炙手可熱的人工智能到底和量子計算什么聯(lián)系？

高層速讀

關鍵信息：利用量子系統(tǒng)的特性進行矩陣運算，量子計算可以指數(shù)級加速數(shù)據(jù)處理速度，且量子處理器不會因數(shù)據(jù)的不完整或不確定性而受到影響，但目前應用量子計算受到數(shù)據(jù)輸入和存儲問題等的限制。

關鍵意義：如果量子計算機功能足夠強大，計算速度也足夠快，將可以徹底改變機器學習應用的許多領域，在藥物研究、生命科學、個性化的健康狀況預測等方面也將提供強有力的技術支撐。

量子機器學習（Quantum ML）是一個結(jié)合量子物理和機器學習（ML）的跨學科領域，在這個領域里，由于量子計算極限的計算力和獨特的計算方式等特性，可以對需要處理大量數(shù)據(jù)的人工智能實現(xiàn)加速。

人工智能借助傳統(tǒng)計算機發(fā)展而來，而關于傳統(tǒng)計算機與量子計算機之間的關系，計算機科學碩士Reena Shaw曾舉了一個生動的玉米迷宮案例。

為了找到迷宮的出口，經(jīng)典計算機會選擇一條路進行試探，遇到障礙后原路返回，之后重新選擇一條路進行試探，如此重復，直到找到出口。這種方法行動直接，但耗費時間。相比之下，量子計算機“解鎖了神奇的并行性。它們同時探尋玉米迷宮中的每一條路”。

因此，量子計算機可以指數(shù)級減少解決問題的步驟，在數(shù)據(jù)集太大，比如搜索圖像或視頻內(nèi)容時，量子計算能夠讓人工智能的各方面（比如機器學習）變得更加強大。

量子計算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行交互，從而“連接”在一起形成量子矩陣。量子計算機能夠利用量子系統(tǒng)的指數(shù)性質(zhì)進行矩陣運算，這也是量子計算的特性。例如，當量子計算機在四個量子比特的狀態(tài)下工作時，一次能夠處理16個數(shù)字，而一臺傳統(tǒng)計算機則必須逐個處理這些數(shù)字，這使得量子計算的能力得以展現(xiàn)。但目前，基于量子矩陣的機器學習算法僅在僅有四個量子位的機器上得到了驗證。

2. 所需數(shù)據(jù)量更小

眾所周知，訓練算法模型需要大量的數(shù)據(jù)集才能使機器變得更聰明，可很多情況下數(shù)據(jù)是不夠的，比如罕見疾病等的數(shù)據(jù)。對此，深度學習領域推出了「遷移學習」來解決這個問題，而在量子計算領域，只需要將最有特性的數(shù)據(jù)進行輸入，保留最具有鑒別性的量，便可以簡化量子處理器的最終選擇，使其順利完成任務。

目前，初級量子處理器完全能夠匹配機器學習的需求，這種計算機通過對數(shù)據(jù)的操作，解析出傳統(tǒng)計算機無法識別的細微模式，并且不會因數(shù)據(jù)的不完整或不確定性而受到影響。

3. 處理能力強

無論是傳統(tǒng)神經(jīng)網(wǎng)絡還是量子神經(jīng)網(wǎng)絡，其主要工作都是識別模式。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)構的各種輸入組合，而最后一層則產(chǎn)生諸如關于圖像的高級描述等輸出內(nèi)容。

▲神經(jīng)網(wǎng)絡結(jié)構圖

至關重要的是，這種結(jié)構并不是事先確定的，而是在反復試驗的過程中進行相應調(diào)整。比如在處理10000個學習樣例后，神經(jīng)網(wǎng)絡能夠達到更好的效果。一個大型神經(jīng)網(wǎng)絡可能有十億個互連，所有這些都需要在訓練中進行反復調(diào)整。

在經(jīng)典的計算機上，所有這些互連都由一個巨大的數(shù)字矩陣表示，運行神經(jīng)網(wǎng)絡實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。但是沒有什么能夠像量子計算機一樣處理矩陣。

4.量子系統(tǒng)更易模擬神經(jīng)網(wǎng)絡

迄今為止有關量子機器學習的大部分實驗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;它本身就是網(wǎng)絡。每個量子比特代表一個神經(jīng)元。雖然這種設備還缺乏取冪的強大運算力量，但像其也可以利用量子物理的其他特性。

應用量子計算并非易事

量子計算雖可加速機器運算，但應用量子計算也有一些限制條件，比如數(shù)據(jù)輸入問題。在量子計算機中的數(shù)據(jù)需要在量子狀態(tài)下運行，而非在人類可讀的數(shù)據(jù)上進行操作，兩者之間的轉(zhuǎn)換可能會破壞掉量子計算的優(yōu)勢，這是風險之一。另外，如果無法將數(shù)據(jù)上傳至量子計算機，處理器的性能再好也沒有什么用處。

輸入數(shù)據(jù)之后，另一個難題是數(shù)據(jù)的存儲。在昨日的推送中我們也提到過，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)下維持很短的時間，同時還不能影響正在進行的計算。

雖然現(xiàn)階段還存在困難，但世界各國的研究團隊已經(jīng)把很多不可思議變?yōu)榱爽F(xiàn)實。如果量子計算機功能足夠強大，計算速度也足夠快，將可以徹底改變機器學習應用的許多領域。

不僅是機器學習，根據(jù)現(xiàn)在的預測，量子計算會對藥物研究、生命科學領域提供強大的技術支撐。對于我們普通人來講，個性化的健康狀況預測和疾病預測以及個性化的治療方案，這些問題都將在量子面前迎刃而解。

如果量子計算機的能力達到一定程度，可以幫助人們進行這種預測，指導研究人員對轉(zhuǎn)基因食品進行風險預測和DNA結(jié)構優(yōu)化，甚至還可以為人們設計出以前自然界并不存在的、而你想要的新食品。

新加坡國立大學的人工智能研究者zhao表示：“我們可能在未來三到五年內(nèi)，真正使用由實驗主義者研制的硬件來進行有意義的量子計算，并在人工智能中應用。”

當數(shù)據(jù)不再是圖像，而是物理或化學實驗的產(chǎn)物時，量子機器將應對自如。

微信搜索【AI商業(yè)報道】，獲取國內(nèi)外AI巨頭最新動向及行業(yè)資訊！

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。