Kupujemy sobie czas, bo wyścig do Quantum Computing już trwa

Z Markiem Stefaniakiem, architektem sztucznej inteligencji w Banku BNP Paribas, rozmawiamy o adaptacji przetwarzania kwantowego w sektorze finansowym i potencjalnych zastosowaniach Quantum Computing w bankowości; tym, gdzie przecinają się ścieżki AI oraz komputerów kwantowych; nowych, niezbędnych kompetencjach koniecznych do ich zastosowania w praktyce; stworzeniu odpowiedniego procesu Governance nadzorującego wykorzystanie technologii Quantum Computing w banku; a także o źródłach danych do “karmienia” komputera kwantowego.

Jakie są potencjalne obszary zastosowania komputerów kwantowych przez sektor finansowy w ogóle i przez Bank BNP Paribas w szczególności?

Branża finansowa od początku bierze aktywny udział w rozwoju przetwarzania kwantowego, testowaniu nowych rozwiązań i opracowywaniu tzw. przypadków użycia. To wynika z potencjału optymalizacji i doskonalenia produktów dla klientów banków. Wiele zagadnień z dziedziny finansowej wymaga użycia bardziej wydajnych komputerów niż klasyczne. Obecnie te zagadnienia realizowane są przez klasyczne procesory, w oparciu o heurystyki, albo też celowo zawężana jest domena obliczeniowa problemu, aby uzyskać – z jednej strony – racjonalny wynik. Z drugiej strony musimy „zmieścić się” w możliwościach obliczeniowych klasycznych komputerów.

Które to zatem problemy były traktowane probabilistycznie i heurystycznie? A może niektóre wyzwania po prostu leżały dotąd „odłogiem” i nie można ich było podjąć?

Trudno wskazać problemy, których branża w tym momencie nie podejmuje z powodu niewystarczającej mocy obliczeniowej komputerów klasycznych. Jest jednak całe spektrum zagadnień czekających na komputery kwantowe, związane z optymalizacją portfeli inwestycyjnych, zarządzania portfelem ryzyka czy procesem kredytowym. Drugi obszar zastosowań to symulacje procesów w konkretnych ograniczeniach. Trzeci to Machine Learning, a więc wyszukiwanie wzorców, anomalii. W branży finansowej to dziś trzy najbardziej obiecujące obszary zastosowania komputerów kwantowych.

Być może przyswojenie przetwarzania kwantowego wytworzy też nowe kategorie problemów obliczeniowych?

Należy się tego spodziewać. Nowe problemy obliczeniowe, pomysły i zastosowania przetwarzania kwantowego na pewno pojawią się wówczas, gdy lepiej zrozumiemy specyfikę użycia komputerów kwantowych. Dziś jednak jesteśmy na bardzo wczesnym etapie rozwoju i trudno określić inne pola zastosowań. Przypomina to sytuację sprzed 50 lat w odniesieniu do komputerów klasycznych. Można jednak zakładać np. pojawienie się zupełnie nowych produktów finansowych, które będą możliwe do zarządzania i monitorowania dzięki komputerom kwantowym.

Jakie – w kontekście zastosowania Quantum Computing – będą potrzebne nowe kompetencje i w jakiej kolejności powinny się one pojawiać w banku? Skąd będą się wywodzić? Z pionierskich sektorów wykorzystujących już komputery kwantowe w swoich obliczeniach, środowiska naukowego?

To jest zagadnienie, które podejmujemy w ramach szerszej próby wypracowania wzorca wdrożenia tej technologii. Spektrum niezbędnych kompetencji jest bardzo szerokie. Obecnie możemy je pogrupować w trzy główne obszary. Po pierwsze potrzebne są kompetencje w obszarze, gdzie powstają idee i pomysły do rozwiązywania za pomocą komputerów kwantowych. Mówimy tu o obszarze biznesowym. Pracujący w nim ludzie muszą  zrozumieć specyfikę komputerów kwantowych, aby precyzyjnie znajdować zastosowanie. Drugi obszar to analizy adaptowalności tej idei na komputer kwantowy. Dotyczy to także analizy otoczenia prawnego, zgodności algorytmu z obowiązującymi regulacjami itd. Następny obszar odnosi się do etapu wytwórczego i utrzymaniowego. Potrzebujemy więc deweloperów potrafiących ideę biznesową przełożyć na składnię komputera kwantowego oraz osób odpowiedzialnych za utrzymanie gotowego rozwiązania. Natomiast całe to spektrum zagadnień musi spinać właściwy proces Governance. I to jest zagadnienie, nad którym obecnie pracujemy, gdzie też gromadzimy kompetencje.

W zasadzie obszary te nie różnią się od tego, co jest teraz w stosie technologicznym, ale diabeł, jak zawsze, tkwi w szczegółach. Przykładowo jest wspomniana kwestia centrum idei i problemów, które mają być podsuwane do realizacji przez komputery kwantowe…

Biznes sam temu nie sprosta. Ta jednostka będzie musiała być zasilona inżynierami z żyłką biznesową. Wymiar edukacyjny jest także bardzo ważnym czynnikiem warunkującym powodzenie. Na szczęście panuje duże zaciekawienie i chęć poznania tej technologii przez obszary technologiczne, ale i biznesowe w banku, gdzie komputery kwantowe znajdą zastosowanie. Powiem wręcz, że mamy do czynienia z silną potrzebą zgłębienia tej technologii przez biznes. Jestem architektem sztucznej inteligencji i pamiętam początki wdrażania AI w banku. Także wtedy wyzwaniem była identyfikacja problemów i scenariuszy użycia. Obecnie już osiągnęliśmy dojrzałość i potrafimy poprawnie identyfikować sposoby jej wykorzystania. Taka sama ewolucja dokona się z komputerami kwantowymi.

Pierwszym etapem jest wykreowanie procesu Governance. W jaki sposób on powstaje?

Znowu nawiążę do analogii z wykorzystaniem algorytmów AI, ponieważ bierzemy wiele z tamtego procesu wytwórczego, jeśli chodzi o przebieg procesu adaptacji i zastosowania technologii. Mówi się też o kwantowej AI i synergii pomiędzy obiema tymi technologiami. Z pewnością podstawą takiego sprzęgania będzie doświadczenie z wytwarzaniem AI, ale z wyróżnikami, np. w zakresie Compliance.

Regulacje dotyczące zastosowania komputerów kwantowych to chyba jeszcze niewiadoma?

Przyjmuje się, że te reguły dla komputerów klasycznych są obowiązujące dla komputerów kwantowych, w szczególności jeśli patrzymy przez pryzmat tego, co wytwarzamy lub przetwarzamy. Wyróżnikiem zastosowania regulacji jest klasa algorytmu, który implementujemy.

Które kompetencje potrzebne do adaptacji przetwarzania kwantowego mogą być “z zewnątrz”, które mają charakter strategiczny?

To zagadnienie najtrudniejsze, wynikające z wczesnego etapu rozwoju technologii i sytuacji na rynku. My wzorujemy się na drodze, którą idą banki i instytucje finansowe globalne, które też zajmują się komputerami kwantowymi. To droga współpracy z akademią i środowiskami naukowymi zajmującymi się kwestiami algorytmicznymi, a z drugiej strony z dostawcami technologii. Układa się to doskonale w sprzężenie zwrotne. I akademia, i dostawcy technologii muszą weryfikować swoje założenia pod kątem realnych zastosowań biznesowych. Z kolei my, banki i instytucje finansowe, potrzebujemy wsparcia teoretycznego oraz technicznego. W takim właśnie modelu współpracujemy z IBM oraz uczelniami wyższymi w Polsce. Przy ich pomocy planujemy wytwarzanie algorytmów kwantowych.

Bank BNP Paribas poszedł już dalej niż planowanie, bo rozpoczynacie właściwie rekrutację takich osób…

To prawda, uruchomiliśmy program stażowy z myślą o rekrutacji deweloperów kwantowego komputera. Sam program stażowy poprzedziło kwantowe wyzwanie – „Walcz o Superpozycję!” składające się z dwóch części – części rozgrzewkowej i finałowej. Właśnie kończymy pierwszą część wyzwania. Na serwerze discorde’owym trwa ożywiona dyskusja i rozgrywka finałowa zapowiada się interesująco. Udało nam się zachęcić do udziału 50 osób, które są kompetentne i merytorycznie gotowe, aby rozpocząć testowanie rzeczywistych środków użycia. Osoby, które uzyskają najlepsze wyniki, zaprosimy do współpracy w ramach programu stażowego technologii kwantowych.

Jak będzie w przyszłości wyglądał model współpracy z Akademią? Profesorowie często wskazują, że dotąd biznes działał metodą dziel i rządź, przejmując pracowników naukowych czy studentów – np. specjalizujących się w bezpieczeństwie czy AI – dość… zaborczo, odcinając ich tym samym od pracy naukowej i możliwości rozwoju także teoretycznego.

Zakładamy, że będziemy współpracować z badaczami, nie odrywając ich całkowicie od sfery naukowej. Takie podejście wpisuje się w istniejący już na świecie trend. Skupienie się osób o tak wysokich kompetencjach wyłącznie na biznesie byłoby niewskazane. Dynamika rozwoju komputerów kwantowych jest bardzo duża, a w ośrodkach naukowych dokonują się odkrycia i przełomy w obszarze algorytmów kwantowych. Odcięcie naukowców od udziału w tych projektach badawczych byłoby ze szkodą dla wszystkich.

W jaki sposób można wyobrazić sobie rozwiązanie kwestii infrastrukturalnej – przetwarzanie będzie “dostarczane” przez zewnętrznego dostawcę?

Nie uciekniemy od paradygmatu chmurowego. Dostęp do komputerów kwantowych jest dziś możliwy za pośrednictwem dostawców chmurowych w różnych modelach, np. IBM daje tylko dostęp do swojego komputera, Microsoft udostępnia zaś komputery innych firm. Miesiąc temu głośna była jednak pierwsza instalacja komputera kwantowego IBM Q w Niemczech. Natomiast można w przyszłości wyobrazić sobie hybrydową architekturę przetwarzania kwantowego, gdzie część infrastruktury będzie się znajdować w lokalnej serwerowni, a inna część usług dostarczana będzie przez zewnętrznych dostawców. Wyzwaniem może być zapewnienie wymagań technicznych dla instalacji komputera kwantowego lokalnie.

Czy pojawią się też nowe źródła danych do “karmienia” komputera kwantowego? Czy ich pojawienie się będzie naturalne, czy będzie osobnym, wielkim projektem i zmianą? Chodzi przy tym bardziej o jakość czy ilość danych?

Te zagadnienia dotykają sedna komputerów kwantowych. Są one dedykowanym procesorem i w wąskiej dziedzinie biją komputery klasyczne. Nie mówimy o procesorach ogólnego przeznaczenia. Sam model danych na komputer kwantowy jest dość prosto zdefiniowany. Za pomocą komputerów kwantowych nie przyspieszymy więc Big Data, czyli przetwarzania wielkich zbiorów danych, czy złożonych procedur operacyjnych, takich jak zamknięcie miesiąca czy roku. Komputer kwantowy idealnie nadaje się natomiast do rozwiązania problemu małego zbioru danych mocno ze sobą splątanego. Łatwo rozwiązać np. problem komiwojażera czy znaleźć minimum dla problemu w siatce 100×100 albo 1000×1000.

Szczęśliwie w instytucjach finansowych mamy bardzo dojrzały Governance dotyczący danych. Wyzwaniem jest odwzorowanie idei z biznesu na model danych. Polega to w skrócie na wyselekcjonowaniu z ogromnego zbioru danych wąskiego wycinka, który będzie reprezentował problem, a potem stworzeniu algorytmu, który będzie go opisywał.

Równolegle do adaptacji kwantowego przetwarzania muszą nastąpić zmiany procesowe, dostosowania organizacyjne, skoro pojawią się nowe kategorie problemów i zapytań, a dawne kategorie zyskają inny czas realizacji… Czy to np. wymusi szeroko zakrojoną automatyzację?

To będzie zmiana jakościowa w precyzji i w czasie obliczeń. I to ma wpływ na proces, ze względu na czas, bo rozwiązanie problemu zostanie zrealizowane szybciej. Dzięki temu będzie możliwa optymalizacja różnych procesów, łącznie z ich automatyzacją. W tym kontekście o algorytmach kwantowych należy myśleć jak o usługach, które są elementami składowymi procesów.

Wspomniane działania, budowa procesu Governance i start działań pozyskiwania kompetencji, to projekt polski czy ogólnokorporacyjny BNP Paribas?

To lokalna inicjatywa, ale nie idziemy w poprzek strategii Grupy BNP Paribas, która również zidentyfikowała komputery kwantowe jako ważną technologię. Materia, z którą się mierzymy, jest fascynująca. Dla mnie, osobiście, bardziej nawet niż doświadczenie z AI. Spektrum problemów i ich złożoność są też dalece wyższe, niż to z czym mieliśmy do czynienia, adaptując się do uwzględnienia AI w naszych technologiach i procesach. Dzięki naszemu doświadczeniu zebranemu w Polsce będziemy mogli przyczynić się do rozwoju technologii kwantowej w Grupie.

Zapytam więc na koniec, czy można dziś nakreślić harmonogram tej wielkiej zmiany? Kiedy Bank BNP Paribas będzie posługiwał się komputerami kwantowymi?

Do tego, abyśmy mogli używać komputerów kwantowych w środowisku produkcyjnym potrzebujemy dojrzałego sprzętu. IBM ocenia, że przełom w tym zakresie może nastąpić w roku 2023, kiedy dojrzałość i moc komputerów kwantowych oraz ich odporność na błędy będzie optymalna. Kupujemy więc sobie czas, aby za 2 lata być organizacyjnie i merytorycznie gotowi.

Dziękuję za rozmowę.