量子计算是人工智能的前景吗？

ASP站长网由于量子计算能够在“量子态”中容纳许多不同的可能结果，它有可能为机器学习和人工智能问题提供一个巨大的计算升级。然而，围绕量子计算仍有许多未解之谜，而且尚不清楚这些设备是否有助于企业人工智能投资的建设浪潮。
 
 
 
在20世纪50年代首次出现的二进制计算机发展成到今天已经成为价值数万亿美元的IT(信息技术)行业的基础。仅仅用两个比特位(bit)和三个布尔代数运算符，我们就创造了巨大的数据处理机器，使许多手工任务自动化，并对我们周围的世界产生了巨大的影响。从基本的会计和电子商务到飞行控制计算机和了解基因组，计算机对我们现代生活的影响巨大。
 
但是，当我们接近经典二进制计算机的极限时，量子计算机出现了，带来(尚未实现的)计算能力的巨大提升。量子计算不再局限于1和0上的布尔线性代数函数，而是允许我们在量子或量子位上使用线性代数，这些量子位由数字、向量和矩阵组成，在量子态中相互作用，包括叠加、纠缠和干涉。
 
量子计算打开了一扇门，潜在地解决了传统计算机无法解决的非常庞大和复杂的计算问题。比如使用“蛮力”方法猜测由256位算法加密一段数据的密码。使用AES-256加密的数据被认为非常安全的，因为它不能被暴力破解。但随着量子计算机计算多种可能状态的能力，解决这类问题将触手可及。
 
量子计算是人工智能的未来吗？
——谷歌Sycamore量子处理器
 
另一个例子是旅行推销员问题。给定一些地理位置，找出其中最有效的路径实际上是一个经典的计算密集型问题。花费数十亿美元为货运卡车加油的联合包裹公司(UPS)甚至限制了司机左转的次数，试图最大限度地缩短送货时间，减少燃料消耗。
 
这让我们想到了机器学习和人工智能。机器学习(ML)的最新形式——深度学习(DL)正在挑战传统计算机的能力极限。大型Transformer模型，如OpenAI的GPT-3，它有1750亿个参数，需要几个月的时间在传统计算机上训练。随着未来的模型成长为数以万亿计的参数，它们将需要更长的时间来训练。这就是为什么用户采用新型微处理器架构的原因之一(延展阅读：超大芯片吸引2.5亿美元新资金)，这种架构提供了比传统CPU甚至GPU更好的性能。
 
但是所有这些，包括CPU和GPU是与经典的二进制计算机捆绑在一起的，有先天限制。量子计算机为一系列用例的性能和能力提供了量子飞跃的可能性，人工智能肯定是其中之一。
 
量子人工智能定义为使用量子计算运行机器学习算法。多亏了量子计算的计算优势，量子人工智能可以帮助实现传统计算机无法实现的结果。
 
谷歌是最早涉足这一领域的量子计算机制造商之一。2020年3月，谷歌推出了TensorFlow Quantum，将TensorFlow机器学习开发库带入量子计算机的世界。通过TensorFlow Quantum，开发者将能够开发在量子计算机上运行的量子神经网络模型。