人工智慧的下一個飛躍：量子計算機與人工智慧的結合

發明了單光子和單原子量子計算機的Founders Fund 首席科學家Aaron VanDevender、整合併發展前沿科技為用戶提供人工智慧領域最先進解決方案的IBM 研究院副院長Robert Sutor、開創了個人區域網（PAN），將計算、儲存和網路資源虛擬化並互連的D-Wave 公司CEO Vern Browenll，今天齊聚EmTech China峰會，共同探討量子計算未來的發展藍圖，這場討論由中國科學技術大學中科院量子信息和量子科技前沿卓越中心陸朝陽教授主持，以下是整理後的內容：

陸朝陽：我想代表觀眾問一下，要如何定義量子計算機，因為有許多的觀眾，他們第一反應是普適的計算機才能算作量子計算機。對於你們來說量子計算機是一種普適性計算機還是一種非普適的量子模擬器？另一方面，如果你有足夠的資金，你們會投資普適型量子計算機還是量子模擬器？

圖 | 陸朝陽

Aaron VanDevender：其實量子計算機已經有大多數人能接受的定義，其也有一些標準上的變化，同時有一些技術方面進展是大家有目共睹的。我覺得量子計算機應該能夠以量子計算的形式維持多年的運轉，有比特這樣的特性。可以說，量子計算機的計算模型是不同於常規計算機有所不同的模型。

我們已經設計出相關的模型，這些模型可以在演算法設計的過程中優化量子計算機的性能，從而我們可以知道努力的方向在哪裡，尤其是在工程建設方面。當然這存在爭議，比如到底是退火器還是模擬器更適用於量子計算機？我覺得重點在於，過去這些計算機的機器模型中並沒有一個完美的代表，不管是iPhone還是雲服務的所有計算系統，都是一種基於理論研究結果的抽象概念。但是，同樣重要的是，尤其是針對計算機科學方面的開發商而言，是需要知道有沒有真實的環境設置從而引導計算機的實踐。

量子計算機在實踐中，一定要能夠做一些有用的事情，如能夠告訴人們我們所生活的世界是什麼樣的，因此我覺得這些爭論是不重要的。Robert Sutor：首先，選擇對你有用的信息，謹慎對待一些理想化的論點。因為每個人都有基於自己本身情況想要的演算法從而找到合適的計算機。我剛才在我的演講中也提到了，而我比較支持普適型的模型。

非常重要的是，量子計算機如何能夠顯示出我們現有的是什麼？可能過去兩三年里，有一些人做了很多不切實際的承諾，比如未來我們能夠進一步提高它的量子位數，或者2017年可以達到什麼目標。但現在還是與先前一樣。因此我們要能夠認清現實，在剛才提出的門模型基本上接近於落地階段了。我們結合了常規意義上的計算機演算法和量子演算法，使得這樣的模型具有一定的執行能力。但我們還需要做很多努力來確保其在糾錯方面有更高的效率，而且能夠有效提高量子位。因為量子位的數量，會影響到它的連接性，同時量子位的質量也能夠幫助我們解決很多的問題。所以，我想說的是，你先要做好自己的事。

Vern Browenll：關於這個量子計算機，其優勢就是可以很好地利用量子比特。可能有些人會有不同的角度，企業也會選擇量子計算機的一些能力，如為速度更快地為企業提供一些有用的應用，這才是應用量子計算機的競爭力所在。

老實說，2014年時也做了一些有爭議的決定，比如說出台了我們自己的退火器，我不知道創始人為什麼做這樣的決定，但是我是比較支持他們的決定的，相對於像IBM這樣的一些巨頭公司我們是也有一定的競爭力的，我們也有自己的機器，當然這樣的過程也是很困難的。首先，在引進這樣的一台量子計算機時，你要知道他對你的業務和公司有什麼樣的作用。正如剛才前面一位嘉賓所說的，許多時候承諾是美好的，但是你有了量子計算機，你買了之後，是不是真的給你帶來它所承諾的效果？有一些研究人員也想要把這個量子計算機和雲服務結合起來，獲得更好的一些效率，我覺得這個問題要從現實的角度去考慮。

陸朝陽：第二個問題，你們覺得量子計算機商業化應用會是什麼？可以就你們自己的企業談一談，它到時候會帶來什麼樣的影響，市場規模有多大？我們之前談到了很多原型機器，是不是可以從原型機器的角度說？

Vern Browenll：首先，我們的興趣點是人工智慧和量子計算的結合，這不只是關於如何提高神經系統網路或者說人工智慧如何改善它的機器學習，又或者說在退火器、量子計算方面單獨做出改善。在演算法和剛才提到的一些方面，甚至昨天探討的技術領域都需要提升，和人工智慧合作是非常重要的領域，我們需要非常好機器學習團隊和演算法團隊共同合作。

圖 | Vern Browenll

另外，我們還需要投資銀行的支持，有一些專門的模擬器，我們可能通過引用的一些技術，做這些風險模型的設計和分析，而這是需要與企業合作的。從本質上來說，量子計算機比常規的計算機體系更有效率的和計算空間。之前我舉到關於優化的問題，每個地方如醫藥行業、金融行業、生物製藥行業等領域都會遇到演算法優化的問題。我們的客戶也一樣，希望通過量子計算技術解決優化問題。

Robert Sutor：我基本上同意，各個領域和學科是緊密結合的，如化學生物學的基礎，是醫藥學的基礎，也是蛋白質材料的基礎，所以我們要著眼於長遠的未來。很多年前，如果人們沒有電腦，是無法實現我們今天的成就。後來我們有了一些新的發現，如在藥物發現方面取得了成績。同時我們也希望計算機可以做更多的事情，現在我們就在利用材料計算實現更多的成就，對於每個人來說，這都是有利益的事情。

但是量子計算的關鍵是夠代表大量的數據，並且比常規的計算機更有效率。舉個例子，早上提到的分子模擬模型可以提醒你要要喝咖啡了，但是它也需要有很多的電子和質子作為技術基礎，而且它也需要10—48個比特作為支撐，這些數字有多大？這個數字意味著什麼？科學家預測，地球上的原子數量基本上佔了總的10%—49%。所以想像一下，這個比例和我們的分子模型很相像的，這個體量很大，是沒有辦法和它競爭，只能做一個粗略的估算。但是可以利用量子位做一定的表達的，比如剛才提到的門模型，有數以千計的量子位，我們正在嘗試做這方面的技術突破，我們不斷地提到自然是數字化的，可能不應該有0和1這樣簡單地表達方式，也會需要有一定的優化。

我想強調的是，量子計算機是一個跨學科的行業，我們有物理學家、計算機科學家、數學家，這些人能夠找到這些真正地解決方案。量子計算機領域甚至需要一些金融行業的定量和分析家，來幫助我們覆蓋到所有領域的計算並與我們一起合作來設置新的演算法，這樣才能夠實現這種有價值的量子計算機。這樣量子計算機才能做為一個平台幫助更多的人。

Aaron VanDevender：我非常同意剛才提到的關於化學是物理學等跨學科的合作，因為處理一些複雜的數據不是一件簡單的事情。我們往往會先著手於一些簡單的目標，首先我們的研究是需要資金支持的，比如90年代的時候，我們剛開始從事演算法研究的時候是需要資金，但是量子演算法可能會影響到更多人。

圖 | Aaron VanDevender

所以量子計算的價值是不可估量的，對於許多政府或者是智庫，他們都願意投很大的錢來研究量子計算。想要獲得成果並且實現商業化，是需要非常龐大的演算法。儘管我們的研究人員做出了很多的努力，也有一些量子計算機的產生，但是對於量子計算機仍具有很高的期望，我也非常期待量子化學或者是其他的一些跨學科的領域能夠共同合作才能夠帶來真正的演算法的創新。

陸朝陽：第三個問題是針對Vern Browenll提的，您提出50量子位的IBM的機器，有什麼作用？您剛才談到所謂的超級模型，好像對谷歌提出的模型不是很感興趣，但是這個50量子位的機器要實現的目標是什麼？是有更多地演算法可以在上面運行對嗎？

Vern Browenll：這是一個原型，我們可以運用其做一些基礎的計算，最開始發展的時候，我們有一個5和6量子位的計算機，後來從17開始作為下一代的量子計算機，到20，再到50。其實20—50之間是一個新的架構。在去年11月份發表我們發表的相關文章後，我們在IBM內部也積累了很多的經驗，而且整個的流程在整個內部都很清楚的。我們不光覺得50是一個重大的量級的轉變，本質上想了解如何操作這種大型的計算機。

此外，我們期待這些晶元能夠有重大的飛躍，我們希望晶元能夠給我們帶來一些體積微小的同時還能有更好的體驗。但是現在不一樣了，因為整個量子位不像晶元一樣可以無限地縮小、無限地加晶體管，因為需要別的零部件和演算法同步，才能夠再進行下一次量子位的升級。所以，我覺得我們還要等很多的時間，要等等每個量子位的升級。大家可以閱讀我們發表的一些文章和技術參數，包括從1位到5位、7位、17位、20位到現在，是怎麼在上面做實驗的，以及相關一些成果和進展。

陸朝陽：我有一個相關的問題，在IBM內部，這種超導的最大數是什麼？量子糾纏最大的數據，分子糾纏是多少？

Robert Sutor：我們沒有公開討論過這個數據，不方便。明年你們再邀請我來討論這個數據。

圖 | Robert Sutor

我們基本上是按做乘法的效率在進行更新，只是整個過程要花很多時間去不斷的優化，同時不要讓成本走的太高。很多人聽到這個概念的時候，覺得非常有意思，因為好像量子可以和各個領域都進行結合，包括我自己，原來是個數學家，從數學領域來看，我們要做的就是從理論數學到實踐數學再到工程學。理論是不斷進化的，現在有一些新的物理的理論，也有一些新的數學理論，如我剛剛舉過一個例子叫模擬，就是其中一個理論的突破。我們所看到的量子計算機是很美好的，因為沒有哪一種計算機可以超越它，但是如果出現任何要去解釋技術上的背景的話，一定要建立一個新的量子系統開始理解。

陸朝陽：最後一個問題，現在提到了一些量子軟體、量子比特這些概念，這種量子軟體和傳統的軟體有什麼差別？我們一般用幾個量子位來理解量子軟體，但是量子硬體就不一樣了，因為硬體非常昂貴，它需要很多量子比特，對一個完整的硬體系統，因為我們覺得軟體硬體的差別非常明顯，尤其是和傳統的軟體相比，所以我們想問一下關於軟體方面的差別？

Aaron VanDevender：首先，在軟體方面最大的差別是要突破傳統的固定思維。不是做一些空間的分解，而是要了解量子糾纏再做一些空間的解讀。

Robert Sutor：我想這更多的是理論層次的探討。傳統來說，你可以把一些傳統的演算法，運用在量子計算機上。但是沒有必要這麼做，因為這會極大的減少速度，沒有任何意義。而量子軟體是非常特殊的，我覺得這就是差別吧。從基礎開始講，計算模型是顛覆的，我覺得軟體工程師可以從現在開始了解量子計算的基礎理念。工具是需要不斷地優化，計算機、手機上的軟體是越來越好的。我覺得這些軟體開發的工具，也將越來越好，但還是有問題，比如量子計算機的這些代碼還沒有跟上。一旦跟上這會帶來更多的機遇，如新的語言和內存管理等。

Vern Browenll：我也同意，我們向我們的客戶提供了不同層級選項的系統，有低的像機器語言層，用量子位源去匹配一些低源的設計，但是慢慢地我們想在計算機信息站上面不斷地往上挪，包括要真正採用到一些量子糾纏，整個的量子位源鋪開。我覺得傳統的技術和量子的技術肯定是不一樣的，因為基礎層可以用基礎的技術，但是高層的話就不能用這些傳統的技術了。人們的一些編程的技術中，如TensorFlow系統和谷歌的開源系統，你可能還不知道你在使用量子計算機，單這只是打開的一個新的算式和模型而已。我覺得高層的模型就一定是需要做量子，只是用戶不清楚而已。我們也會非常謹慎地去考慮量子計算所帶來的一些複雜性。這是我的一些觀點。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！