提升人工智能效率 量子計算比經典算法節省時間

量子計算機有望提供更強的計算能力。量子計算機提供了另一條增強計算能力的思路。它并行計算的特性，使得它可以一次同時處理多個任務，有望實作計算能力上的超越。

量子計算的算力呈指數級增長

量子計算的核心優勢是可以實作高速并行計算。在計算機科學中，無論經典計算還是量子計算，他們的計算功能的實作都可以分解為簡單的邏輯門的運算，包括:“與”門， “或”門，“非”門，“異或”門等。簡單來講，每一次邏輯門的運算(簡稱操作)都是要消耗一個機關時間來完成。

經典計算機的運算模式通常是一步一步進行的。它的每一個數字都是單獨存儲的，而且是逐個運算。是以對于 4 個數字進行同一個操作時，要消耗 4 機關時間。而量子計算中，一個 2 個量子比特的存儲器可以同時存儲 4 個數字，這裡一個量子态可以代表所有存儲的數字。

科學家通過特定設計對量子态進行一次變換，即可對 4 個數字同時操作，而且隻消耗 1 機關時間。這種變換相當于經典計算的邏輯門，實作了對存儲器中的數字并行運算，這被稱為量子并行計算。可以看到，當量子比特數量越大時，這種運算速度的優勢将越明顯。它可以達到經典計算機不可比拟的運算速度和資訊處理功能。

量子計算機的量子比特數量以指數形式增長，算力将以指數的指數增長。對于量子計算機，在半導體材料和超導材料等領域，科學家也已經積累了數十年的理論與經驗。

現有最有希望的量子計算機方案之一就是低溫超導系統，它涉及了半導體材料與超導材料的應用，主要是基于矽晶體，摻雜一定量的超導材料，實作量子計算。而現有的技術積累将極大促進該方案的發展與快速突破，用更短的時間(相比與經典計算機)實作大規模的商業化應用。

可以看到，量子計算機的量子比特數量以指數增長的形式快速上升，從 2003 年起的 1 位量子比特，到 2013 年 512 位量子比特的計算機，再到 2015 年實作 1000 位量子比特。目前，非通用型量子計算機的已經實作了 1000 位量子比特，在特定算法上(比如模拟退火，一種優化方法)，計算效率比經典計算機要快一億倍。

量子計算機的全球商業化程序加速

量子計算機經過近 40 年的時間的理論研究階段，在 2007 年首次實作硬體方面商業化。目前發展迅速的是非通用型量子計算機，而通用型量子計算機還處于起步階段。我們認為，通用型量子計算機和非通用型量子計算機最終将在市場上共存，并最終共同向經典計算機的市場佔有率發起挑戰。

2007 年，D-wave Systems 實作了曆史上第一台商用量子計算機。宣布研制成功16量子比特的量子計算機——“獵戶座”(Orion)。D-wave 公司的量子計算機是用超導量子器件做成的。所使用量子計算機方式是絕熱量子計算，是将量子計算體系放置在體系的基态，而最終的計算結果就是最後的量子體系的基态。

2011 年 5 月 11 日，該公司正式釋出了全球第一款商用型量子計算機“D-Wave One”，實作了 128 位量子比特。它不是通用量子計算機，并不能運作所有的量子算法。D-wave 實際上是一台量子退打火機 (quantum annealing machine)，在圖像搜尋方面确實具有優勢。

Google 和 NASA 花1000 萬美金買一台 D-wave，共同建立了 Quantum AI Lab。2013 年它研制出的産品D-wave Two，實作了 512 位量子比特，并将其銷售給了 Google，用于 Google 内部的量子計算的相關研發。截止到 2014 年，該公司的累計融資總額達到 1.6 億美元。

量子人工智能算法相比經典算法節省大量時間

與經典計算機不同，量子計算機使用經典算法，将無法實作并行計算。經典計算機的計算核心使用的是中央處理器，是一種基于半導體理論設計的電子晶片，用于串行運算。而量子計算機中，它的計算核心是量子晶片，通過量子的疊加性帶來了并行運算的能力，替代傳統的電子晶片。

可以看到，量子計算機與經典計算機的實體實作的完全不同，如果在量子計算機中使用經典算法的話，那麼量子晶片将和普通電子晶片發揮基本相同的功能，隻能實作串行計算。這是由于設計經典算法時，其設計思想是基于串行運算而得到的，這是經典算法自身的局限性。

需要設計相應的量子人工智能算法，才能實作量子計算的超強算力。這種專門面向量子計算設計的人工智能算法被稱為量子人工智能算法。近些年，在量子人工智能算法研究放面，谷歌開始建立量子人工智實驗室，包括微軟等在做一些人工智能方面的東西。

這幾年開始，甚至在 AlphaGo 出來之前，在學界就已經有一些研究成果。人工智能裡面的分類問題，是大資料中常見的任務，根據已有的資料展現規律，判斷新資料是屬于哪一類。MIT 的研究小組在這方面已經取得了理論進展，實作了相應的量子人工智能算法。相比于經典算法，該量子算法實作了指數級的加速效果。

量子計算提升人工智能效率，拓展應用場景

在很多應用領域，人工智能需要擁有快速處理資料、快速響應的能力。比如智能駕駛等應用場景，對于人工智能的反應速度要求很高。再比如手機上的人工智能系統，對于資料的處理能力要求非常高，沒法做到這麼大量的資料快速傳輸到伺服器端。這些應用場景中，亟需人工智能的硬體系統實作可移動化和快速響應能力。

伺服器、雲計算、量子計算是人工智能算力發展的必經階段

随着人工智能對硬體計算能力的需求不斷提升，人工智能從單機或者小型伺服器模式，逐漸轉型為雲計算模式。目前，随着人工智能應用的發展，單機或者小型伺服器模式的兩個劣勢逐漸顯現。

一方面，這種模式可提供的算力達到了一個瓶頸階段，已無法滿足人工智能對算力的需求;

另一方面，這種模式是一次性采購的，對于使用者的資金壓力較大，并且後期維護成本不低，需要自己搭建相應的軟體環境。現階段一種主要的解決方案思路是将人工智能應用或者服務放在雲端，運用雲計算平台提供更加優質廉價的人工智能服務。主要的優點是可以按照實際需求來購買計算能力，随時滿足現階段的應用需求。另一方面是付費模式相對彈性，按照使用狀況來逐次結算費用，減輕資金壓力。

随着資料量的急劇增長，量子計算的革命性算力才能滿足人工智能的需求。資料量的增長速度是呈指數級變化的。在摩爾定律近乎失效的情況下，基于現有的計算能力，在如此龐大的資料面前，人工智能的訓練學習過程将變得無比漫長，甚至完全無法實作最基本的功能。

而量子計算機的量子比特數量以指數形式增長，也就是每兩年翻一番。又因為量子計算的特點，其計算能力是量子比特數量的指數級，是以最終随着不斷發展，其算力将以指數的指數增長。這個增長速度将遠遠大于資料量的增長，為資料爆發時代的人工智能帶來了強大的硬體基礎。

實際應用:量子計算可用于大資料搜尋

在大資料中進行快速搜尋，這是一項适用于量子計算的計算任務。經典算法隻能是一個 接一個地搜尋，直到找到所要的目标為止。比如從 N 個未分類的客戶中尋找出某個特定的客戶，這種算法平均地講要尋找 N/2 次，才能以 1/2 的機率找到。然而這樣的搜尋效率十分低下，對于各種大資料的應用場景基本不存在應用價值。

量子計算時代将拓展人工智能應用場景

從伺服器到雲計算，人工智能的應用場景得到了極大的拓展，我們認為量子計算也将拓展人工智能的應用場景。我們認為，人工智能的發展存在三個階段:伺服器時代、雲計 算時代、量子計算時代。其中量子計算時代為人工智能帶來的颠覆，除了計算能力方面，更重要的是極大地增加了應用場景。

原文釋出時間為：2017-05-22

本文作者：OFweek中國高科技門戶

本文來源：

cnBeta

，如需轉載請聯系原作者。