تتوجه الأنظمة الذاتية نحو اتخاذ القرارات بناءً على اعتقادات وليس مجرد أحداث استشعار خام. وها هي QANTIS تثبت ذلك من خلال تقديم نظام محدث يعتمد على عتاد معالج كمي (Quantum Processor) كخدمة لتحديث الاعتقاد. تتلقى QANTIS نموذجاً مسبقاً ونموذج ملاحظة، تقدّر مصطلح أدلة الأحداث النادرة، ومن ثم تقدم تقديراً قياسياً لمخطط كلاسيكي. في دراسة حالتها، يتساءل البحث عن إمكانية إعادة استخدام هذه الخدمة عبر أفق متسلسل لتحديثات نموذج العمل الجزئي (POMDP) باستخدام العتاد المتواجد حالياً في IBM Heron.

وفي هذه الدراسة، يتم التحقق من وجود تأثيرات مختلفة على التقدير الناتج من خلال مقارنة عدم التكثيف، تكثيف Grover المحروس، وتكثيف النقاط الثابتة في جميع الخطوات. وقد أثبتت النتائج أن التكثيف في جميع الخطوات يحافظ على تحديثات Tiger عبر تجارب تصل إلى 12 خطوة. كما يتم التحقق من أن التقديرات السلوكية الناتجة تتماشى مع كل من التقدير الكلاسيكي وكذا التقدير البنيوي الدقيق.

يستعرض البحث أيضاً تأثيرات تقدير الاستجابة بالقرب من حدود معينة، مع تأكيد أن خوارزمية BIQAE تدعم المحافظة على تقديرات السعة. ومن المثير للدهشة، تحديد القدرة التشغيلية لنموذج تحديث الاعتقاد المدرجة ضمن العتاد، وهي ليست فقط مزاعم عن تفوق العتاد بل قاعدة قوية لمزيد من التطورات المستقبلية في مجال الذكاء الاصطناعي. هل تمثل هذه الابتكارات البداية لعصر جديد في استخدام المعالجات الكمية في اتخاذ القرارات للأنظمة الذاتية؟ شاركونا آراءكم في التعليقات!