Quantum is dichterbij dan je denkt

Wim Lauwers, Talent Acquisition Partner bij Xylos, ging op 13 oktober luisteren naar Fujitsu over quantum en AI. Hij deelt wat hij ervan meenam.

Quantum computing. Eerlijk? Voor mij klonk het tot voor kort vooral als iets voor wetenschappers en wiskundigen. Interessant, absoluut. Maar ook complex, abstract en vooral iets voor de toekomst.

Recent had ik de kans om een sessie van ADM bij te wonen rond quantum, AI en digitale soevereiniteit. Spreker was John Walsh, CTO van Fujitsu Europe. Na die avond kijk ik daar toch anders naar.

Wat me vooral is bijgebleven? Quantum is dichterbij dan we denken. Morgen zitten we nog niet allemaal achter een quantumcomputer. De technologie erachter wordt vandaag wel al gebruikt om heel concrete problemen op te lossen, in logistiek en productie, maar ook in geneesmiddelenontwikkeling en finance. En gelukkig hoef je daarvoor niet eerst quantumfysica te begrijpen.

Ook over AI bleef er voor mij een interessante boodschap hangen. We zijn ondertussen gewend geraakt aan de wedloop naar grotere en krachtigere AI-modellen. Maar groter betekent niet automatisch beter.

Tijdens de sessie kwam een case van Daikin aan bod. Daar werd een AI-oplossing gebouwd die 5.000 servicetechnici ondersteunt met kennis uit ongeveer 280.000 technische documenten. Door onder andere vectorisatie en knowledge graphs te combineren met een gespecialiseerd taalmodel, haalt de oplossing volgens de spreker een nauwkeurigheid van 98,9% in 18 talen.

Wat ik daar vooral uit meeneem: wat je rond het model bouwt, telt minstens even zwaar als het model zelf. Welke data gebruik je? Hoe structureer je die informatie? Welke context geef je mee?

Dat klinkt misschien minder spectaculair dan "we gebruiken het grootste AI-model", maar uiteindelijk is het resultaat wat telt.

Dat was eerlijk gezegd ook de vraag die ik mezelf stelde. De voorbeelden uit de sessie gaven daar een goed antwoord op.

Zo werd in de haven van Hamburg quantum-inspired technologie toegepast om verkeersstromen en verkeerslichten te optimaliseren. Volgens de presentatie resulteerde dat in 22% minder verkeer en 9% minder CO₂-uitstoot.

Een ander voorbeeld kwam uit de maakindustrie. Stel dat je onderdelen moet snijden uit een grote en erg dure titaniumplaat. Je wil er zoveel mogelijk onderdelen uithalen en zo weinig mogelijk materiaal verspillen. Alleen zijn er ontzettend veel mogelijke combinaties. Net voor dat soort complexe optimalisatieproblemen is deze technologie interessant.

Plots wordt quantum een pak minder abstract.

Een case die bij mij misschien nog het meest bleef hangen, kwam uit de farmaceutische wereld.

Bij het ontwikkelen van geneesmiddelen moeten onderzoekers uit enorme aantallen mogelijke moleculen de meest interessante kandidaten selecteren. Door AI en quantum-inspired optimalisatie te combineren, kan die selectie veel sneller verlopen.

In een voorbeeld dat de spreker aanhaalde, duurde een selectie die traditioneel zo'n zes maanden in beslag neemt nog maar ongeveer drie dagen. De klinische ontwikkeling die daarna volgt, blijft uiteraard nodig. Het verschil in die eerste selectiefase is wel indrukwekkend.

En dan begin je te begrijpen waarom er zoveel interesse is in deze technologie.

Mijn belangrijkste inzicht van de avond? Laten we stoppen met AI, quantum en klassieke computing als afzonderlijke technologieën te bekijken.

Het toekomstbeeld dat tijdens de sessie werd geschetst, is net een combinatie van die verschillende werelden. Voor sommige problemen blijft klassieke computing de beste keuze. Voor andere zal AI het verschil maken. En voor heel specifieke, complexe optimalisatieproblemen kan quantumtechnologie een extra versnelling bieden.

Als gebruiker zullen we daar waarschijnlijk zelfs weinig van merken. Achter de schermen wordt de technologie ingezet die het best geschikt is om een bepaald probleem op te lossen. En misschien vind ik dat nog het meest interessante aan heel het verhaal.

Hoe een quantumcomputer precies werkt, hoeven we niet allemaal te begrijpen. Net zoals we ook niet exact moeten weten wat er onder de motorkap van een AI-model gebeurt om er waarde uit te halen.

De vraag die telt, is veel eenvoudiger: Welke problemen kunnen we er beter, sneller of slimmer mee oplossen?

Na de sessie van ADM en Fujitsu is mijn beeld alvast bijgesteld. Quantum is voor mij nog altijd behoorlijk complex. Maar toekomstmuziek? Dat is het al een pak minder.

Sfeerbeeld van de sessie van ADM over quantum, AI en digitale soevereiniteit.