什么是量子人工智能？关于这项遥远技术的一切知识

人工智能现在已经渗透到我们的日常工作流程和日常任务中。可能是人工智能在后台工作，就像双子座跨 Google 产品的集成，或者您可能会更直接地与流行的内容生成器（例如 OpenAI 的 ChatGPT 和 Dall-E）互动。在不远的将来迫在眉睫虚拟助理。

好像人工智能本身还不够未来感，现在出现了一个全新的飞跃：量子人工智能。它是人工智能与非常规且仍处于实验阶段的量子计算的融合，成为一种超快速且高效的技术。量子计算机将是肌肉，而人工智能将是大脑。

谷歌量子人工智能实验室创始人 Hartmut Neven 在 12 月的博客文章中写道：“我的同事有时会问我为什么离开新兴的人工智能领域而专注于量子计算。”介绍Willow量子芯片。“我的答案是，两者都将被证明是我们这个时代最具变革性的技术，但先进的人工智能将极大地受益于量子计算。”

以下是基础知识的快速分解，可帮助您更好地了解量子人工智能。

什么是人工智能和生成式人工智能？

人工智能是一种模仿人类决策和解决问题的技术。它的软件可以识别模式，从数据中学习，甚至可以“理解”足够的语言，通过聊天机器人与我们互动，推荐电影或识别照片中的面孔或事物。

一种强大的人工智能类型是生成式人工智能，这超出了简单的数据分析或预测的范围。Gen AI 模型根据训练数据（如文本、图像和声音）创建新内容。思考聊天GPT,达尔-E,中途, 双子座,克洛德和Adobe 萤火虫，仅举几例。

这些工具由大语言模型经过大量数据的训练，使他们能够产生真实的输出。但在幕后，即使是最先进的人工智能仍然受到经典计算的限制——这种计算发生在 Windows 和 Mac 计算机、数据中心的服务器甚至超级计算机中。但到目前为止，二元运算只能满足您的需要。

这就是量子计算可以改变游戏规则的地方。

量子计算

经典计算和量子计算在几个方面有所不同，其中之一是处理。经典计算使用线性处理（逐步计算），而量子计算使用并行处理（一次进行多个计算）。

另一个区别在于它们使用的基本处理单元。经典计算机使用位作为最小的数据单元（0 或 1）。量子计算机使用基于量子力学定律的量子位，又称量子位。由于一种称为叠加的现象，量子位可以同时表示 0 和 1。 

量子计算机可以利用的另一个特性是纠缠。这是两个量子位连接的地方，这样一个量子位的状态就会立即影响另一个量子位的状态，无论距离有多远。 

叠加和纠缠使得量子计算机能够比传统计算机更快地解决复杂问题。传统计算可能需要数周甚至数年才能解决某些问题，而量子计算将解决问题的时间缩短到几个小时。所以 为什么他们不是主流？

量子计算机，在专门构建的基础上运行量子芯片，非常脆弱，必须保持在极低的温度下才能正常工作。它们体积庞大，尚不适合日常使用。尽管如此，公司还是喜欢英特尔,谷歌,国际商业机器公司,亚马逊和微软大量投资于量子计算，并且正在展开使其可行的竞赛。虽然大多数公司没有资金或专业团队来支持自己的量子计算机，但基于云的量子计算服务（例如 亚马逊支架和 Google 的量子人工智能可能是选择。

虽然潜力巨大，但量子人工智能面临硬件不稳定和需要专门算法等挑战。然而，纠错方面的改进量子位的稳定性使其更加可靠。 

当前的量子计算机，例如IBM 的量子系统二号和谷歌的量子机器，可以处理一些计算，但尚未准备好运行大规模人工智能模型。此外，量子计算需要高度受控的环境，因此扩大规模以使其广泛使用将是一个巨大的挑战。

这就是为什么大多数专家认为我们距离完全实现量子人工智能可能还需要数年时间。正如 LDG Tech Advisors 总裁 Lawrence Gasman 为福布斯2024 年初：“量子人工智能还处于早期阶段，对于许多组织来说，现在的量子人工智能可能有点大材小用。”

假设游戏

量子人工智能仍处于早期试验阶段，但它是一项有前途的技术。目前，人工智能模型受到经典计算机能力的限制，尤其是在处理大型数据集或运行复杂模拟时。量子计算可以提供必要的推动人工智能以超快的速度处理大型、复杂的数据集的需求。

尽管未来的实际应用有些推测，但我们可以假设某些领域将从这项技术突破中受益最多，包括金融交易、自然语言处理、图像和语音识别、医疗保健诊断、机器人技术、药物发现、供应链物流、网络安全通过抗量子密码学和自动驾驶车辆的交通管理。

以下是量子计算增强人工智能的其他一些方法：

• 训练大型人工智能模型（例如法学硕士）需要大量时间和计算能力。这是人工智能公司需要庞大的数据中心来支持其工具的原因之一。量子计算可以加速这一过程，使模型能够更快、更有效地学习。量子人工智能模型可能在几天内就可以完成训练，而不是花费数周或数月的时间来训练。
• 人工智能的蓬勃发展依赖于模式识别，无论是图像、文本还是数字。量子计算具有同时处理多种可能性的能力，可以带来更快、更准确的模式识别。这对于人工智能需要同时考虑许多因素的领域尤其有利，例如交易的财务预测。
• 尽管令人印象深刻，但生成式人工智能工具仍然存在局限性，尤其是在创建现实、细致入微的输出时。量子人工智能可以使生成式人工智能模型能够处理更多数据并创建更加现实和复杂的内容。
• 在需要平衡多种因素的决策过程中，例如药物发现或气候建模，量子计算机可以让人工智能同时测试无数可能的场景和结果。这可以帮助科学家以现在所需时间的一小部分找到最佳解决方案。