炙手可熱的人工智能到底和量子計(jì)算什么聯(lián)系？

高層速讀

關(guān)鍵信息：利用量子系統(tǒng)的特性進(jìn)行矩陣運(yùn)算，量子計(jì)算可以指數(shù)級(jí)加速數(shù)據(jù)處理速度，且量子處理器不會(huì)因數(shù)據(jù)的不完整或不確定性而受到影響，但目前應(yīng)用量子計(jì)算受到數(shù)據(jù)輸入和存儲(chǔ)問(wèn)題等的限制。

關(guān)鍵意義：如果量子計(jì)算機(jī)功能足夠強(qiáng)大，計(jì)算速度也足夠快，將可以徹底改變機(jī)器學(xué)習(xí)應(yīng)用的許多領(lǐng)域，在藥物研究、生命科學(xué)、個(gè)性化的健康狀況預(yù)測(cè)等方面也將提供強(qiáng)有力的技術(shù)支撐。

量子機(jī)器學(xué)習(xí)（Quantum ML）是一個(gè)結(jié)合量子物理和機(jī)器學(xué)習(xí)（ML）的跨學(xué)科領(lǐng)域，在這個(gè)領(lǐng)域里，由于量子計(jì)算極限的計(jì)算力和獨(dú)特的計(jì)算方式等特性，可以對(duì)需要處理大量數(shù)據(jù)的人工智能實(shí)現(xiàn)加速。

人工智能借助傳統(tǒng)計(jì)算機(jī)發(fā)展而來(lái)，而關(guān)于傳統(tǒng)計(jì)算機(jī)與量子計(jì)算機(jī)之間的關(guān)系，計(jì)算機(jī)科學(xué)碩士Reena Shaw曾舉了一個(gè)生動(dòng)的玉米迷宮案例。

為了找到迷宮的出口，經(jīng)典計(jì)算機(jī)會(huì)選擇一條路進(jìn)行試探，遇到障礙后原路返回，之后重新選擇一條路進(jìn)行試探，如此重復(fù)，直到找到出口。這種方法行動(dòng)直接，但耗費(fèi)時(shí)間。相比之下，量子計(jì)算機(jī)“解鎖了神奇的并行性。它們同時(shí)探尋玉米迷宮中的每一條路”。

因此，量子計(jì)算機(jī)可以指數(shù)級(jí)減少解決問(wèn)題的步驟，在數(shù)據(jù)集太大，比如搜索圖像或視頻內(nèi)容時(shí)，量子計(jì)算能夠讓人工智能的各方面（比如機(jī)器學(xué)習(xí)）變得更加強(qiáng)大。

量子計(jì)算4大特性加速人工智能

1. 處理速度快

不同的量子比特以磁性方式進(jìn)行交互，從而“連接”在一起形成量子矩陣。量子計(jì)算機(jī)能夠利用量子系統(tǒng)的指數(shù)性質(zhì)進(jìn)行矩陣運(yùn)算，這也是量子計(jì)算的特性。例如，當(dāng)量子計(jì)算機(jī)在四個(gè)量子比特的狀態(tài)下工作時(shí)，一次能夠處理16個(gè)數(shù)字，而一臺(tái)傳統(tǒng)計(jì)算機(jī)則必須逐個(gè)處理這些數(shù)字，這使得量子計(jì)算的能力得以展現(xiàn)。但目前，基于量子矩陣的機(jī)器學(xué)習(xí)算法僅在僅有四個(gè)量子位的機(jī)器上得到了驗(yàn)證。

2. 所需數(shù)據(jù)量更小

眾所周知，訓(xùn)練算法模型需要大量的數(shù)據(jù)集才能使機(jī)器變得更聰明，可很多情況下數(shù)據(jù)是不夠的，比如罕見(jiàn)疾病等的數(shù)據(jù)。對(duì)此，深度學(xué)習(xí)領(lǐng)域推出了「遷移學(xué)習(xí)」來(lái)解決這個(gè)問(wèn)題，而在量子計(jì)算領(lǐng)域，只需要將最有特性的數(shù)據(jù)進(jìn)行輸入，保留最具有鑒別性的量，便可以簡(jiǎn)化量子處理器的最終選擇，使其順利完成任務(wù)。

目前，初級(jí)量子處理器完全能夠匹配機(jī)器學(xué)習(xí)的需求，這種計(jì)算機(jī)通過(guò)對(duì)數(shù)據(jù)的操作，解析出傳統(tǒng)計(jì)算機(jī)無(wú)法識(shí)別的細(xì)微模式，并且不會(huì)因數(shù)據(jù)的不完整或不確定性而受到影響。

3. 處理能力強(qiáng)

無(wú)論是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)還是量子神經(jīng)網(wǎng)絡(luò)，其主要工作都是識(shí)別模式。通常神經(jīng)元排列成層，初始層接受諸如圖像像素等輸入，中間層創(chuàng)建表示圖形邊緣和幾何形狀等結(jié)構(gòu)的各種輸入組合，而最后一層則產(chǎn)生諸如關(guān)于圖像的高級(jí)描述等輸出內(nèi)容。

▲神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

至關(guān)重要的是，這種結(jié)構(gòu)并不是事先確定的，而是在反復(fù)試驗(yàn)的過(guò)程中進(jìn)行相應(yīng)調(diào)整。比如在處理10000個(gè)學(xué)習(xí)樣例后，神經(jīng)網(wǎng)絡(luò)能夠達(dá)到更好的效果。一個(gè)大型神經(jīng)網(wǎng)絡(luò)可能有十億個(gè)互連，所有這些都需要在訓(xùn)練中進(jìn)行反復(fù)調(diào)整。

在經(jīng)典的計(jì)算機(jī)上，所有這些互連都由一個(gè)巨大的數(shù)字矩陣表示，運(yùn)行神經(jīng)網(wǎng)絡(luò)實(shí)際上意味著做矩陣代數(shù)。通常，這些矩陣處理是由諸如圖形處理單元的專用芯片所完成的。但是沒(méi)有什么能夠像量子計(jì)算機(jī)一樣處理矩陣。

4.量子系統(tǒng)更易模擬神經(jīng)網(wǎng)絡(luò)

迄今為止有關(guān)量子機(jī)器學(xué)習(xí)的大部分實(shí)驗(yàn)都采用了不同的方法，其中的量子系統(tǒng)不僅僅模擬神經(jīng)網(wǎng)絡(luò);它本身就是網(wǎng)絡(luò)。每個(gè)量子比特代表一個(gè)神經(jīng)元。雖然這種設(shè)備還缺乏取冪的強(qiáng)大運(yùn)算力量，但像其也可以利用量子物理的其他特性。

應(yīng)用量子計(jì)算并非易事

量子計(jì)算雖可加速機(jī)器運(yùn)算，但應(yīng)用量子計(jì)算也有一些限制條件，比如數(shù)據(jù)輸入問(wèn)題。在量子計(jì)算機(jī)中的數(shù)據(jù)需要在量子狀態(tài)下運(yùn)行，而非在人類可讀的數(shù)據(jù)上進(jìn)行操作，兩者之間的轉(zhuǎn)換可能會(huì)破壞掉量子計(jì)算的優(yōu)勢(shì)，這是風(fēng)險(xiǎn)之一。另外，如果無(wú)法將數(shù)據(jù)上傳至量子計(jì)算機(jī)，處理器的性能再好也沒(méi)有什么用處。

輸入數(shù)據(jù)之后，另一個(gè)難題是數(shù)據(jù)的存儲(chǔ)。在昨日的推送中我們也提到過(guò)，量子比特受自身特性的限制，極不穩(wěn)定，帶有數(shù)據(jù)信息的量子比特只能在平穩(wěn)狀態(tài)下維持很短的時(shí)間，同時(shí)還不能影響正在進(jìn)行的計(jì)算。

雖然現(xiàn)階段還存在困難，但世界各國(guó)的研究團(tuán)隊(duì)已經(jīng)把很多不可思議變?yōu)榱爽F(xiàn)實(shí)。如果量子計(jì)算機(jī)功能足夠強(qiáng)大，計(jì)算速度也足夠快，將可以徹底改變機(jī)器學(xué)習(xí)應(yīng)用的許多領(lǐng)域。

不僅是機(jī)器學(xué)習(xí)，根據(jù)現(xiàn)在的預(yù)測(cè)，量子計(jì)算會(huì)對(duì)藥物研究、生命科學(xué)領(lǐng)域提供強(qiáng)大的技術(shù)支撐。對(duì)于我們普通人來(lái)講，個(gè)性化的健康狀況預(yù)測(cè)和疾病預(yù)測(cè)以及個(gè)性化的治療方案，這些問(wèn)題都將在量子面前迎刃而解。

如果量子計(jì)算機(jī)的能力達(dá)到一定程度，可以幫助人們進(jìn)行這種預(yù)測(cè)，指導(dǎo)研究人員對(duì)轉(zhuǎn)基因食品進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)和DNA結(jié)構(gòu)優(yōu)化，甚至還可以為人們?cè)O(shè)計(jì)出以前自然界并不存在的、而你想要的新食品。

新加坡國(guó)立大學(xué)的人工智能研究者zhao表示：“我們可能在未來(lái)三到五年內(nèi)，真正使用由實(shí)驗(yàn)主義者研制的硬件來(lái)進(jìn)行有意義的量子計(jì)算，并在人工智能中應(yīng)用?！?/p>

當(dāng)數(shù)據(jù)不再是圖像，而是物理或化學(xué)實(shí)驗(yàn)的產(chǎn)物時(shí)，量子機(jī)器將應(yīng)對(duì)自如。

微信搜索【AI商業(yè)報(bào)道】，獲取國(guó)內(nèi)外AI巨頭最新動(dòng)向及行業(yè)資訊！

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。