量子计算机可以在多大程度上帮助开发人工智能?


Answers:


24

量子计算机在矩阵乘法方面非常出色,但有一些限制。量子叠加使每一位是在很多更多的国家不仅仅是0或1,而量子门可以在许多不同的方式摆弄那些位。因此,对于某些应用程序,量子计算机可以一次处理大量信息。

傅里叶变换是这些应用程序之一,它在许多问题(例如信号分析和阵列处理)中很有用。还有Grover的量子搜索算法,该算法可以找到给定函数返回不同值的单个值。如果AI问题可以用适合量子计算的数学形式表示,那么它可以得到极大的提速。足够的加速可以将AI的思想从“理论上有趣但疯狂的缓慢”转变为“一旦我们掌握了量子计算的良好实践就可以了。”


1
除了这个答案,矩阵乘法是当今大多数机器学习应用程序的骨干。如今,任何使用GPU的人明天都可以使用量子计算机,从而使我们更接近AI。
严苛的

2
ML是AI的子集。如果是ML,则深层ML是子集。因此,我们不会通过相乘矩阵来构建任何AI。我们只是从食人鱼这样的尸体中切出最好的碎片。对于出版物,分数可以授予任期和金钱。我真的怀疑实际的AI是否会与矩阵相乘的速度有关。与量子计算机相比,人脑使用无限慢的设备可以毫不费力地产生智能。
Boppity Bop'17

8

在我们可以制造出具有更多量子比特的量子计算机之前,进一步开发人工智能的潜力将一直保持不变。

D-Wave(在2015年左右刚刚制造出2,000+量子比特系统)是一种绝热量子计算机,而不是通用量子计算机。它仅限于某些优化问题(据报道,其理论的发起者之一怀疑其有效性)。

假设我们可以构建一个32量子位的通用量子计算机(据我所知,它是当前模型的两倍)。这仍然意味着只有2 32种可能性存在。这个空间足够小,可以针对许多问题进行详尽的探讨。因此,也许没有那么多的问题可以解决任何已知的量子算法(例如ShorGrover)对于该位数的问题。


“ D-Wave(在2015年左右刚刚制造了2,000+量子比特系统)”这一说法充其量是令人误解的。请注意,D-Wave声称使用糖尿病量子退火来创建计算机。该计算模型与其他量子计算模型明显不同。例如,我不知道Shor和Grover是否在此模型上工作!因此,谈论“ 2,000+量子位”有点误导:模型中我们关心量子位计数的计算机作为当前边界大约有50量子位。
离散蜥蜴

还应注意,有些专家不相信糖尿病量子退火可以对模拟退火的经典计算技术做出重大改进。
离散蜥蜴

4

量子计算机可以帮助进一步开发AI算法并以我们的创造力和定义问题的能力来解决问题。例如,破坏加密可能需要几秒钟,而对于标准计算机而言,这可能需要数千年的时间。与人工智能相同,它可以预测算法定义的给定问题的所有组合。这是由于量子位的多个状态的叠加。

当前,量子计算机仍处于开发的早期阶段,可以执行复杂的计算。Google和NASA已经使用了诸如D-Wave系统之类的技术来进行复杂的数据分析,使用Multi-Qubit型量子计算机来解决感兴趣的NSE流体动力学问题或出于军事目的进行全球监视,还有许多其他技术,没意识到。

当前只有少数量子计算机可供公众使用,例如IBM Quantum Experience(世界上第一个通过IBM Cloud交付的量子计算平台),但是它是在量子逻辑门级进行编程的,因此我们在创建人工智能方面落后了很多年。向公众开放。有一些量子计算语言,例如QCL,Q或Quipper,但是我不知道任何可以提供人工智能框架的库。这并不意味着它不存在,而且我敢肯定,大型公司和政府组织正在将其用于议程以促进竞争(例如金融市场分析等)。


1

直接回答您的问题:-

量子计算和AI相交的领域称为量子机器学习

  1. AI是一个发展中的领域,具有一定的背景(LISP声名远播的ala McCarthy)。

  2. 量子计算是一个未经开发的原始领域。

特定类型的复杂性与另一种复杂性相互作用以创建非常丰富的字段。

现在结合(1)和(2),您将面临更大的不确定性。在此答案中将探讨技术细节。

Google在一个简单的视频中介绍了量子计算:Google和NASA的量子人工智能实验室


身体

IBM是一个权威机构:-

IBM:Quantum Computers可能有用,但我们不知道怎么做

量子机器学习是一个有趣的现象。该领域研究了量子计算与机器学习之间的交集。

https://en.wikipedia.org/wiki/Quantum_machine_learning

“虽然机器学习算法用于计算大量数据,但量子机器学习通过创造机会对量子态和系统进行分析,从而智能地提高了这种能力。” 维基百科的贡献者。—“量子机器学习。” 维基百科,免费百科全书。维基百科,《免费百科全书》,2019年10月7日。网站。2019年10月11日。


技术镜:-

有关实现的这一特殊部分值得注意:

https://en.wikipedia.org/wiki/Quantum_machine_learning#Implementations_and_experiments

“ ...对数据的依赖是一种强大的培训工具。但是它带有潜在的陷阱。如果对机器进行培训以发现和利用数据中的模式,那么在某些情况下,它们只会使特定于种族,性别或阶级偏见的存在永久化。当前的人类智力。

但是,机器学习固有的数据处理工具也具有生成可以改善人类生活的应用程序的潜力。“智能”机器可以帮助科学家更有效地检测癌症或更好地了解心理健康。

到目前为止,机器学习的大部分进步都是古典的:机器用来学习的技术遵循古典物理学的定律。他们从中学习的数据具有经典形式。运行算法的机器也是经典的。

我们在量子机器学习的新兴领域工作,该领域正在探索称为量子力学的物理学分支是否可以改善机器学习。从根本上说,量子力学与经典物理学不同:它处理概率并出于不确定性而制定原理。量子力学也将物理学扩展到包括有趣的现象,而这些现象不能用经典的直觉来解释。...“ —“解释器:什么是量子机器学习及其如何帮助我们?”。Techxplore.Com,2019年,https://techxplore.com/news/2019-04-quantum-machine.html


商业应用和实际用途


进一步阅读:-


0

与量子计算机,量子力学和量子数学一起将改变人工智能的未来。

由于目前的计算成本和限制,超级发明的复数用法受到限制,许多统计问题和算法都在排队等待处理并投入生产,由于当前的计算误差很大,Quantum计算机无法解决它,Quantum数学不会死,特殊的计算逻辑将来解决这个问题,更多可用信息

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.