人工智能现在和未来_ 量子计算+人工智能，在未来会碰出怎样的火花？
经过几十年的研究，量子计算机现在比所有其他计算机都有更强的计算能力。人们通常认为量子计算机的杀手级应用可以分解大量数据——这对现代加密技术至关重要但是至少还需要十年才能实现。然而，目前基本的量子处理器已经能够满足机器学习的计算要求。量子计算机可以一步处理大量数据，找到传统计算机无法识别的细微模式，并且在遇到不完整或不确定的数据时不会堵塞。“量子计算和机器学习固有的统计特性之间有着天然的结合你可能认为量子机器学习系统应该非常强大，但是这个系统实际上似乎患有某种闭锁综合征。量子机器学习系统处理量子态，而不是人类能够理解的数据。量子态和数据之间的转换将使系统原有的优势消失。就像，苹果手机X的原始参数和性能非常强大，但是如果网络信号太差，它会像老式手机一样慢。在某些特殊情况下，物理学家可以克服输入和输出障碍，但是这些情况存在于真实的机器学习任务中吗？答案仍然未知无论是传统神经网络还是量子神经网络，它们的主要任务都是识别模式受人脑启发，神经网络由基本计算单元(即“神经元”)组成每个神经元都可以被视为一个开关设备一个神经元可以监控许多其他神经元的输出，就像投票一样。如果有足够多的神经元被激活，这个神经元就会被激活。通常，神经元的排列是分层的初始层导入输入，中间层生成不同组合的输入，最后一层生成输出应该注意的是，神经元之间的连接需要通过重复实验来调整，而不是预先确定的。例如，将带有“小猫”或“小狗”标签的图像输入神经网络网络将为每个图像分配一个标签，以检查匹配是否正确，如果不正确，则调整神经元连接。首先，网络的预测是随机产生的，但其精度会越来越高。经过10，000次训练后，网络将能够识别图像中的宠物。正常的神经网络可能有10亿个神经元连接，所有这些都需要调整。量子计算机在执行操作时可以利用量子系统的指数性质量子系统的大部分信息存储容量不是由单个数据单元——量子比特(相当于传统计算机中的比特)实现的，而是由量子比特的共同属性实现的。这两个量子位有四种连接状态:开/开、关/关、开/关、关/开每个连接状态都被赋予代表一个神经元的特定权重或“幅度”。三个量子位可以代表八个神经元四个量子位可以代表16个神经元机器的计算能力呈指数级增长。事实上，神经元分布在整个系统的各处。当处理4个量子位状态时，计算机可以一步处理16个数字，而传统计算机一次只能处理一个
让系统解决问题
到目前为止，我们只在4位计算机上实现了基于量子矩阵代数的机器学习。量子机器学习在实验中取得的大多数成功采用了不同的方法:量子系统不仅是网络的模仿，而且是网络本身。每个量子位代表一个神经元虽然这种方法不能使计算机利用指数性质带来的优势，但它可以使计算机利用量子物理的其他特性。运行量子系统时，必须首先施加水平磁场。这个磁场可以将量子位预设为上下相等的叠加，相当于空白状态。有几种方法可以输入数据。在某些情况下，您可以将一层量子位固定在预期的输入值。然而，在大多数情况下，输入应该被导入量子位的交互范围。然后让量子位相互作用一些量子位排列在相同的方向，一些量子位排列在相反的方向。在水平磁场的作用下，它们会转向它们选择的方向。通过这样做，这些量子位可以触发其他量子位翻转由于许多量子位不对齐，许多回合将在开始时发生。翻转停止后，您可以关闭水平磁场并将量子位锁定在固定位置。此时，量子位处于上下叠加状态，这可以保证输出与输入相对应。许多神经科学家现在认为人类思维的结构反映了身体的需求，事实上机器学习系统也包含了无数的东西。这些系统处理的图像、语言和大多数其他数据来自现实世界，这些数据反映了世界的各种特征。同样，量子机器学习系统包罗万象，它反映了一个比我们大得多的世界。毫无疑问，量子机器学习系统将在处理量子数据方面拥有巨大的荣耀。当数据不是图像，而是物理或化学实验的产物时，量子计算机将展示它们的威力。如果数据输入问题得到解决，传统的计算机将被彻底淘汰。神经网络和量子处理器有一个共同点:它们实际上是可以实现的训练神经网络绝不是理所当然的事。在过去的几十年里，大多数人质疑这是否可行。同样，很难说量子物理能否用于计算，因为我们对它的独特能力知之甚少。然而，神经网络和量子处理器都已经实现。尽管它们并不总是被实现，但它们仍然超出了我们的预期。考虑到这一点，量子物理和神经网络的结合可能会在未来点燃不同的火花！