本文來自微信公眾號“陳根談科技”,作者/陳根。
當(dāng)前,量子計(jì)算和人工智能已然成為科技領(lǐng)域炙手可熱的話題。
一方面,隨著ChatGPT的爆發(fā),人工智能“奇點(diǎn)”臨近,作為引領(lǐng)這一輪科技革命以及這一輪產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù),人工智能被認(rèn)為是推動經(jīng)濟(jì)社會發(fā)展的新引擎。
另一方面,量子計(jì)算也逐漸成為推動數(shù)字社會進(jìn)步的另一把利器。與當(dāng)前科學(xué)界的一些改良性技術(shù)相比,量子計(jì)算在算力提升方面具有顛覆性作用,它顛覆的,是目前占據(jù)主流地位的電子計(jì)算,即傳統(tǒng)、主流的計(jì)算機(jī)還是以電子作為基本的載體。可以說,量子計(jì)算本身,就是數(shù)字科技的核心內(nèi)容之一,是推動數(shù)字經(jīng)濟(jì)時(shí)代的核心力量。
在這樣的背景下,量子計(jì)算和人工智能的結(jié)合,更是受到了廣泛關(guān)注。當(dāng)人工智能遇見量子計(jì)算,當(dāng)顛覆疊加顛覆,將帶領(lǐng)人們走向怎樣的未來?
人工智能需要量子計(jì)算
作為人工智能的三要素之一,算力構(gòu)筑了人工智能的底層邏輯。算力支撐著算法和數(shù)據(jù),算力水平?jīng)Q定著數(shù)據(jù)處理能力的強(qiáng)弱。在AI模型訓(xùn)練和推理運(yùn)算過程中需要強(qiáng)大的算力支撐。并且,隨著訓(xùn)練強(qiáng)度和運(yùn)算復(fù)雜程度的增加,算力精度的要求也在逐漸提高。
2022年,ChatGPT的爆發(fā),也帶動了新一輪算力需求的爆發(fā),對現(xiàn)有算力帶來了挑戰(zhàn)。根據(jù)OpenAI披露的相關(guān)數(shù)據(jù),在算力方面,ChatGPT的訓(xùn)練參數(shù)達(dá)到了1750億、訓(xùn)練數(shù)據(jù)45TB,每天生成45億字的內(nèi)容,支撐其算力至少需要上萬顆英偉達(dá)的GPUA100,單次模型訓(xùn)練成本超過1200萬美元。
盡管GPT-4發(fā)布后,OpenAI并未公布GPT-4參數(shù)規(guī)模的具體數(shù)字,OpenAI CEO山姆·阿爾特曼還否認(rèn)了100萬億這一數(shù)字,但業(yè)內(nèi)人士猜測,GPT-4的參數(shù)規(guī)模將達(dá)到萬億級別,這意味著,GPT-4訓(xùn)練需要更高效、更強(qiáng)勁的算力來支撐。
盡管以ChatGPT為代表的AI大模型的爆對算力提出了越來越高的要求,但受到物理制程約束,算力的提升卻是有限的。
1965年,英特爾聯(lián)合創(chuàng)始人Gordon Moore預(yù)測,集成電路上可容納的元器件數(shù)目每隔18個(gè)月至24個(gè)月會增加一倍。摩爾定律歸納了信息技術(shù)進(jìn)步的速度,對整個(gè)世界意義深遠(yuǎn)。但經(jīng)典計(jì)算機(jī)在以“硅晶體管”為基本器件結(jié)構(gòu)延續(xù)摩爾定律的道路上終將受到物理限制。
計(jì)算機(jī)的發(fā)展中晶體管越做越小,中間的阻隔也變得越來越薄。在3納米時(shí),只有十幾個(gè)原子阻隔。在微觀體系下,電子會發(fā)生量子的隧穿效應(yīng),不能很精準(zhǔn)表示“0”和“1”,這也就是通常說的摩爾定律碰到天花板的原因。盡管當(dāng)前研究人員也提出了更換材料以增強(qiáng)晶體管內(nèi)阻隔的設(shè)想,但客觀的事實(shí)是,無論用什么材料,都無法阻止電子隧穿效應(yīng)。
此外,由于可持續(xù)發(fā)展和降低能耗的要求,使得通過增加數(shù)據(jù)中心的數(shù)量來解決經(jīng)典算力不足問題的舉措也不現(xiàn)實(shí)。
根據(jù)國際能源署估計(jì),數(shù)據(jù)中心的用電量占全球電力消耗的1.5%至2%,大致相當(dāng)于整個(gè)英國經(jīng)濟(jì)的用電量。預(yù)計(jì)到2030年,這一比例將上升到4%。人工智能不僅耗電,還費(fèi)水。
谷歌發(fā)布的2023年環(huán)境報(bào)告顯示,其2022年消耗了56億加侖(約212億升)的水,相當(dāng)于37個(gè)高爾夫球場的水。其中,52億加侖用于公司的數(shù)據(jù)中心,比2021年增加了20%。
因此,人工智能(AI)想要走向未來,提高算力的同時(shí)又能降低能耗是亟待解決的關(guān)鍵問題。在這樣的背景下,量子計(jì)算成為大幅提高算力的重要突破口。
作為未來算力跨越式發(fā)展的重要探索方向,量子計(jì)算具備在原理上遠(yuǎn)超經(jīng)典計(jì)算的強(qiáng)大并行計(jì)算潛力?;诹孔拥寞B加特性,量子計(jì)算就像是算力領(lǐng)域的“5G”,它帶來“快”的同時(shí)帶來的也絕非速度本身的變化。
在強(qiáng)大的運(yùn)算能力下,量子計(jì)算機(jī)有能力迅速完成電子計(jì)算機(jī)無法完成的計(jì)算,量子計(jì)算在算力上帶來的成長,可能會徹底打破當(dāng)前AI大模型的算力限制,促進(jìn)AI的再一次躍升。
量子計(jì)算助力人工智能
從量子計(jì)算的角度來看,量子計(jì)算機(jī)能夠以前所未有的速度處理復(fù)雜任務(wù),這種速度將顛覆傳統(tǒng)計(jì)算的概念。
對于人工智能來說,機(jī)器學(xué)習(xí)模型常常面臨組合優(yōu)化問題,這些問題涉及大量變量和復(fù)雜運(yùn)算。在傳統(tǒng)計(jì)算機(jī)上,即使利用先進(jìn)的AI技術(shù),解決這些問題仍然耗時(shí)且難以找到最優(yōu)解。
但是,將AI與基于量子力學(xué)的量子計(jì)算機(jī)結(jié)合時(shí),這些問題可能在瞬間得到解決,因?yàn)榱孔佑?jì)算機(jī)能夠識別出傳統(tǒng)計(jì)算機(jī)難以捕捉的數(shù)據(jù)模式。也就是說,量子計(jì)算技術(shù)的進(jìn)步能夠進(jìn)一步增強(qiáng)機(jī)器學(xué)習(xí)的效率,從而實(shí)現(xiàn)更高質(zhì)量的泛化能力,這種量子計(jì)算機(jī)和機(jī)器學(xué)習(xí)的交匯,也被稱為量子人工智能(QAI)。
自Peter Shor發(fā)表第一個(gè)量子算法(分解大數(shù)質(zhì)因子量子算法)以來,數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家們就已經(jīng)開發(fā)出其他量子算法來解決經(jīng)典計(jì)算機(jī)難以解決的問題。許多量子算法都比目前已知的最有效的經(jīng)典算法快幾個(gè)數(shù)量級。當(dāng)然,這些算法只有在它們所處的獨(dú)特量子環(huán)境中才能實(shí)現(xiàn)。
實(shí)際上,量子計(jì)算領(lǐng)域的一些最重要的工作就是創(chuàng)建模擬各種量子系統(tǒng)的算法,這些系統(tǒng)從激光技術(shù)到化工醫(yī)學(xué)無所不包。這些量子算法將在很大程度上超過類似的經(jīng)典計(jì)算,而為量子計(jì)算機(jī)賦予超強(qiáng)的計(jì)算能力。
目前,進(jìn)行分子模擬的經(jīng)典算法僅限于它可以模擬的分子類型,這些算法通常只限于自旋軌道少于70個(gè)的分子,并且,由于且模擬的復(fù)雜性增長得非???,以至于變得越來越難以處理。
相比之下,量子計(jì)算機(jī)在進(jìn)行分子模擬時(shí)具有巨大的優(yōu)勢。量子計(jì)算機(jī)中的一個(gè)量子比特可以有效地代表一個(gè)分子中的一個(gè)自旋軌道,而不需要顯式地表示所有自旋軌道。因?yàn)榱孔颖忍乜梢蕴幱诏B加態(tài),一個(gè)量子比特能夠同時(shí)表示多個(gè)狀態(tài),從而可以在較短的時(shí)間內(nèi)模擬多個(gè)自旋軌道的行為。
因此,即使只有較少的量子比特,例如100個(gè),量子計(jì)算機(jī)也可以處理經(jīng)典計(jì)算機(jī)難以處理的大型分子模擬。這些模擬可能揭示各種以前未知的化合物,并為各種疾病提供新的治療方法。
量子算法除了為量子計(jì)算機(jī)的無限潛力,更重要的應(yīng)用是與人工智能結(jié)合,特別是與深度學(xué)習(xí)相結(jié)合。目前,具有代表性的成果包括Google公司在2020年提出的Tensorflow Quantum(TFQ)框架,這是一個(gè)用于量子機(jī)器學(xué)習(xí)的軟件框架,它允許對混合量子經(jīng)典機(jī)器學(xué)習(xí)模型進(jìn)行快速原型設(shè)計(jì)。
今天,在量子硬件系統(tǒng)發(fā)展的同時(shí),量子軟件算法也在快速發(fā)展,包括誕生了許多有趣的量子軟件初創(chuàng)公司,比如Zapata、Riverlane、1Qbit,Quantinuum。而隨著量子硬件變得更加強(qiáng)大和量子機(jī)器學(xué)習(xí)算法的完善,量子計(jì)算或?qū)⒃谌斯ぶ悄苄酒袌錾险紦?jù)重要份額。
可以想象,當(dāng)量子算法真正投入人工智能領(lǐng)域使用,商業(yè)、行政、醫(yī)學(xué)、工程等領(lǐng)域一些最令人沮喪的、棘手的問題都將迎刃而解。在未來,結(jié)合AI和量子計(jì)算的力量,我們有望實(shí)現(xiàn)更高效的導(dǎo)航系統(tǒng)、更先進(jìn)的自動化技術(shù)、更精確的藥物研發(fā)、更準(zhǔn)確的醫(yī)療診斷以及更高效的供應(yīng)鏈管理。