量子計(jì)算激發(fā)了計(jì)算機(jī)科學(xué)家的想象力。在我們達(dá)到二進(jìn)制計(jì)算機(jī)的極限后，量子計(jì)算可能成為該學(xué)科的未來(lái)。由于量子計(jì)算能夠在“量子態(tài)”中容納許多不同的可能結(jié)果，它有可能為機(jī)器學(xué)習(xí)和人工智能問(wèn)題提供一個(gè)巨大的計(jì)算升級(jí)。然而，圍繞量子計(jì)算仍有許多未解之謎，而且尚不清楚這些設(shè)備是否有助于企業(yè)人工智能投資的建設(shè)浪潮。
在20世紀(jì)50年代首次出現(xiàn)的二進(jìn)制計(jì)算機(jī)發(fā)展成到今天已經(jīng)成為價(jià)值數(shù)萬(wàn)億美元的IT（信息技術(shù)）行業(yè)的基礎(chǔ)。僅僅用兩個(gè)比特位（bit）和三個(gè)布爾代數(shù)運(yùn)算符，我們就創(chuàng)造了巨大的數(shù)據(jù)處理機(jī)器，使許多手工任務(wù)自動(dòng)化，并對(duì)我們周圍的世界產(chǎn)生了巨大的影響。從基本的會(huì)計(jì)和電子商務(wù)到飛行控制計(jì)算機(jī)和了解基因組，計(jì)算機(jī)對(duì)我們現(xiàn)代生活的影響巨大。
但是，當(dāng)我們接近經(jīng)典二進(jìn)制計(jì)算機(jī)的極限時(shí)，量子計(jì)算機(jī)出現(xiàn)了，帶來(lái)(尚未實(shí)現(xiàn)的)計(jì)算能力的巨大提升。量子計(jì)算不再局限于1和0上的布爾線性代數(shù)函數(shù)，而是允許我們?cè)诹孔踊蛄孔游簧鲜褂镁€性代數(shù)，這些量子位由數(shù)字、向量和矩陣組成，在量子態(tài)中相互作用，包括疊加、糾纏和干涉。
量子計(jì)算打開了一扇門，潛在地解決了傳統(tǒng)計(jì)算機(jī)無(wú)法解決的非常龐大和復(fù)雜的計(jì)算問(wèn)題。比如使用“蠻力”方法猜測(cè)由256位算法加密一段數(shù)據(jù)的密碼。使用AES-256加密的數(shù)據(jù)被認(rèn)為非常安全的，因?yàn)樗荒鼙槐┝ζ平?。但隨著量子計(jì)算機(jī)計(jì)算多種可能狀態(tài)的能力，解決這類問(wèn)題將觸手可及。
——谷歌Sycamore量子處理器
另一個(gè)例子是旅行推銷員問(wèn)題。給定一些地理位置，找出其中最有效的路徑實(shí)際上是一個(gè)經(jīng)典的計(jì)算密集型問(wèn)題。花費(fèi)數(shù)十億美元為貨運(yùn)卡車加油的聯(lián)合包裹公司(UPS)甚至限制了司機(jī)左轉(zhuǎn)的次數(shù)，試圖最大限度地縮短送貨時(shí)間，減少燃料消耗。
這讓我們想到了機(jī)器學(xué)習(xí)和人工智能。機(jī)器學(xué)習(xí)（ML）的最新形式——深度學(xué)習(xí)（DL）正在挑戰(zhàn)傳統(tǒng)計(jì)算機(jī)的能力極限。大型Transformer模型，如OpenAI的GPT-3，它有1750億個(gè)參數(shù)，需要幾個(gè)月的時(shí)間在傳統(tǒng)計(jì)算機(jī)上訓(xùn)練。隨著未來(lái)的模型成長(zhǎng)為數(shù)以萬(wàn)億計(jì)的參數(shù)，它們將需要更長(zhǎng)的時(shí)間來(lái)訓(xùn)練。這就是為什么用戶采用新型微處理器架構(gòu)的原因之一（延展閱讀：超大芯片吸引2.5億美元新資金），這種架構(gòu)提供了比傳統(tǒng)CPU甚至GPU更好的性能。
但是所有這些，包括CPU和GPU是與經(jīng)典的二進(jìn)制計(jì)算機(jī)捆綁在一起的，有先天限制。量子計(jì)算機(jī)為一系列用例的性能和能力提供了量子飛躍的可能性，人工智能肯定是其中之一。
量子人工智能定義為使用量子計(jì)算運(yùn)行機(jī)器學(xué)習(xí)算法。多虧了量子計(jì)算的計(jì)算優(yōu)勢(shì)，量子人工智能可以幫助實(shí)現(xiàn)傳統(tǒng)計(jì)算機(jī)無(wú)法實(shí)現(xiàn)的結(jié)果。
谷歌是最早涉足這一領(lǐng)域的量子計(jì)算機(jī)制造商之一。2020年3月，谷歌推出了TensorFlow Quantum，將TensorFlow機(jī)器學(xué)習(xí)開發(fā)庫(kù)帶入量子計(jì)算機(jī)的世界。通過(guò)TensorFlow Quantum，開發(fā)者將能夠開發(fā)在量子計(jì)算機(jī)上運(yùn)行的量子神經(jīng)網(wǎng)絡(luò)模型。
雖然在量子計(jì)算機(jī)上運(yùn)行人工智能應(yīng)用程序仍處于非常早期的階段，但有許多組織正在努力開發(fā)它。比如NASA與谷歌合作已經(jīng)有一段時(shí)間了。
而且研究人員看好量子人工智能算法在計(jì)算能力方面提供下一個(gè)突破的潛力。這種方法將產(chǎn)生處理大量數(shù)據(jù)的新方法。
今年早些時(shí)候，IBM研究院宣布發(fā)現(xiàn)了量子機(jī)器學(xué)習(xí)的量子優(yōu)勢(shì)的“數(shù)學(xué)證據(jù)”。證明以分類算法的形式出現(xiàn)，該算法提供了對(duì)“經(jīng)典數(shù)據(jù)”的訪問(wèn)，提供了比經(jīng)典ML方法“可證明的指數(shù)級(jí)加速”。讓我們看到了量子人工智能可能實(shí)現(xiàn)的一個(gè)潛在未來(lái)。
——IBM量子計(jì)算機(jī)
可以肯定的是，每當(dāng)人工智能和量子計(jì)算這兩項(xiàng)被高度炒作的技術(shù)走到一起時(shí)，總會(huì)有很多疑問(wèn)。IBM在2021年7月曾表示:“在計(jì)算機(jī)科學(xué)中，很少有概念像量子機(jī)器學(xué)習(xí)那樣令人興奮，也可能像量子機(jī)器學(xué)習(xí)那樣引發(fā)炒作和錯(cuò)誤信息。”
雖然量子人工智能似乎有潛力，但這種潛力尚未實(shí)現(xiàn)。樂(lè)觀的一面是，我們至少有理由樂(lè)觀地認(rèn)為，未來(lái)可能會(huì)有真正的突破。
但懷疑者是正確的，量子計(jì)算仍然是一個(gè)研究領(lǐng)域，距離應(yīng)用于神經(jīng)網(wǎng)絡(luò)還有很長(zhǎng)的路要走。然而，在10年內(nèi)，由于計(jì)算能力不足，人工智能可能會(huì)進(jìn)入另一個(gè)平臺(tái)期，量子計(jì)算崛起，會(huì)幫助人工智能的繼續(xù)高速發(fā)展。
現(xiàn)在判斷量子計(jì)算領(lǐng)域是否會(huì)對(duì)人工智能的發(fā)展產(chǎn)生重大影響還為時(shí)過(guò)早。有許多有希望的進(jìn)展，但仍有許多未解之謎。
