Michael C. Mayberry（以下簡(jiǎn)稱 Mike）在英特爾工作了34年，目前擔(dān)任英特爾公司高級(jí)副總裁、CTO兼英特爾研究院院長(zhǎng)，他負(fù)責(zé)英特爾在前沿技術(shù)上的投資，掌管著英特爾在技術(shù)上未來(lái)發(fā)展方向。此外，他還是公司研究委員會(huì)領(lǐng)導(dǎo)人，負(fù)責(zé)推動(dòng)英特爾大學(xué)定向研究項(xiàng)目的資源調(diào)配與優(yōu)先排序。
以下為Mike答問(wèn)實(shí)錄，經(jīng)網(wǎng)易智能精編整理：
量子計(jì)算不是萬(wàn)能的
問(wèn)：量子計(jì)算如果達(dá)到比較高的使用程度之后，能夠取代哪些傳統(tǒng)計(jì)算領(lǐng)域？
Mike：量子計(jì)算并不是一個(gè)萬(wàn)能的工具或技術(shù)，我認(rèn)為量子計(jì)算能力的發(fā)展并不會(huì)讓既有的其他計(jì)算方法變得過(guò)時(shí)，也就是說(shuō)常規(guī)經(jīng)典的CPU還是有用的，不管深度學(xué)習(xí)還是未來(lái)的人工智能，這些都不會(huì)因?yàn)榱孔佑?jì)算的崛起和發(fā)展就變得過(guò)時(shí)了。
但是，量子計(jì)算的優(yōu)點(diǎn)在于它的確可以幫助我們解決目前無(wú)法解決的問(wèn)題，實(shí)際上困擾我們或者討論時(shí)間最長(zhǎng)的一個(gè)話題就是模擬材料。我前面回答問(wèn)題時(shí)提到的催化劑就是很好的例子，還有模擬新型的藥品，室溫超導(dǎo)材料等等。另外，目前有一些數(shù)學(xué)問(wèn)題是沒有辦法用常規(guī)計(jì)算能力來(lái)解決的，比如說(shuō)后量子時(shí)代的加密算法。
量子計(jì)算大規(guī)模商用還需十年
問(wèn)：量子計(jì)算商用的標(biāo)志是什么？
Mike：所謂商業(yè)上的有用性，怎么樣才叫有用，目前業(yè)內(nèi)并沒有廣泛的共識(shí)，各個(gè)公司觀點(diǎn)不盡相同。
我們可能通常會(huì)比較關(guān)注于量子位的數(shù)量，但是對(duì)于每個(gè)量子位上面做的操作數(shù)量反而關(guān)注的不夠。在量子位上能夠做什么操作，并且能有多長(zhǎng)時(shí)間穩(wěn)定的操作，這個(gè)很重要。
問(wèn)：量子計(jì)算目前處于什么樣的階段，距離商業(yè)化落地還有多遠(yuǎn)？
Mike：我認(rèn)為，量子計(jì)算真正實(shí)現(xiàn)大規(guī)模商業(yè)化使用還需要10年時(shí)間，我們的確還有很長(zhǎng)的路要走。
但是，我們可以先把量子計(jì)算用來(lái)解決常規(guī)計(jì)算很難以解決的問(wèn)題，這一類的問(wèn)題如果部分得到解決的話，會(huì)給我們整個(gè)世界帶來(lái)巨大的改變。比如說(shuō)我們或許可以使用量子計(jì)算開發(fā)出一種催化劑，這種催化劑能夠改變汽車使用的燃油結(jié)構(gòu)或者它能夠捕捉空氣中的二氧化碳，如果能夠做到這一點(diǎn)將對(duì)氣候變化的大難題帶來(lái)革命性改變。即便如此還是有非常漫長(zhǎng)的道路要走，不過(guò)我們覺得這是值得，它的方向非常好，很有前景。
在量子計(jì)算方面，實(shí)際上現(xiàn)在我們所做的工作只是馬拉松長(zhǎng)跑中的第一英里，在真正實(shí)現(xiàn)商業(yè)有用性前還有很多事情要做。英特爾并不是癡迷于量子位的數(shù)量到底有多少，我們更看中的是糾錯(cuò)能力。
問(wèn)：量子計(jì)算從現(xiàn)在到爆發(fā)，還面臨哪些技術(shù)難題？
Mike：在量子計(jì)算技術(shù)得到非?？焖俚陌l(fā)展之前，我們還有四個(gè)挑戰(zhàn)。
第一，不管量子位做得有多好，我們都認(rèn)為它還是不足以好到完美，不是盡善盡美，所以我們需要有糾錯(cuò)方面的工作來(lái)完成，以確保量子位有足夠長(zhǎng)的生命期，長(zhǎng)到它能夠完成一些有意義的算法或者說(shuō)是計(jì)算。
第二，我們需要有在本地對(duì)量子位的控制，而不是這個(gè)控制是通過(guò)長(zhǎng)長(zhǎng)的纜線遙遠(yuǎn)地加以控制。
第三是在路徑上的安排。我們?cè)趺茨軌虬堰@些量子位真正地放到一個(gè)物理的量子位系統(tǒng)當(dāng)中，怎么給它把路由做出來(lái)，做一個(gè)算法，有時(shí)候是直著走，有時(shí)候是要跳轉(zhuǎn)著做。
第四是在量子位之間的連接。我們需要把量子位能夠連接起來(lái)形成一個(gè)比較有規(guī)模的大的系統(tǒng)?，F(xiàn)在我們有可能會(huì)有幾千個(gè)量子位，但是怎么能夠把這幾千個(gè)量子位連接起來(lái)是一個(gè)很大的挑戰(zhàn)。
探索量子芯片：以模擬材料切入點(diǎn)
問(wèn)：英特爾為什么選擇模擬材料上作為量子計(jì)算研究的切入點(diǎn)？
Mike：因?yàn)椴牧媳旧砭褪橇孔酉到y(tǒng)，所以用量子計(jì)算去研究、去模擬量子系統(tǒng)是一個(gè)非常自然而然的方向。十年前大家就有這樣的想法，如果有了量子計(jì)算機(jī)首先來(lái)做材料方面的工作，因?yàn)椴牧媳旧砭褪橇孔拥囊粋€(gè)大系統(tǒng)。
問(wèn)：英特爾今年1月推出了49-量子位測(cè)試芯片，現(xiàn)在測(cè)試效果怎么樣，有什么進(jìn)展？
Mike：我們目前在做的主要是特性方面的一些檢測(cè)，下半年會(huì)有第二版本。
問(wèn)：衡量量子芯片領(lǐng)先的標(biāo)準(zhǔn)是什么？
Mike：之前，我們可能會(huì)衡量量子位上的量子數(shù)量，但是具體到整個(gè)芯片，作為一個(gè)整體來(lái)說(shuō)它運(yùn)作的情況是怎么樣，其實(shí)目前并沒有一個(gè)非常好的評(píng)判標(biāo)準(zhǔn)。舉個(gè)例子，比如說(shuō)有一堆的量子位，每個(gè)量子位都要先啟動(dòng)到一個(gè)可操作的狀態(tài)，那個(gè)狀態(tài)有生命期，先啟動(dòng)一個(gè)或者兩個(gè)啟動(dòng)，把它糾纏起來(lái)。在啟動(dòng)、啟動(dòng)的過(guò)程中，系統(tǒng)還沒有完全啟動(dòng)那么多的量子位達(dá)到生命期的時(shí)候，你可以用了開始啟動(dòng)的那幾個(gè)的時(shí)間，所以最后整個(gè)系統(tǒng)的生命期和單個(gè)量子位的生命期不是一個(gè)指標(biāo)。
接下來(lái)一旦整個(gè)系統(tǒng)啟動(dòng)之后，我們需要做一系列的操作。這里涉及到一個(gè)數(shù)學(xué)問(wèn)題，量子霸權(quán)。量子霸權(quán)是一個(gè)詞，它用來(lái)形容你已經(jīng)靠量子計(jì)算機(jī)做出了現(xiàn)在經(jīng)典計(jì)算機(jī)怎么都做不成的任務(wù)。如果這個(gè)任務(wù)做成了，就可以聲稱量子霸權(quán)達(dá)到了。但是就算我們能找出來(lái)的數(shù)學(xué)任務(wù)，可能在日常生活中沒有什么用。所以，做出證明量子霸權(quán)的數(shù)學(xué)算法任務(wù)之后，可能要找用處。
概率計(jì)算需要融合常識(shí)才能發(fā)揮作用
問(wèn)：您是否認(rèn)為擅長(zhǎng)概論計(jì)算的貝葉斯網(wǎng)絡(luò)會(huì)取代深度學(xué)習(xí)成為下一個(gè)技術(shù)熱點(diǎn)？
Mike：實(shí)際上貝葉斯網(wǎng)絡(luò)和概率計(jì)算是非常相似的事情，概率計(jì)算本身是統(tǒng)計(jì)學(xué)的，貝葉斯實(shí)際上也是基于統(tǒng)計(jì)學(xué)，所以這一點(diǎn)本質(zhì)上是非常相似。如果超越貝葉斯統(tǒng)計(jì)，除了貝葉斯模型比較著重的對(duì)于各種分支的概率計(jì)算之外，實(shí)際上我們還需要對(duì)不確定性進(jìn)行追蹤和分析，如果是在一個(gè)非確定性的情況之下，可能做出的決定是不做任何行為。也就是說(shuō)不再只是到底選A還是選B，做出的決策可能是什么都不選、什么都不做，然后再額外補(bǔ)充新的信息和數(shù)據(jù)。
我舉一個(gè)現(xiàn)實(shí)生活中的例子，比如這個(gè)方向來(lái)一個(gè)行人，相反方向來(lái)一個(gè)摩托車，可能行人剛好被摩托車遮擋一下，但是人類從現(xiàn)實(shí)世界支持來(lái)說(shuō)，會(huì)知道這個(gè)人雖然被遮擋，但是它并沒有消失。就類似這樣的常識(shí)性的東西。概率計(jì)算角度，是從概率角度判斷，那個(gè)地方有一個(gè)人，過(guò)一會(huì)兒他可能還會(huì)出現(xiàn)。所以可能需要兩種知識(shí)，概率計(jì)算的能力加上對(duì)于世界知識(shí)，二者兼具才能做得更好?？梢岳斫鉃槌ＷR(shí)計(jì)算加上事件計(jì)算。
再舉一個(gè)非常好玩的例子，比如這個(gè)人過(guò)來(lái)，摩托車也過(guò)來(lái)，都停下來(lái)了，人坐上摩托車，跟著摩托車走了，對(duì)于人類完全可以理解，但目前對(duì)于機(jī)器來(lái)說(shuō)是很困難的事情。
希望在自動(dòng)駕駛汽車中植入自動(dòng)剎車功能
問(wèn)：近期自動(dòng)駕駛安全事故頻發(fā)，如何避免這些問(wèn)題？
Mike：我們現(xiàn)在面臨的挑戰(zhàn)是，在判斷一些不確定的情況和環(huán)境的時(shí)候，機(jī)器運(yùn)作的方法和人類是不同的。我認(rèn)為，為了保障安全性可以在機(jī)器當(dāng)中植入一些做法，比如說(shuō)內(nèi)置一些可以讓機(jī)器不走神的一種配置或者植入一些自動(dòng)剎車的功能。如果不這輛汽車完全是無(wú)人駕駛的，它有一個(gè)自動(dòng)剎車功能的話，至少安全性上有一定層級(jí)保護(hù)，我們可以在這個(gè)水平安全性之上再做額外工作。
剛才提到說(shuō)最近發(fā)生的一些自動(dòng)駕駛事故，很多是因?yàn)橐环N系統(tǒng)替代了另外一種系統(tǒng)的時(shí)候造成的交通事故，這些我們可以避免。
下一步，對(duì)小數(shù)據(jù)訓(xùn)練感興趣
問(wèn)：英特爾如何衡量在研發(fā)上的投入和產(chǎn)出比？
Mike：我們還是需要把研究和開發(fā)區(qū)別來(lái)看，因?yàn)樵陲L(fēng)險(xiǎn)的涉及度上，研究和開發(fā)是不完全一樣的。從研究角度來(lái)說(shuō)，我們會(huì)對(duì)于可能要考慮的項(xiàng)目做一個(gè)評(píng)判和評(píng)估，基本上四個(gè)潛在項(xiàng)目里我們最后會(huì)選一個(gè)來(lái)做，是四分之一的比例。如果這四分之一的比例被驗(yàn)證是有價(jià)值的，后續(xù)的開發(fā)公司會(huì)跟上。
還有一個(gè)是我們?cè)谠缙诘臅r(shí)候會(huì)做一些驗(yàn)證評(píng)估的工作，然后來(lái)做決定。這是因?yàn)槲覀儠?huì)看在考慮當(dāng)中的項(xiàng)目，它可能會(huì)在后期有更高的產(chǎn)出比。如果說(shuō)確實(shí)存在失敗的風(fēng)險(xiǎn)，我們希望能夠比較早知道失敗會(huì)來(lái)臨，這樣付出的代價(jià)也會(huì)相應(yīng)小一點(diǎn)。對(duì)于有前景的研究項(xiàng)目，我們會(huì)把它規(guī)模化。
問(wèn)：您對(duì)AI技術(shù)下一步的發(fā)展有什么期待？
Mike：我覺得最有趣的一種發(fā)展方向就是機(jī)器到底需要學(xué)習(xí)多少數(shù)據(jù)才能夠?qū)ψ约寒a(chǎn)生的答案有信心，目前來(lái)說(shuō)機(jī)器可能要學(xué)上萬(wàn)個(gè)甚至上百萬(wàn)個(gè)例子才能對(duì)自己產(chǎn)生出來(lái)的答案有信心，但是人類的學(xué)習(xí)，這個(gè)數(shù)量級(jí)通常是在幾十個(gè)或者幾百個(gè)，所以我們希望能夠在學(xué)習(xí)所需要獲取的數(shù)據(jù)量上能夠縮小人和機(jī)器之間的差距，這是我比較感興趣的方向。（完）
