计算智能是人工智能_ 量子计算+人工智能，在未来会碰出怎样的火花？

经过数十年的研究，量子计算机现在的计算能力超过了其他所有的计算机。 量子计算机杀伤水平的应用被认为可以因数分解数量——对于现代的密码技术很重要。 但是，要做到这一点至少需要十年时间。 然而，当前的基本量子处理器可以满足机器学习的计算需求。 量子计算机可以进一步处理大量数据，找到传统计算机无法识别的微妙模式，即使遇到不完整的数据和不确定的数据也不会被卡住。 “量子计算和机器学习固有的统计学性质之间存在着自然的结合。

你可能认为量子机器学习系统很强大，但实际上这个系统好像患了某种闭锁综合症。 量子机器学习系统处理的是量子状态而不是人类能理解的数据，量子状态和数据互转换丧失了系统本来的优势。 iPhone X的x原本的参数和性能似乎很强，但是因特网的信号不好的话会和旧手机一样慢。 在某些特殊情况下，物理学家能够克服输入输出障碍，但这些情况是否存在于现实的机器学习任务中？ 答案仍然未知。

量子神经元

传统神经网络和量子神经网络的主要任务都是识别模式。 在人脑的触发下，神经网络由基本的计算单元“神经元”构成。 每个神经元都可以看作是开关设备。 一个神经元，像投票选举那样，可以监视其他神经元的输出，只要有足够多的神经元被激活，那个神经元就会被激活。 通常，神经元的排列是层状的。 初始层导入输入，中间层生成不同组合形式的输入，最终层生成输出。 应该注意的是，神经元之间的连接需要经过反复试验来调整，不是预先决定的。 例如，在神经网络中输入标记为“小猫”或“小狗”的图像。 网络标记每幅图片，检查是否正确，如果不正确，则调整神经元的连接。 最初随机产生网络预测，经过10000例越来越精确的训练，网络可以识别图像中的宠物。 正规神经网络可能有10亿个神经元连接，需要调整所有连接。

在进行运算时，量子计算机可以利用量子系统的指数属性。 量化系统的大部分信息存储能力不是单一的数据单元qubit (与以往的计算机的比特对应)，而是通过这些qubit的共同属性来实现的。 两个qubit有四种连接状态:开/关、关/关、开/关和关/开。 每个连接状态都有一个表示神经元的特定权重或振幅。 三个qubit可以表示八个神经元。 4个qubit可以表示16个神经元。 机器的计算能力呈指数增长。 事实上，神经元分布在整个系统中。 在处理4个qubit的状态时，计算机一次只能处理16个数字，而传统的计算机一次只能处理1个。

让系统自身解决问题

迄今为止，我们只用4 qubit的计算机就实现了基于量子矩阵代数的机器学习。 量子机器学习实验获得的大部分成功不仅仅是量子系统模仿网络，还采用了本身是网络的不同方法。 每个qubit代表一个神经元。 这种方法不能在计算机中使用指数属性，但是在计算机中可以使用量化物理学的其它特性。

在实现量子系统时，必须首先施加水平磁场。 这个磁场可以使qubit成为上下的均等重叠――等于空白的状态。 有多种输入数据的方法。 在某些情况下，某个级别的qubit可以固定为预期的输入值，但是通常应该在qubit交互的范围内引入输入。 使qubit相互作用。 某个qubit在同一方向排列，某个qubit在相反方向排列，通过水平磁场，它们在选择的方向上反转。 这样，这些qubit可以触发其他qubit来反转。 由于许多qubit的方向不一致，最初会发生很多反转。 可以关闭水平磁场，将qubit锁定在固定位置，直到反转停止。 此时，qubit处于向上和向下的重合状态，该状态能够确保输出和输入对应。

量子智能

许多神经科学家认为，目前人类思维的结构反映了身体的需求，实际上机器学习系统也是多种多样的。 这些系统处理的图像、语言和其他许多数据都来自现实世界，反映了世界的各种特征。 同样，量子机器学习系统也是全面的，它反映的世界远大于我们的世界。 当然，量子机器学习系统在处理量子数据方面是光辉的。 数据不是图像，而是物理学和化学实验的产物时，量子计算机会发挥很大的作用。 一旦解决了数据录入问题，传统计算机就会完全丢弃。

神经网络和量子处理器有共同之处。 那就是，那个能够实现。 训练神经网络不是理所当然的事情，过去几十年，很多人都有疑问。 同样，量子物理学是否被用于计算，也是因为我们对量子物理学的独特能力还不太了解。 但是，神经网络和量子处理器都实现了，虽然不一定能实现，但超出了我们的期待。 考虑到这一点，量子物理学和神经网络的结合在未来消除不同火花的可能性很高！