智東西 文 | 漫修遠(yuǎn)
（本文投稿，首發(fā)智東西。）
編者按：量子計算機和人工智能有什么關(guān)系？提前劇透一下，量子計算機天然的帶有機器學(xué)習(xí)的屬性，將更有利于推進(jìn)人工智能的發(fā)展。再考慮到量子計算機海量的數(shù)據(jù)處理能力，即便是模仿人類的神經(jīng)網(wǎng)絡(luò)的各種互動，也會比現(xiàn)有計算技術(shù)擁有更多優(yōu)勢。然而人工智能想要超過人類，終究是一個極其復(fù)雜的命題。一起來看一看作者的思路吧。
如果能時光穿越，智庫也許不會錯誤地將美國兩次拉入伊拉克戰(zhàn)爭！更不會有ISIS猖獗和今日中東亂戰(zhàn)！因為有了量子計算機，這個能并行運算分析復(fù)雜系統(tǒng)問題并輔助決策的“神器”！
首先回顧下公眾號“jcibas”雙11刊曾預(yù)測過的答案，這個超越的時間點將是2045年。（如下圖）
我們套用用量子計算的思維解答“人工智能將超人類”問題，下文得到的是一堆近似的答案，我們將進(jìn)行探討。
量子計算方式的突破性革命，人工智能將如虎添翼！量子計算更靠譜、更聰明、處理能力更強、更具自我學(xué)習(xí)、自我編程能力?！捱h(yuǎn)
量子計算的多樣性答案和高置信度特性——更靠譜的計算
量子計算的特性就是不確定性。沒錯，只有一堆的最佳解決方案才是復(fù)雜系統(tǒng)的匹配方案。量子計算返回多個答案，其中一些可能是你正在尋找，另一些則不是。這初看像是壞事，但返回答案越多，意味著計算機的置信水平越高！換言之，即更靠譜。
量子計算機的高運算處理能力——運算硬實力
現(xiàn)在的計算機畢竟是二進(jìn)制的（俗稱經(jīng)典比特），一遇到比較復(fù)雜的建模，像準(zhǔn)確預(yù)測天氣，預(yù)測更長時間后的天氣等等，就會很費力費時；
量子計算D-Wave 2X 系統(tǒng)，在1000個量子比特時，能同時搜索2∧1000（2的1000次方）個可能的方案！可以同時一起展開“并行計算”，從而使其具備超高速的運算能力。
量子計算機能自我學(xué)習(xí)——更聰明的計算
量子計算也被稱為AI co-processors （人工智能協(xié)處理器），非常適合人工智能AI及機器學(xué)習(xí)。
機器學(xué)習(xí) machine learning 即授于計算機研究世界并不斷從經(jīng)驗中學(xué)習(xí)的能力。它是人工智能領(lǐng)域的一個分支。
通常，我們編寫的代碼中的大部分都是相當(dāng)靜態(tài)的，即給定新數(shù)據(jù)，它仍將執(zhí)行相同的計算，一遍又一遍，并作出相同的錯誤結(jié)果。
使用量子計算機器學(xué)習(xí)，系統(tǒng)可以設(shè)計程序，修改自己的代碼，機器可以不斷學(xué)習(xí)新的方法來處理它之前未遇到過的數(shù)據(jù)。
比如傳統(tǒng)的計算機去無法識別它之前從未接觸的新圖像，因根據(jù)傳統(tǒng)的計算架構(gòu)，設(shè)計遵循非常嚴(yán)格的邏輯推理。而量子計算機的處理器就非常適合此類需要先質(zhì)疑，后決策的高級任務(wù)！
形象點比喻，相當(dāng)而言，傳統(tǒng)計算是「一根筋」，而量子計算是「活腦筋」。
AI機器學(xué)習(xí)通常按已知的算法即監(jiān)督學(xué)習(xí)法supervised learning algorithm進(jìn)行的。下圖所示谷歌AI實驗室在2013年采用了512量子比特的系統(tǒng)，主要應(yīng)用于幫助科學(xué)家建立更有效而精確的的AI模型，用于諸如從語音識別、網(wǎng)頁搜索到（生物化學(xué)的）蛋白質(zhì)折疊（模擬）。
到本月8日，運用1000個量子比特的D-Wave 2X系統(tǒng)谷歌試驗室的聲明，證實了量子計算比傳統(tǒng)計算最高快一億倍的事實。
量子計算機能自我編程——與時俱進(jìn)的運算
量子計算通過允許編寫自己的能量程序，讓系統(tǒng)調(diào)整能量程序直到上圖所有標(biāo)簽顯示是正確為止。這也被稱為“訓(xùn)練”或“學(xué)習(xí)”階段。
注：能量程序 energy program 如下圖所示，是量子計算特有的。
即量子在運算之初未定性狀態(tài)到運算接受的定性狀態(tài)的程序。
注：圖中的'-1’和'1’是例舉開關(guān)燈游戲里的數(shù)值，ON = +1 ； OFF = -1
量子比特計算羅斯定律增速>經(jīng)典比特計算摩爾定律增速——當(dāng)1億被忽略不計
量子位數(shù)量每年翻番”的別稱是羅斯定律，這是用定律的提出者D-Wave的創(chuàng)始人羅斯名字命名的定律。（謹(jǐn)慎起見，我們也稱之為羅斯假設(shè)）
視頻中，我們看到，量子計算基本按照每年翻倍的速度持續(xù)增長。
而摩爾定律是：集成電路芯片上所集成的電路的數(shù)目，每隔18~24個月翻倍。
如果羅斯假設(shè)成立，以2015年1000個量子比特芯片，每年翻倍的話，按量子計算方法論，我們得出可能的眾多答案之一：
2015年1000個，2016年2000個，2017年4000個，2018年8000個，2019年16000個，2020年32000個，2021年64000個，2022年128000個，2023年256000個，2024年512000個，2025年1024000個，2026年2048000個...到2026年約2百萬個量子比特芯片誕生。屆時，量子計算機能同時提供2∧2048000個解決方案，這個數(shù)字足以撐爆小編PC的計算器。
2∧204≈2.57*10^61
2∧2048≈3.23*10^616
2∧20480≈1.24*10^6165 （PC機計算機算到此爆表）
作者推斷2∧2048000≈ 1后面約有61萬個0，我們常用的大計數(shù)單位'億’，1后面8個0，根本可忽略了。
最后我們團隊的數(shù)學(xué)工程師Fishy Yu，編制了開發(fā)者小程序，給出了確切答案：2∧2048000≈ 2.69848*10^616509
歡迎來到量子計算的疆域，其實也意味著您已進(jìn)入一個海量數(shù)字的世界！
工程師Fishy Yu，一開始還詫異，做什么項目需要算這么大的數(shù)字? 是啊，目前這個傳統(tǒng)計算的世界，接觸這類海量數(shù)字的機會并不多。
當(dāng)然，羅斯假設(shè)的正確性，是否需要修正，有待時間檢驗。以上也只是數(shù)學(xué)推斷。也是眾多量子計算最佳答案之一，如年份和量子比特數(shù)量順序錯開，可能得出2030年得到2∧2048000量子比特芯片等多種答案。
推論至此，量子計算運用于仿生計算機的應(yīng)用呼之欲出！
仿生計算機的提出是為了解決如何構(gòu)建大規(guī)模人工神經(jīng)網(wǎng)絡(luò)的問題。傳統(tǒng)計算的CPU/GPU處理神經(jīng)網(wǎng)絡(luò)效率低下，如谷歌大腦的1.6萬個CPU運行7天才能完成貓臉的無監(jiān)督學(xué)習(xí)訓(xùn)練。谷歌大腦實現(xiàn)模擬人腦的突觸數(shù)量僅為100億個，而實際的人腦突觸數(shù)量超過100萬億。采用CPU/GPU的通用處理器構(gòu)建數(shù)據(jù)中心，占地、散熱以及耗電等都是非常嚴(yán)峻的問題。
100萬億，對于量子計算這個1億可被忽略不計的時代，海量數(shù)據(jù)處理根本不是問題，換言之，到那時隨著量子計算系統(tǒng)的不斷自我學(xué)習(xí)迭代程序，人工智能超越人類，也水到渠成了！
最后，從量子計算的視角，讓我們回顧一下2000多年前，老子在《道德經(jīng)》這句名言，
“道生一，一生二
二生三，三生萬物”。
注：文中有關(guān)量子計算事實的描述均引自D-Wave 官網(wǎng)。
