量子計(jì)算，它能給AI技術(shù)的發(fā)展帶來什么幫助嗎？

的確可以！

谷歌已經(jīng)證明了量子計(jì)算也能解決傳統(tǒng)機(jī)器學(xué)習(xí)中的圖像分類問題，而且隨著技術(shù)發(fā)展，量子計(jì)算機(jī)將在在學(xué)習(xí)能力上超越經(jīng)典的神經(jīng)網(wǎng)絡(luò)。

另外量子計(jì)算還能解決經(jīng)典網(wǎng)絡(luò)中一些棘手問題，比如預(yù)防出現(xiàn)模型訓(xùn)練中的梯度消失問題。

量子神經(jīng)網(wǎng)絡(luò)

在第一篇論文中，谷歌構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)的量子模型，研究如何在量子處理器上執(zhí)行神經(jīng)網(wǎng)絡(luò)的分類任務(wù)。

谷歌把這個(gè)模型叫做量子神經(jīng)網(wǎng)絡(luò)（QNN），希望它能用在近期出現(xiàn)的量子處理器上。

雖然目前的工作主要是理論上的，但QNN的結(jié)構(gòu)有助于在不久的將來對(duì)量子計(jì)算機(jī)進(jìn)行實(shí)現(xiàn)和測(cè)試。

QNN可以通過標(biāo)記數(shù)據(jù)的監(jiān)督學(xué)習(xí)進(jìn)行調(diào)整，谷歌已經(jīng)在理論上證明了可以在MNIST數(shù)據(jù)集上訓(xùn)練它進(jìn)行圖像分類。

谷歌預(yù)計(jì)，隨著量子計(jì)算機(jī)硬件規(guī)模的發(fā)展，未來QNN的能力將足夠與經(jīng)典神經(jīng)網(wǎng)絡(luò)匹敵，從而實(shí)現(xiàn)“量子霸權(quán)”。

在第二篇論文中，谷歌專注于量子神經(jīng)網(wǎng)絡(luò)和經(jīng)典神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的關(guān)鍵難題，即梯度消失或爆炸（vanishing or exploding gradients）的問題。

在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元權(quán)重良好的、無偏見的初始猜測(cè)通常與隨機(jī)性無關(guān)，但是在某些情況下也存在一些困難。

量子計(jì)算恰恰能解決這方面的問題。

谷歌的論文表明，量子幾何（quantum geometry）的獨(dú)特特征能夠阻止某些不良的初始化情況產(chǎn)生，幫助我們進(jìn)入到到函數(shù)的穩(wěn)定區(qū)，防止選取到那些會(huì)導(dǎo)致梯度消失的初始化策略。

這項(xiàng)工作對(duì)未來初始化和訓(xùn)練量子神經(jīng)網(wǎng)絡(luò)的策略具有指導(dǎo)意義。谷歌希望從這些量子幾何狀態(tài)中能獲得啟發(fā)，實(shí)現(xiàn)訓(xùn)練網(wǎng)絡(luò)的新算法。

實(shí)現(xiàn)量子霸權(quán)

谷歌今年在量子計(jì)算領(lǐng)域動(dòng)作頻繁。

3月份，谷歌開發(fā)出了Bristlecone量子處理器，它擁有72個(gè)量子比特，是迄今為止最大的量子芯片。超過了IBM的50量子比特和英特爾的49量子比特。

谷歌希望用Bristlecone實(shí)現(xiàn)所謂量子霸權(quán)，即量子計(jì)算機(jī)在某些數(shù)學(xué)計(jì)算中的性能完全超過傳統(tǒng)超級(jí)計(jì)算機(jī)。

NASA量子人工智能實(shí)驗(yàn)室（QuAIL）和谷歌一起，共同研究如何將“各種各樣的優(yōu)化和采樣問題”映射到量子計(jì)算機(jī)上，希望在一年內(nèi)實(shí)現(xiàn)該目標(biāo)。

谷歌還計(jì)劃在5年內(nèi)實(shí)現(xiàn)量子計(jì)算技術(shù)的商業(yè)化。但這并不是說谷歌要推出面向市場(chǎng)的量子計(jì)算機(jī)。

由于超導(dǎo)量子計(jì)算機(jī)需要保持在接近絕對(duì)零度附近，因此不能把它從實(shí)驗(yàn)室里搬出來。預(yù)計(jì)谷歌屆時(shí)會(huì)允許用戶通過云API連接到量子計(jì)算機(jī)上。