento que puede llevar a la IA y la computación cuántica a otro nivel

Borja Aizpurua, científico sénior de Multiverse Computing, fue claro al explicar el enfoque del proyecto. El objetivo no es reemplazar los modelos actuales por sistemas totalmente cuánticos, sino aprovechar capacidades cuánticas específicas para mejorar la eficiencia y la representación de datos complejos. Es una visión pragmática, y eso la hace mucho más poderosa. 

Además, hay un detalle técnico que hace que este avance sea especialmente relevante para el futuro. El ordenador cuántico solo participó durante la fase de entrenamiento, no durante la ejecución del modelo. Eso significa que, una vez entrenado, el sistema puede correr en infraestructura clásica convencional, lo cual lo hace viable fuera de entornos de laboratorio y potencialmente escalable en el mundo real. 

Esto también apunta a una solución para uno de los mayores dolores de cabeza de la industria de la IA actualmente. Los modelos de lenguaje llevan años creciendo de forma descontrolada en tamaño y coste computacional. Este experimento demuestra que quizás no siempre hay que hacerlos más grandes para hacerlos mejores. A veces, basta con hacerlos más inteligentes de una manera distinta. 

Durante años, la inteligencia artificial y la computación cuántica avanzaron como dos mundos paralelos que casi nunca se tocaban. Este experimento es una señal clara de que esa distancia se está acortando, y que la verdadera revolución podría llegar no cuando una de las dos tecnologías domine a la otra, sino cuando ambas aprendan a trabajar juntas. 

Sigue leyendo:
• La computación cuántica podría dejar a miles de usuarios sin sus bitcoins
• Google da un salto sin precedentes y cada vez está más cerca de construir la primera computadora cuántica
• Procesador Eagle: cómo es y para qué sirve la computadora cuántica más avanzada que creó IBM