Tréning veľkého jazykového modelu sa dnes meria v megawatthodinách a miliónoch eur.
Jeden bežný grafický čip (GPU) triedy H100 spotrebuje okolo 700 W a na natrénovanie modelu, akým je GPT-3 s 175 miliardami parametrov, bolo podľa odhadu OpenAI z roku 2020 potrebných rádovo 3,14 × 10²³ operácií (FLOP). To nie je abstraktné číslo - je to dôvod, prečo si stredoeurópska firma dnes netrénuje vlastný základný model, ale požičia si hotový z cloudu. Otázka, ktorú si na aiporadca.sk kladieme, znie: dokáže to kvantový počítač zmeniť natoľko, že by sa tréning presunul aj k nám?
Kde kvantové počítače naozaj pomáhajú - a kde nie
Prvý mýtus treba zhodiť hneď: kvantový počítač nie je „rýchlejší počítač“. Je to iný typ stroja, ktorý zrýchľuje len úzko vymedzené triedy úloh. Väčšina tréningu neuronovej siete - násobenie matíc, spätné šírenie chyby - je na kvantovom hardvéri dnes pomalšia, nie rýchlejšia.
Kde teda reálne svitá:
- Kvantová lineárna algebra. Algoritmus HHL (Harrow, Hassidim, Lloyd, 2009) teoreticky rieši sústavy lineárnych rovníc exponenciálne rýchlejšie než klasické metódy - za predpokladu, že dáta dokážeme efektívne nahrať do kvantového stavu. Práve to nahrávanie je úzke hrdlo.
- Kvantové jadrové metódy. Mapovanie dát do vysoko-dimenzionálneho priestoru, kde sú lineárne neoddeliteľné vzory zrazu oddeliteľné - to je presne to, čo robia klasické metódy podporných vektorov, len drahšie.
- Kvantové vzorkovanie. Generovanie pravdepodobnostných rozdelení, ktoré klasický počítač nevie efektívne replikovať (Aaronson a Arkhipov, 2011).
Naopak - tréning celého modelu od nuly kvantovým počítačom dnes nefunguje. Nie je to otázka inžinierstva, ale chýbajúceho algoritmu. Kto tvrdí opak, predáva vám humbuk.
Hybridný scenár: kde by Slovensko mohlo zasiahnuť
Reálnejšia cesta je hybridný model - klasický tréning plus kvantový koprocesor na konkrétne úlohy. Predstavme si modelový príklad: slovenská firma trénuje model na analýzu priemyselných senzorových dát z výroby. Klasicky jej optimalizácia hyperparametrov (learning rate, veľkosť dávky, architektúra) zaberie 60 – 80 % času tréningu. Práve tu dnes nastupujú kvantovo-inšpirované optimalizačné algoritmy - a tie bežia na klasickom hardvéri.
To je pre Slovensko dôležitejšie než kvantový počítač samotný. Kvantovo-inšpirované metódy (napríklad tensor networks alebo kvantové annealing simulované na GPU) už dnes skracujú ladenie modelov o desiatky percent. Nevyžadujú kryogénny hardvér za milióny eur.
Hardvér, ktorý na Slovensku nemáme - a čo s tým
Kvantové počítače dnes reálne bežia v niekoľkých desiatkach lokalít na svete. IBM má stroje s viac ako 1000 fyzickými qubitmi (Condor, 2023), no tie sú stále zašumené - počet logických, teda opravených qubitov, sa pohybuje v jednotkách. Na porovnanie: použiteľný kvantový tréning by potreboval tisíce logických qubitov. To je vzdialenosť rádovo rokov, nie mesiacov.
Pre slovenského vývojára to znamená jediné praktické východisko: cloudový prístup. IBM Quantum, Amazon Braket či Azure Quantum ponúkajú prístup k reálnym kvantovým procesorom cez API. Ceny sa pohybujú od bezplatných kvót po cca 0,30 – 1,00 USD za sekundu výpočtu (stav k augustu 2026 - overte si aktuálne sadzby priamo u poskytovateľa, menia sa).
Skryté náklady, na ktoré sa pri kvantovom cloude zabúda:
- Front a čakanie. Bezplatné kvóty znamenajú, že na výsledok čakáte hodiny. Platená priorita to skracuje, ale cena rastie nelineárne.
- Počet pokusov. Kvantový výsledok je pravdepodobnostný - jeden beh nestačí. Reálne potrebujete desiatky až stovky opakovaní na štatisticky použiteľný výstup.
- Klasická réžia. Príprava dát, kódovanie do kvantových obvodov a čítanie výsledkov beží na klasickom stroji. Ak tento krok podceníte, kvantová časť vám ušetrí sekundy a réžia zožerie hodiny.
Čo si z toho vziať ešte dnes
Ak pracujete s AI na Slovensku, kvantový počítač pre vás v roku 2026 nie je nástroj na tréning. Je to experimentálna platforma na úzke úlohy. Konkrétne odporúčania:
- Skúste kvantovo-inšpirované optimalizátory na ladenie hyperparametrov - bežia na vašej GPU, žiadny kvantový hardvér netreba.
- Overte si, či vaša úloha vôbec patrí medzi tie, kde kvantové zrýchlenie existuje. Ak nie, cloudový kvantový čas sú vyhodené peniaze.
- Sledujte počet logických qubitov, nie fyzických. To je jediné číslo, ktoré hovorí o použiteľnosti.
Kvantové počítače teda tréning modelov na Slovensku zatiaľ nezmenia. Zmenia ho skôr algoritmy, ktoré z kvantovej matematiky vychádzajú - a tie si dnes môžete spustiť na bežnom serveri. To je pre aiporadca.sk podstatný rozdiel medzi tým, čo sa predáva, a tým, čo sa dá použiť.
Kvantový kompas pre AI na aiporadca.sk
Kvantové zrýchlenie tréningu je dnes úzka technická výnimka, nie plošná zmena. Praktický prínos pre slovenského vývojára nie je v kvantovom procesore, ale v kvantovo-inšpirovaných algoritmoch, ktoré zvládne aj klasický hardvér. Kým počet logických qubitov nepreskočí z jednotiek na tisíce, držte sa hybridného prístupu: experimentujte v cloude, ale trénujte na GPU.
Zdroje
- Harrow, Hassidim, Lloyd - Quantum Algorithm for Linear Systems of Equations, Physical Review Letters, 2009 (citované 28. 9. 2026)
- Aaronson, Arkhipov - The Computational Complexity of Linear Optics, STOC 2011 (citované 28. 9. 2026)
- Brown a kol. (OpenAI) - Language Models are Few-Shot Learners, 2020 (citované 28. 9. 2026)
- IBM - IBM Quantum Condor and Heron processors, ibm.com (citované 28. 9. 2026)
- Amazon Web Services - Amazon Braket pricing, aws.amazon.com (citované 28. 9. 2026)
