量子计算和人工智能:飞跃还是遥远的梦想?

译文 精选
服务器 芯片
人工智能技术虽然足够好,但是对于算力提出了更高的要求。因此,我们需要寻求更加先进的技术,例如量子计算,以此来提高算力。

近年来,人工智能 (AI) 取得了长足的进步,其工具和算法不但可以分析数据、识别模式并做出预测,而且其分析的准确性也得到了大幅的提升。然而,问题出现了:人工智能技术虽然足够好,但是对于算力提出了更高的要求。因此,我们需要寻求更加先进的技术,例如量子计算,以此来提高算力。

一、人工智能正在创造价值

人工智能已经在医疗保健、金融、交通和娱乐等各个领域证明了它们存在的价值。机器学习算法可以处理大量数据,并随着时间的推移进行学习和改进。深度学习是机器学习的一个子集,它使得神经网络能够识别模式并高精度地做出决策。不难发现,人工智能已经成功地解决了很多复杂的问题,并且正在不断演进。

此外,随着技术的发展,人工智能已经易于各个行业和领域使用且。它们能够在传统计算机上运行。由于这些计算机得到了广泛使用,并且价格相对便宜,因此可以非常方便的让用户部署各种应用程序,为企业和社会带来直接利益。既然人工智能如此优秀,也许就不需要量子计算机的帮助了。

二、量子飞跃:潜力与挑战

量子计算经常被吹捧为人工智能的下一个重大事件。量子计算机可以同时处理大量的数据和应用,能够加速人工智能算法并更有效地处理更大的数据集,从而产生更加强大的人工智能模型。

波士顿咨询集团最近的一项研究发现,生成式人工智能、基础人工智能和横向人工智能领域的量子市场潜力为 50B 至 100B 美元,几乎影响所有行业。据 BCG 称,人工智能将能够防止欺诈和洗钱,并且推动智能汽车的发展,还将存在数十亿美元的机会。

然而,目前的量子计算仍处于起步阶段。当今,量子计算机的量子位数量有限,维持其量子状态(称为相干性)是一项重大挑战,这也限制了可以执行计算的复杂性。

此外,由于量子计算机并不是传统计算机的升级,因此它们需要全新的算法。例如,传统的机器学习模型(例如神经网络)是通过根据输入数据调整参数(权重和偏差)来进行训练的,旨在最小化模型预测与实际输出之间的差异。复杂的模型具有数百万或数十亿个参数,并通过梯度下降的过程进行调整,以此来确定改变参数导致最小化的差异。

然而,测量或估算量子计算机中的梯度异常困难,尝试在量子计算机上使用传统算法注定会失败。因此,采用量子计算机就需要全新的算法。虽然量子计算的前景广阔,但由于开发这些算法是一项复杂工作,因此目前仍处于早期阶段。据悉,一种称为“储层计算”的新型机器学习算法,正在利用独特的量子特性,在分类和预测应用中取得良好结果。

三、量子计算和生成模型

目前,量子计算机所擅长的领域之一是生成随机数。

在传统计算机中,随机数是使用算法或从某些外部随机源(如大气噪声)生成的,这些数字并不是真正随机的:如果我们知道算法及其初始条件,就可以预测所有算法将生成的数字。相比之下,量子力学的核心原理——叠加——量子计算机可以生成真正的随机数。叠加表明,一个量子比特可以同时存在于多种状态,并且在测量时,结果本质上是随机的。

生成建模是一种无监督机器学习方案,可以从这种随机性中受益。量子计算机可以创建很难复制的统计相关性,使其成为该应用的理想选择。这种生成模型可用于解决许多问题,例如投资组合优化,其中生成模型试图复制算法发现的高性能投资组合,从而杜绝投资组合的风险,因此相比传统算法发现的风险低得多。实际上,类似的用途已被建议用于药物发现的分子生成,甚至工厂车间的调度。

四、量子计算和人工智能的未来

尽管存在很多挑战,量子计算在人工智能领域的潜力仍然巨大。量子机器学习可以在更短的时间内对更大的数据集进行分类,而量子神经网络可以以传统神经网络无法做到的方式处理信息。

虽然现有的人工智能对于当今的许多应用来说功能强大且实用,但量子计算代表了一个新领域,有可能推进该领域的发展。然而,由于量子计算仍然处于早期阶段,因此使用用量子计算的道路是漫长且充满挑战的。量子计算机可能还需要一段时间才能变得更强大,并准备好在人工智能中广泛使用。在那之前,企业的重点是最大限度地发挥现有人工智能的优势,同时继续探索量子计算提供的令人兴奋的可能性。

原文标题:Quantum Computing and AI: A Leap Forward or a Distant Dream?

原文作者:Yuval Boger

责任编辑:张诚
相关推荐

2023-05-29 16:57:06

2020-09-24 16:40:20

人工智能量子计算技术

2024-01-03 16:19:04

2021-11-18 22:36:07

人工智能量子计算机器学习

2022-09-08 08:53:01

人工智能量子计算

2022-08-22 14:44:02

人工智能量子计算算法

2013-05-17 09:45:20

2022-07-26 11:46:55

量子计算人工智能

2020-09-30 10:40:56

人工智能AI

2022-06-23 12:37:37

人工智能物联网边缘计算

2018-01-02 08:23:32

量子计算人工智能

2018-02-06 12:24:56

人工智能量子计算机器学习

2023-07-21 11:49:47

2022-11-28 14:43:15

2023-12-26 17:27:10

2017-06-26 14:59:23

2013-01-04 10:46:57

CIO评选

2023-12-26 18:07:07

2018-08-07 09:56:56

2022-11-11 12:09:38

点赞
收藏

51CTO技术栈公众号