Tại Sao Nhà Khoa Học Dữ Liệu Cần Quan Tâm Đến Tính Toán Lượng Tử?

Trong loạt bài phỏng vấn "Nhìn lại tác giả", biên tập viên Towards Data Science đã trò chuyện với Sara A. Metwalli, một nhà nghiên cứu tính toán lượng tử tại Quantum Software Lab. Cô chia sẻ về hành trình sự nghiệp, sự thay đổi trong ngành AI và tầm quan trọng của tính toán lượng tử đối với tương lai của khoa học dữ liệu.

Sara A. Metwalli là một chuyên gia về việc viết phần mềm cho máy tính lượng tử và nghiên cứu giao điểm giữa học máy và hệ thống lượng tử. Cô nổi tiếng với các bài viết tập trung vào sự rõ ràng, thực tế và phân biệt giữa hype và những gì thực sự hoạt động.

Hành trình sự nghiệp

Sau cuộc phỏng vấn đầu tiên 5 năm trước, khi Sara bắt đầu chương trình tiến sĩ, cô đã hoàn thành nó vào năm 2024. Sự chuyển dịch từ Nhật Bản, Mỹ đến Scotland cho thấy sự linh hoạt và đam mê nghiên cứu của cô. Sara thừa nhận rằng việc viết cho TDS đã giúp cô vượt qua sự cô lập trong giai đoạn tiến sĩ thời đại đại dịch.

Tác động của LLMs

Sự bùng nổ của các mô hình ngôn ngữ lớn (LLMs) đã thay đổi thế giới, bao gồm cả cách Sara làm việc. Cô nhận thấy rằng khi công nghệ có sẵn cho mọi người, nghiên cứu phát triển rất nhanh hơn so với khi chỉ giới hạn trong phòng thí nghiệm. Tuy nhiên, Sara cũng cảnh báo về sự cân bằng cần thiết để ngăn chặn việc lạm dụng công nghệ gây hại.

Tại sao Khoa học dữ liệu cần quan tâm đến Lượng tử?

Mặc dù tính toán lượng tử là một từ khóa được nhắc đến nhiều, nhưng Sara tin rằng đây là một lĩnh vực thực sự tiềm năng. Bà cho rằng các nhà khoa học dữ liệu là những yếu tố then chốt trong sự phát triển của công nghệ này.

Nhiều nhiệm vụ cốt lõi mà các nhà khoa học dữ liệu hiện nay làm việc (như tối ưu hóa, lấy mẫu và đại số tuyến tính quy mô lớn) chính là những vấn đề mà các thuật toán lượng tử nhắm đến để tăng tốc độ hoặc xử lý khác biệt. Các thuật toán như Quantum Approximate Optimization Algorithm và Quantum Machine Learning có tiềm năng cải thiện hiệu suất trong đào tạo mô hình, mô phỏng phức tạp và ra quyết định dưới điều kiện bất định.

Dù phần cứng hiện tại còn hạn chế, nhưng tác động lâu dài có thể thay đổi cách giải quyết các vấn đề dữ liệu khó khăn. Đây là cơ hội không chỉ để chuẩn bị cho bước đột phá công nghệ tiếp theo mà còn để đóng góp vào việc định hình nó.

Sự khác biệt giữa AI và Con người trong viết lách

Về việc viết bài, Sara cho rằng AI đại tạo (như ChatGPT) là công cụ tuyệt vời để học hỏi, nhưng nó là một thuật toán tìm kiếm mẫu mà không có linh hồn hay trải nghiệm thực tế. Cô tiếp tục viết và đọc các bài viết của tác giả khác vì việc truyền đạt kiến thức là một hành động đặc trưng của con người. Những người đã trải qua quá trình học tập có thể chia sẻ những khó khăn và bài học thực tế tốt hơn AI, tạo ra sự kết nối sâu sắc hơn với người đọc.

Sara khuyên độc giả nên theo dõi công việc của cô trên TDS để cập nhật những bài viết mới nhất về lĩnh vực lượng tử.