量子计算是人工智能的未来吗？

在我们达到数字二进制计算机的极限之后，量子计算已经吸引了计算机科学家的想象力，作为该学科的一个可能的未来。由于它能够在“量子状态”中保存许多不同的可能结果，量子计算有可能为机器学习和人工智能问题带来巨大的计算升级。然而，关于量子计算仍有许多悬而未决的问题，目前尚不清楚这些设备是否有助于推动企业人工智能投资浪潮。

我们在 1950 年代首次出现的二进制计算机系列方面做得非常好，现已发展成为当今价值数万亿美元的 IT 部门的基础。仅用两位和三个布尔代数运算符，我们就创建了巨大的数据处理机器，这些机器已经自动化了许多手动任务，并对我们周围的世界产生了巨大影响。从基本的会计和供应链路由到飞行控制计算机和了解基因组，计算机对我们现代生活的影响很难夸大。

但是当我们接近经典二进制计算机可以做的极限时，量子计算机出现了(尚未实现)计算能力巨大升级的承诺。量子计算不再局限于 1 和 0 上的布尔线性代数函数，而是允许我们在量子位或量子位上使用线性代数，量子位由数字、向量和矩阵组成，在量子状态中相互作用，包括叠加、纠缠和干涉。

量子计算为解决非常大而复杂的计算问题打开了大门，而这些问题在传统计算机上基本上是不可能解决的。这包括使用蛮力方法来猜测用于使用 256 位算法加密一段数据的密码。使用 AES-256 加密的数据被认为是安全的，因为它不能被蛮力攻击破解(这是可能的，但使用当前技术需要数千年的时间，这使得它几乎不可能)。但随着量子计算机具有计算多种可能状态的能力，解决此类问题现在将触手可及。

Google Sycamore 量子处理器(图片来源：http://lf.dyrs.com.cn/story/202112/1170736?source=wx)

另一个例子是旅行商问题。给定多个地理位置，找出其中最有效的路径实际上是一个计算密集型的问题。UPS 为其送货卡车花费了数十亿美元的燃料，为了最大限度地延长送货时间并尽量减少燃料使用，它甚至限制了司机左转的次数，这使它成为旧旅行商问题的一个有趣的转折.

这将我们带到了机器学习和人工智能。机器学习的最新化身深度学习正在突破传统计算机处理能力的极限。大型的 Transformer 模型，例如 OpenAI 的 GPT-3，它有 1750 亿个参数，在经典计算机上需要几个月的时间来训练。随着未来模型增长到数万亿个参数，它们将需要更长的时间来训练。这就是用户采用新型微处理器架构的原因之一，这些架构可提供比传统 CPU 甚至 GPU 更好的性能。

但归根结底，CPU 和 GPU 与经典的二进制计算机以及它们所带来的限制有关。量子计算机为一系列用例提供了性能和能力飞跃的可能性，人工智能绝对是其中之一。

AIMultiple 的行业分析师 Cem Dilmegani将量子人工智能定义为使用量子计算来运行机器学习算法。“由于量子计算的计算优势，量子人工智能可以帮助实现经典计算机无法实现的结果，”迪尔梅加尼写道。

Oxford-Quantum-Circuits 的量子计算机(来源：http://lf.dyrs.com.cn/story/202112/1170949?source=wx)

在这一领域采取行动的早期量子计算机制造商之一是谷歌。2020 年 3 月，谷歌推出了 TensorFlow Quantum，将 TensorFlow 机器学习开发库带入了量子计算机世界。借助 TensorFlow Quantum，开发人员将能够开发在量子计算机上运行的量子神经网络模型。

虽然在量子计算机上运行 AI 应用程序仍处于早期阶段，但有许多组织正在努力开发它。美国宇航局与谷歌合作已有一段时间，国家实验室也在开展工作。

例如，上个月，洛斯阿拉莫斯国家实验室的研究人员发表了一篇名为“量子卷积神经网络中不存在贫瘠高原”的论文，该论文基本上表明卷积神经网络(通常用于计算机视觉问题的类型)可以在量子计算机上运行.

“我们证明了一种特殊类型的量子神经网络不存在贫瘠的高原，”共同撰写该论文的 LANL 研究员 Marco Cerezo 在 LANL 新闻稿中说。“我们的工作为这种架构提供了可训练性保证，这意味着人们可以通用地训练其参数。”http://lf.dyrs.com.cn/story/202112/1170823?source=wx

LANL 研究人员看好量子人工智能算法在计算能力方面提供下一个突破的潜力。LANL 的量子物理学家、该论文的合著者 Patrick Coles 表示，这种方法将产生处理大量数据的新方法。

“量子机器学习领域还很年轻，”科尔斯在 LANL 新闻稿中说。“关于激光有一句名言，当它们第一次被发现时，它说它们是寻找问题的解决方案。现在到处都在使用激光。同样，我们中的许多人怀疑量子数据将变得高度可用，然后量子机器学习将起飞。”

今年早些时候，IBM Research 宣布它发现了量子机器学习的量子优势的“数学证明”。证明以分类算法的形式出现，该算法提供了对“经典数据”的访问，与经典 ML 方法相比，提供了“可证明的指数加速”。尽管该声明有很多警告，但它提供了对量子人工智能可行的潜在未来的一瞥。

IBM 量子计算机(来源：http://lf.dyrs.com.cn/story/202112/1171016?source=wx)

可以肯定的是，每当两种大肆宣传的技术——人工智能和量子计算——结合在一起时，就会有很多疑问。IBM 在其 2021 年 7 月的博客中表示：“计算机科学中很少有概念能像量子机器学习一样引起如此多的兴奋——而且可能与炒作和错误信息的潜力一样大。”

虽然量子人工智能似乎具有潜力，但这种潜力尚未实现。从好的方面来说，似乎至少有理由乐观地认为，我们的未来可能会出现真正的突破。

“怀疑论者是正确的，因为量子计算仍然是一个研究领域，距离应用于神经网络还有很长的路要走，”迪尔梅加尼写道。“然而，十年后，由于计算能力不足，人工智能可能会进入另一个高原，而量子计算可能会崛起以帮助人工智能的进步。”

现在判断量子计算领域是否会对人工智能的发展产生重大影响还为时过早。我们仍处于量子计算领域所谓的“嘈杂中级量子”或 NISQ 之中。肯定有许多有希望的发展，但仍有太多未解决的问题。