極客網·極客觀察10月17日最近幾年,在科技圈,人工智能和量子計算一直是兩大炒作熱點。無數人宣稱它們將改變世界,但實際成果卻難以令人滿意,尤其是在量子計算領域。
受人工智能浪潮的推動,曾經沉寂的量子計算可能會迎來新的高光時刻。更有趣的是,人工智能和量子計算正在走向融合。當前人工智能產業存在一些痛點,量子人工智能或許會成為最理想的解決方案。
有了人工智能,人類可以建造更強大的量子計算機;藉助優化算法實時糾錯,量子機器或許會離現實更近一步。在複雜的人工智能任務中,量子處理器具備天然優勢,例如為人工智能模型生成合成數據。
量子計算仍處於早期實驗階段
許多人將量子計算的發展劃分為三個階段:
——第一代(2023–2032年):實驗階段
目前的量子計算處於第一代實驗階段,谷歌、IBM和AWS是這一領域的領頭羊。例如,谷歌開發的Willow芯片完成一項任務只需5分鐘,而經典計算機則需要10的24次方年。但谷歌所說的突破仍停留在概念層面,尚未證明其商業價值。
——第二代(2030–2038年):實用階段
進入第二階段,量子計算機將變得實用並具備商業可行性。屆時,量子系統能夠解決優化和模擬問題,工具更加易用,技術廣泛落地。
——第三代(2035–2045年):成熟階段
此時量子計算走向成熟,擁有完善的生態系統,並融入企業流程。
儘管潛力巨大,但目前外界對量子人工智能仍存疑慮,主要因為宣傳炒作過多,實際應用寥寥無幾。量子人工智能還面臨諸多挑戰,例如硬件不穩定、需要專用算法等。儘管大家普遍認為,隨着糾錯技術的進步和量子比特穩定性的提升,其可靠性將增強,但目前的進展仍缺乏說服力。
IBM Quantum System Two和谷歌量子系統是行業代表,雖已研發多年,但仍無法運行大型AI模型。正因如此,多數專家才斷言:「人類距離完全實現量子人工智能還需要多年時間。」
LDG科技諮詢公司總裁勞倫斯・加斯曼去年曾表示:「量子人工智能仍處於起步階段,對許多機構而言,現在談論量子計算人工智能為時過早,甚至沒有必要。」
不過,科技巨頭已開始佈局,量子AI計算或許會加速發展。作為人工智能領域的領頭羊,英偉達最近突然進入量子計算領域。Craig Hallum分析師理查德・香農(Richard Shannon)表示:「他們此前一直沒有涉足,這一點讓我有些意外。」
對於量子計算,英偉達CEO黃仁勳的態度也一直在變化。今年1月,他稱實用型量子計算機還需15至20年才能實現;到了3月,他收回這一觀點;6月,他又表示量子計算的拐點已經到來,未來幾年有望解決一些實際問題。
就目前而言,量子計算對英偉達的AI客戶幫助有限。PsiQuantum首席科學家皮特・沙德博爾特(Pete Shadbolt)指出:「量子計算與人工智能在某種程度上截然相反。AI之所以強大,是因為它能從海量數據中學習規律;而量子計算機討厭數據,偏愛精準。」
支持者認為,量子計算有望開啓全新計算範式。GPU能夠通過並行計算解決大量簡單問題,量子計算不同,它可以解決少量複雜但有價值的問題,二者並不衝突。
谷歌量子人工智能實驗室研究員黃新元(Hsin-Yuan Huang)認為,對於量子力學系統的模擬問題,經典計算機無法應對。量子力學描述的是物理基礎理論,這些問題不是靠堆疊GPU就能解決的。
如果有一天量子計算機投入運行,英偉達將佔據核心位置。沒有大量經典計算的支持,量子計算機無法運行,例如,控制量子計算機、糾錯以及分析結果都依賴於經典計算機。
量子計算與AI結合的前景展望
英偉達已與谷歌量子計算AI(Google Quantum AI)展開合作,模擬量子處理器的物理原理,旨在理解並減少「噪音」。所謂「噪音」,指的是困擾量子硬件、限制計算運行時長的誤差。例如,原本需要一週完成的模擬,現在僅需幾分鐘即可完成。
訓練大型AI模型需要耗費大量時間與算力,因此科技企業爭相建設數據中心。如果部署量子計算機,模型的學習進化速度將會更快。傳統訓練需要數週甚至數月,而量子計算機可能只要幾天就能完成。
在模式識別領域,無論是圖像還是文字,量子計算機可以同時分析多種可能性,從而提高準確率和識別速度。
此外,當前生成式AI工具輸出的內容仍然不夠細膩和真實。量子人工智能可以讓模型處理更多數據,增強真實感,使細節更加豐富。
如果量子計算機真能與人工智能完美融合,互為助力,將有望幫助人類解決許多難題,例如欺詐檢測、數據合成、材料研究、藥物研發、碳捕獲等。這些難題若用經典計算解決,不僅耗時漫長,甚至可能難以真正突破。
安永(EY)全球首席創新官喬・德帕(Joe Depa)指出,人工智能對電力的需求極為龐大,未來如果量子增強算法成熟,有望大幅降低訓練能耗,不過目前這種設想仍停留在推測階段。
從基礎設施的角度看,人工智能與量子計算存在本質差異。人工智能可以依託現有云架構實現規模化部署,而量子計算需要極端低溫環境和專用設施。IBM已嘗試將量子處理器整合到超算設施中,也就是將經典計算與量子計算融合,但類似項目仍處於試點階段。企業不願投資量子基礎設施,因為應用尚未得到驗證;如果沒有完善的基礎設施,應用又無法驗證——這形成了一個死循環。
衆所周知,人工智能存在「黑箱」問題,其得出結論的過程人類難以理解。量子計算同樣存在「黑箱」問題,且更為嚴重。量子態在測量過程中本質上是無法被完全知曉的,這並非技術限制,而是量子力學本身的特性所決定的。如果將量子計算與人工智能結合,得出結論的過程可能會變得更加不可知。
總之,當前量子AI計算仍處於早期探索階段,理論潛力巨大但現實應用有限,技術瓶頸與基礎設施仍是主要挑戰。(小刀)