量子技术与人工智能:同时进化的双生子

诞生于 1965 年的摩尔定律,对二十世纪后半叶的世界经济增长做出了巨大贡献,并驱动了一系列科技创新和经济增长。摩尔定律预测集成电路上晶体管的数量每两年翻一倍,但现在很多专家已经认为摩尔定律最多还能适用 10 年,因为受原子尺寸(大约为 0.1 纳米)限制,晶体管不可能无限地变小。摩尔定律到达瓶颈后,提升算力的方式只能靠增加芯片数量,而这是一种低效的算力增长模式。

随着晶体管大小接近纳米级,电子的运动将不再遵循牛顿运动定律,这就进入到我们常说的另外一种科学——量子科学的范畴。当前,量子计算正在如火如荼发展,谷歌等行业领导者急于率先推出一款可行的量子计算机,它将比今天的计算机强大得多,能够处理更加庞大数据和解决日益复杂的问题。那么量子计算会给当下蓬勃发展的人工智能什么样的改变呢?

每天全人类会产生 2.5 艾字节的数据(2.5×106tb),这相当于 250000 个国会图书馆或 500 万台笔记本电脑的内容。每天 32 亿全球互联网用户持续产生新数据:包括 35 万条推特,420 万 FB 点赞,再加上其他通过拍照、拍视频、保存文档、创建账户等产生的更多数据。据称,到 2020 年全世界的数据总量会达到 44 ZB,也就是人均 5200GB。

越大体量的数据对人工智能来说越有利,越有可能达成有效的结果推导,但如果数据达到一定体量,经典计算就难以带动了。而量子计算的处理能力会随着量子位的增加而指数增加,这个增长速度能够超越人类数据增长速度。像 D-Wave 2X 这样的 1000 位量子计算系统,能同时搜索 2∧1000 个可能的方案,具备超大体量计算的能力,符合人工智能开启全面数据学习的算力要求。一旦成功研制出商业上可行的量子计算机,能在几秒钟内完成今天计算机几千年的计算量。人工智能,特别是依赖大规模数据处理的机器学习技术,将大大受益于量子计算,从而产生无限可能。

此外,量子计算机能够以较小的硬件体积和能耗进行大体量运算。Alpha GO 大战李世石时,谷歌动用了 1920 个 CPU 和 280 个 GPU,虽然效果显著,但设备和能源消耗未免太大,很难有广泛应用的空间。而如果使用量子计算,则可以把硬件体积和能耗大大降低,有利于人工智能技术的通用化。

人工智能要运用到大量的数据接收和处理,但 0 和 1 的经典计算却始终只能进行单一向计算,给人工智能的深度发展带来了巨大不便。而在量子计算的法则下,量子叠加性使并行运算成为现实,系统能通过并行计算不断学习处理之前从未遇到的新数据,给人工智能不断实现自我进化提供了近乎「水和空气」的基础。在解决复杂数据集问题时,量子计算的优势将更加显著。量子计算能够同时访问数据库中的所有项,搜索庞大未分类的数据集,并以极快的速度发现规律或异常。如果利用经典计算机遍历搜索,则会非常耗费时间,一旦数据集过大则很有可能永远都算不完。

经典类型的采样能通过引入量子现象的偶发性(如量子隧道,穿过障碍传递量子信息)达到加强的效果,从而找到高质量的解决方案。MIT 和 Google 的联合研究发现,量子人工智能算法可以加速特征提取过程,以另一种方式促进一场数据采样革命,并优化我们遇到的各种问题——从投资组合分析到计算最佳运输路线,甚至帮助确定每一个病人的最佳治疗方案和药物治疗方案。理论上,理想的量子电路可以比普通计算机更快地对更大概率分布范围进行采样,计算表明即使是相对小电路的高保真量子门也可以对经典架构无法触及的概率分布进行快速采样。

如何校准大规模量子计算机,验证量子计算机的计算结果,是困扰科研人员的难题,因为量子计算模拟的是微观世界中量子的叠加与纠缠,这种模拟可行运算逻辑的正误用一般的运算机根本无从检验。人工智能技术可以实现对量子计算的自校准评估,所以量子计算驱动的人工智能可以回头帮一下量子计算,通过多元推导的方式检视量子计算的过程与结果。所以说,人工智能和量子计算似乎是一对不得不同时进化的双生子。

本文来自企鹅号 - 踢围媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

惊艳!Facebook未来十年愿景!

288100
来自专栏AI科技大本营的专栏

YC 孵化器新兴技术系列(一):如何进入自然语言处理领域

【AI100 导读】本系列的每一篇文章都会为大家介绍一种新兴的技术,并且教大家如何入门相关的技术领域。本篇文章是为想进入 NLP 领域的人准备的。 我们很高兴能...

29050
来自专栏新智元

【大脑被控】研究人员成功操控特定神经元群,可编辑人类感觉和记忆

20450
来自专栏吉浦迅科技

当HPC遇到AI

作者:Shahin Khan, OrionX 翻译:GPU世界 高性能(HPC)和人工智能(AI)的结合正创建一个充满活力的新市场:“高性能人工智能”(HPA...

40890
来自专栏新智元

机器学习奠基人、AAAI 前主席Thomas Dietterich:AI发展四大挑战 (35PPT)

【新智元导读】AAAI 前主席 Thomas Dietterich 10 月 18 日 在自动化学会与新智元携手举办的首届世界人工智能大会 AI WORLD 2...

33840
来自专栏AI科技评论

关于机器学习,你所知道的,可能都是错的

虽然机器学习已经成为一个高频名词,但是对于大众而言,它依然是一个遥不可及乃至模糊不清的概念。为此,著名投资人 Benedict Evans 在自己的博客上发表博...

11220
来自专栏AI科技评论

业界 | 德勤预测:机器学习走向移动端成大势所趋,或将再掀行业新浪潮

日前,德勤全球发布了《2017科技、传媒和电信行业预测》报告,其中涉及到生物识别、5G网络、数字化变革、平板电脑发展趋势研究等多项内容。其中在《边缘“大脑”:机...

407150
来自专栏新智元

功率密度成深度学习设计难题,数据中心市场展现新机遇

【新智元导读】设计计算机系统来执行深度学习算法,以及构建数据中心基础设施来为这些系统供电和冷却,是一个日益凸显的难题。功率密度和互联可能是数据中心系统中深度学习...

38880
来自专栏新智元

【AI 复始,万象更新】2017 年机器学习技术&市场预测 Top 10

【新智元导读】在新年来临之际,新智元向你推荐 bigML 网站 2017 开年特稿,文章引用权威报告、著名媒体报道等各种数据,从投资、创业、人才、工作内容、竞争...

292100
来自专栏Android 开发者

人工智能时代,如何做设计?

76380

扫码关注云+社区

领取腾讯云代金券