Pourquoi les data scientists devraient se soucier de l’informatique quantique

Dans la série Author Spotlight, les rédacteurs de TDS discutent avec les membres de notre communauté de leur parcours professionnel en science des données et en IA, de leurs écrits et de leurs sources d’inspiration. Aujourd’hui, nous sommes ravis de partager notre conversation avec Sara A. Metwalli.

Sara est chercheuse en informatique quantique au Quantum Software Lab, où elle explore les interactions entre l’apprentissage automatique et les systèmes quantiques et comment écrire des logiciels pour les ordinateurs quantiques. Elle écrit sur des sujets quantiques en mettant l’accent sur la clarté, le réalisme et en séparant le battage médiatique de ce qui fonctionne réellement. Sara aime aussi s’entraîner, lire, écrire et explorer le monde. Elle a vécu en Égypte, au Japon, aux États-Unis et maintenant en Écosse.

La dernière fois que nous vous avons parlé il y a cinq ans – dans notre tout premier Pleins feux sur les auteurs ! — vous étiez aux premiers stades de votre programme de doctorat au Japon. Qu’as-tu fait ?

Cela semble être une éternité depuis que nous avons mis en lumière le dernier auteur ! J’ai commencé à écrire pour TDS en 2019. Je me préparais à commencer mon doctorat, je l’ai fait en 2020 et je l’ai terminé en 2024. Je dois admettre qu’écrire pour TDS m’a aidé à surmonter l’isolement d’être doctorant pendant COVID.

J’ai déménagé aux États-Unis à la mi-2024, juste après avoir soutenu ma thèse, et j’ai travaillé pendant six mois en tant que coordinateur de sensibilisation et d’éducation avant de retourner dans le monde universitaire pour un postdoctorat d’un an. J’ai finalement déménagé en Écosse en octobre de l’année dernière.

Au cours des cinq années qui ont suivi cette séance de questions-réponses, nous avons assisté, entre autres innovations, à l’arrivée des LLM et des agents. Comment l’essor des outils d’IA quotidiens a-t-il affecté votre travail – et votre vie en général ?

La popularité croissante des LLM a changé le monde et pas seulement ma vie. En tant que personne travaillant principalement dans le milieu universitaire, j’ai toujours lu les articles et parlé aux chercheurs qui ont travaillé sur ces technologies. J’ai travaillé avec eux et discuté de leurs idées. Je trouve toujours intéressant de voir comment la recherche se développe en dehors des laboratoires de recherche – comment les chercheurs ne savent pas comment une technologie sera utilisée une fois que tout le monde y aura accès.

La popularité soudaine et explosive de l’IA générative m’a fait prendre davantage conscience de l’importance de partager la recherche au fur et à mesure de son développement, plutôt que seulement lorsqu’elle mûrit.

Je crois que les LLM peuvent être utilisés pour faciliter la vie de beaucoup de gens, mais ils peuvent être utilisés à mauvais escient pour causer du tort. Trouver l’équilibre au niveau personnel, au niveau professionnel et au niveau communautaire est un défi auquel toute technologie émergente est confrontée au début.

Votre intérêt pour la technologie quantique a commencé bien avant que ce domaine ne commence à générer un véritable buzz au cours des deux dernières années. Qu’est-ce qui vous a attiré dans ce domaine en premier lieu ?

Mon intérêt pour la technologie quantique a commencé vers 2018 ! Je faisais mon master et je travaillais comme assistant pédagogique dans un cours de physique quantique. J’ai beaucoup apprécié le cours et le professeur a fait un excellent travail en expliquant des choses que je n’avais jamais comprises auparavant.

Lorsque j’envisageais de poursuivre un doctorat, le domaine de l’informatique quantique commençait tout juste à fleurir : IBM avait fait part de son intention de rendre publics ses appareils et avait lancé Qiskit. C’était passionnant, complexe et stimulant mentalement (les trois choses qui m’attirent dans n’importe quel domaine). Il y avait les mathématiques, le potentiel et le codage. J’ai demandé au professeur avec qui je travaillais s’il connaissait quelqu’un disposé à embaucher un doctorant sans formation quantique pour faire un doctorat, et à ma grande surprise, il l’a fait. La personne à qui il m’a présenté s’est avérée être mon directeur de thèse.

J’adore les logiciels et les mathématiques, et le quantique combine ces deux-là avec un potentiel d’applications géniales. Aujourd’hui, je suis chercheur au Quantum Software Lab de l’Université d’Édimbourg, en Écosse. Je travaille sur le pont entre la science des données et l’informatique quantique, ainsi que sur l’apprentissage automatique quantique et les applications de l’informatique quantique.

Vos écrits publics sur le TDS ont évolué au cours des deux dernières années pour se concentrer presque exclusivement sur le quantique. Pourquoi est-il important que les professionnels des données et du ML se familiarisent avec cette technologie ?

Le mot « quantique » étant à la mode, la désinformation à son sujet a explosé. En tant que spécialiste du domaine, je déteste voir les gens se laisser tromper par de fausses informations. Je vois le potentiel du quantique et je vois à quelle vitesse il se développe. Je pense que la seule raison pour laquelle les choses s’améliorent si rapidement est la participation de personnes extérieures au monde universitaire. Je pense que les data scientists sont essentiels au développement de l’informatique quantique, et que l’informatique quantique a le potentiel de changer notre façon de penser la science des données et l’apprentissage automatique.

Je crois personnellement que les data scientists devraient se soucier de l’informatique quantique, car bon nombre des tâches principales sur lesquelles ils travaillent déjà (telles que l’optimisation, l’échantillonnage et l’algèbre linéaire à grande échelle) sont exactement le genre de problèmes que les algorithmes quantiques visent à accélérer ou à gérer différemment. Les approches quantiques, telles que l’algorithme d’optimisation approximative quantique et l’apprentissage automatique quantique, ont le potentiel d’améliorer les performances dans des domaines tels que la formation de modèles, les simulations complexes et la prise de décision dans des conditions d’incertitude.

En réalité, le matériel actuel est encore limité, mais l’impact à long terme pourrait remodeler la manière dont les problèmes de données difficiles sont résolus. C’est donc une chance non seulement d’être prêt pour la prochaine grande étape technologique, mais aussi de participer à l’élaboration de cette technologie.

Quelle a été votre expérience en tant qu’auteur public à l’ère de ChatGPT, Gemini et le reste ? Qu’est-ce qui vous motive à écrire ces jours-ci ?

C’est une excellente question ! J’adore l’IA générative ; cela montre jusqu’où nous, en tant qu’humains, avons pu pousser la technologie. Mais c’est après tout une machine ; c’est un algorithme qui trouve des modèles : il n’a ni âme, ni expérience.

Je continue d’écrire et de lire des articles d’auteurs que j’aime car enseigner ou transmettre des connaissances est une chose humaine. ChatGPT peut vous donner les bases d’un sujet, mais quelqu’un qui a suivi le processus d’apprentissage peut vous en dire plus, car il tiendra compte des obstacles qu’il a rencontrés et des défis qu’il a surmontés. Ils peuvent interagir avec les lecteurs plus que l’IA – et cela, pour moi, est très important.

Pour en savoir plus sur le travail de Sara et rester au courant de ses derniers articles, vous pouvez la suivre sur TDS.