炙手可熱的人工智慧到底和量子計算什麼聯繫？

高層速讀

關鍵信息：利用量子系統的特性進行矩陣運算，量子計算可以指數級加速數據處理速度，且量子處理器不會因數據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據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）是一個結合量子物理和機器學習（ML）的跨學科領域，在這個領域裡，由於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據的人工智慧實現加速。

人工智慧藉助傳統計算機發展而來，而關於傳統計算機與量子計算機之間的關係，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，經典計算機會選擇一條路進行試探，遇到障礙後原路返回，之後重新選擇一條路進行試探，如此重複，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「解鎖了神奇的並行性。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級減少解決問題的步驟，在數據集太大，比如搜索圖像或視頻內容時，量子計算能夠讓人工智慧的各方面（比如機器學習）變得更加強大。

量子計算4大特性加速人工智慧

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的指數性質進行矩陣運算，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下工作時，一次能夠處理16個數字，而一台傳統計算機則必須逐個處理這些數字，這使得量子計算的能力得以展現。但目前，基於量子矩陣的機器學習演算法僅在僅有四個量子位的機器上得到了驗證。

2. 所需數據量更小

眾所周知，訓練演算法模型需要大量的數據集才能使機器變得更聰明，可很多情況下數據是不夠的，比如罕見疾病等的數據。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據進行輸入，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據的操作，解析出傳統計算機無法識別的細微模式，並且不會因數據的不完整或不確定性而受到影響。

3. 處理能力強

無論是傳統神經網路還是量子神經網路，其主要工作都是識別模式。通常神經元排列成層，初始層接受諸如圖像像素等輸入，中間層創建表示圖形邊緣和幾何形狀等結構的各種輸入組合，而最後一層則產生諸如關於圖像的高級描述等輸出內容。

▲神經網路結構圖

至關重要的是，這種結構並不是事先確定的，而是在反覆試驗的過程中進行相應調整。比如在處理10000個學習樣例後，神經網路能夠達到更好的效果。一個大型神經網路可能有十億個互連，所有這些都需要在訓練中進行反覆調整。

在經典的計算機上，所有這些互連都由一個巨大的數字矩陣表示，運行神經網路實際上意味著做矩陣代數。通常，這些矩陣處理是由諸如圖形處理單元的專用晶元所完成的。但是沒有什麼能夠像量子計算機一樣處理矩陣。

4.量子系統更易模擬神經網路

迄今為止有關量子機器學習的大部分實驗都採用了不同的方法，其中的量子系統不僅僅模擬神經網路;它本身就是網路。每個量子比特代表一個神經元。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。

應用量子計算並非易事

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，比如數據輸入問題。在量子計算機中的數據需要在量子狀態下運行，而非在人類可讀的數據上進行操作，兩者之間的轉換可能會破壞掉量子計算的優勢，這是風險之一。另外，如果無法將數據上傳至量子計算機，處理器的性能再好也沒有什麼用處。

輸入數據之後，另一個難題是數據的存儲。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，極不穩定，帶有數據信息的量子比特只能在平穩狀態下維持很短的時間，同時還不能影響正在進行的計算。

雖然現階段還存在困難，但世界各國的研究團隊已經把很多不可思議變為了現實。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，根據現在的預測，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。對於我們普通人來講，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，指導研究人員對轉基因食品進行風險預測和DNA結構優化，甚至還可以為人們設計出以前自然界並不存在的、而你想要的新食品。

新加坡國立大學的人工智慧研究者zhao表示：「我們可能在未來三到五年內，真正使用由實驗主義者研製的硬體來進行有意義的量子計算，並在人工智慧中應用。」

當數據不再是圖像，而是物理或化學實驗的產物時，量子機器將應對自如。

分享這篇文章

與同仁共同探討AI行業動向

往期文章

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！