量子計算和人工智能都是變革性技術，人工智能很可能需要量子計算才能取得重大進展。人工智能雖然用經(jīng)典計算機產(chǎn)生功能性應用，但受限于經(jīng)典計算機的計算能力。量子計算可以為人工智能提供計算提升，使其能夠解決更復雜的問題和AGI（通用人工智能）。

什么是量子人工智能？

量子人工智能是使用量子計算來計算機器學習算法。得益于量子計算的計算優(yōu)勢，量子人工智能可以幫助實現(xiàn)經(jīng)典計算機無法實現(xiàn)的結果。

什么是量子計算？

量子力學是一種基于不同于日常生活中觀察到的原理的通用模型。用量子計算來處理數(shù)據(jù)，需要建立數(shù)據(jù)的量子模型。混合量子經(jīng)典模型對于量子計算的糾錯和量子計算機的正確運行也是必要的。

• 量子數(shù)據(jù)：量子數(shù)據(jù)可以被視為包含在用于計算機化的量子比特中的數(shù)據(jù)包。然而，觀察和存儲量子數(shù)據(jù)具有挑戰(zhàn)性，因為疊加 和糾纏等特性使其有價值。此外，量子數(shù)據(jù)是嘈雜的，需要在正確分析和解釋這些數(shù)據(jù)的階段應用機器學習。
• 混合量子經(jīng)典模型：僅在使用量子處理器生成量子數(shù)據(jù)時，極有可能獲得無意義的數(shù)據(jù)。因此，在傳統(tǒng)計算機中常用的CPU和GPU等快速數(shù)據(jù)處理機制的驅動下，出現(xiàn)了一種混合模型。
• 量子算法：算法是導致問題解決的一系列步驟。為了在設備上執(zhí)行這些步驟，必須使用設備設計的特定指令集。與經(jīng)典計算相比，量子計算引入了不同的指令集，這些指令集基于完全不同的執(zhí)行理念。量子算法的目的是利用疊加和糾纏等量子效應來更快地獲得解決方案。

它為什么如此重要？

盡管人工智能在過去十年中取得了長足的進步，但尚未克服技術限制。借助量子計算的獨特特性，可以消除實現(xiàn) AGI（通用人工智能）的障礙。量子計算可用于機器學習模型的快速訓練和創(chuàng)建優(yōu)化算法。量子計算提供的優(yōu)化和穩(wěn)定的人工智能可以在短時間內(nèi)完成多年的分析，并引領技術進步。神經(jīng)形態(tài)認知模型、自適應機器學習或不確定性推理是當今人工智能面臨的一些基本挑戰(zhàn)。量子人工智能是下一代人工智能最有可能的解決方案之一。

量子人工智能是如何工作的？

最近，谷歌與滑鐵盧大學、  ??X??和 大眾汽車公司合作推出了TensorFlow Quantum（TFQ）：一個用于量子機器學習的開源庫 。TFQ 的目的是提供必要的工具來控制和模擬自然或人工量子系統(tǒng)。TFQ 是一套結合了量子建模和機器學習技術的工具的一個例子。

資料來源：谷歌

1. 將量子數(shù)據(jù)轉換為量子數(shù)據(jù)集：量子數(shù)據(jù)可以表示為一個多維數(shù)字數(shù)組，稱為量子張量。TensorFlow 處理這些張量以表示創(chuàng)建數(shù)據(jù)集以供進一步使用。
2. 選擇量子神經(jīng)網(wǎng)絡模型：基于對量子數(shù)據(jù)結構的了解，選擇量子神經(jīng)網(wǎng)絡模型。目的是執(zhí)行量子處理，以提取隱藏在糾纏狀態(tài)中的信息。
3. 樣本或平均值：量子態(tài)的測量以樣本形式從經(jīng)典分布中提取經(jīng)典信息。這些值是從量子態(tài)本身獲得的。TFQ 提供了對涉及步驟 (1) 和 (2) 的多次運行進行平均的方法。
4. 評估經(jīng)典神經(jīng)網(wǎng)絡模型——由于現(xiàn)在將量子數(shù)據(jù)轉換為經(jīng)典數(shù)據(jù)，因此使用深度學習技術來學習數(shù)據(jù)之間的相關性。

評估成本函數(shù)、梯度和更新參數(shù)的其他步驟是深度學習的經(jīng)典步驟。這些步驟可確保為無監(jiān)督任務創(chuàng)建有效模型。

在人工智能中應用量子計算的可能性有哪些？

研究人員對量子人工智能的近期現(xiàn)實目標是創(chuàng)建性能優(yōu)于經(jīng)典算法的量子算法并將其付諸實踐。

• 用于學習的量子算法：開發(fā)用于經(jīng)典學習模型的量子泛化的量子算法。它可以在深度學習訓練過程中提供可能的加速或其他改進。量子計算對經(jīng)典機器學習的貢獻可以通過快速呈現(xiàn)人工神經(jīng)網(wǎng)絡權重的最優(yōu)解集來實現(xiàn)。
• 決策問題的量子算法：經(jīng)典決策問題是根據(jù)決策樹制定的。達到解決方案集的一種方法是從某些點創(chuàng)建分支。但是，當每個問題都過于復雜而無法通過不斷地一分為二來解決時，這種方法的效率就會降低。基于??哈密頓??時間演化的量子算法可以比隨機游走更快地解決由多個決策樹表示的問題。
• 量子搜索：大多數(shù)搜索算法都是為經(jīng)典計算而設計的。經(jīng)典計算在搜索問題上的表現(xiàn)優(yōu)于人類。另一方面，Lov Grover 提供了他的 Grover 算法，并表示量子計算機可以比經(jīng)典計算機更快地解決這個問題。由量子計算驅動的人工智能有望用于加密等近期應用。
• 量子博弈論：經(jīng)典博弈論是一種在人工智能應用中廣泛使用的建模過程。該理論向量子場的延伸就是量子博弈論。它可以成為克服量子通信和量子人工智能實施中的關鍵問題的有前途的工具。

量子人工智能的關鍵里程碑是什么？

盡管量子 AI 是一項不成熟的技術，但量子計算方面的改進增加了量子 AI 的潛力。然而，量子人工智能產(chǎn)業(yè)需要關鍵的里程碑才能成為更成熟的技術。這些里程碑可以概括為：

• 不易出錯且功能更強大的量子計算系統(tǒng)
• 廣泛采用的開源建模和訓練框架
• 龐大而熟練的開發(fā)者生態(tài)系統(tǒng)
• 令人信服的人工智能應用程序，其量子計算優(yōu)于經(jīng)典計算

這些關鍵步驟將使量子人工智能能夠進一步發(fā)展。（??by Cem Dilmegani??）