我們描述 21 世紀(jì)剛剛過(guò)去的第二個(gè)十年的技術(shù)版圖中,，人工智能（AI）,、大數(shù)據(jù)（Big Data）,、云計(jì)算（Cloud）、物聯(lián)網(wǎng)（IoT）是幾個(gè)無(wú)論如何也繞不開(kāi)的術(shù)語(yǔ),。在闡述科技發(fā)展趨勢(shì)的文章里,，如果不把這些術(shù)語(yǔ)作為開(kāi)篇,，簡(jiǎn)直都不好展開(kāi)論述。

而在下一個(gè)十年,，在這一長(zhǎng)串的革命性技術(shù)的名單后面,，可能還要再加一個(gè)量子計(jì)算。正如人工智能,，因?yàn)榇髷?shù)據(jù)的喂養(yǎng)而使得神經(jīng)網(wǎng)絡(luò)算法得以成熟,，因?yàn)樵朴?jì)算的加持才擁有了充沛的算力，因?yàn)楹臀锫?lián)網(wǎng)的融合而使得萬(wàn)物產(chǎn)生智能,。

那么,，人工智能與量子計(jì)算的交往又能產(chǎn)生怎樣的“劇烈反應(yīng)”呢？

 2017 年,，圖靈獎(jiǎng)得主姚期智教授在一次演講時(shí)說(shuō)：“如果能夠把量子計(jì)算和 AI 放在一起,，我們可能做出連大自然都沒(méi)有想到的事情?！?/p>

 這等“敢叫天地?fù)Q新顏”的技術(shù)前景,，對(duì)于大多數(shù)普通人而言可能還略顯遙遠(yuǎn)，但量子計(jì)算和量子機(jī)器學(xué)習(xí)的技術(shù)研究早已在全球多家科研機(jī)構(gòu)和科技巨頭的實(shí)驗(yàn)室中落地開(kāi)花,，可以向外界和技術(shù)人員提供基礎(chǔ)的算法工具和資源,，讓公眾可以一睹量子與智能的神奇力量。

近日,，百度飛槳官宣發(fā)布了量子機(jī)器學(xué)習(xí)開(kāi)發(fā)工具 Paddle Quantum——量槳,，成為國(guó)內(nèi)唯一支持量子機(jī)器學(xué)習(xí)的深度學(xué)習(xí)平臺(tái)。量槳的作用就是提供了一套量子機(jī)器學(xué)習(xí)的工具集,，開(kāi)放給科研人員,，進(jìn)行量子神經(jīng)網(wǎng)絡(luò)的搭建測(cè)試以及量子人工智能的研究。

 量槳的出現(xiàn),，到底能為量子機(jī)器學(xué)習(xí)帶來(lái)多少顯著進(jìn)展,，尚待時(shí)間檢驗(yàn)，但一定程度上推動(dòng)量子機(jī)器學(xué)習(xí)在我國(guó)的普及,，為廣大 AI 和量子計(jì)算的研究者提供了一條新的學(xué)習(xí)途徑,。

 按捺不住學(xué)習(xí)熱情的你，一定想到量子計(jì)算和人工智能的技術(shù)交匯處,，一窺量子機(jī)器學(xué)習(xí)的究竟,，來(lái)衡量下投身入局的可能吧？

為什么“量子計(jì)算”很配“人工智能”,？

 進(jìn)入正題之前,，我們不妨先來(lái)簡(jiǎn)單了解下量子計(jì)算的基礎(chǔ)背景，來(lái)降低下代入難度。

 先來(lái)看,，量子為什么能夠計(jì)算,？

 二十世紀(jì)，自然界的一個(gè)重大物理發(fā)現(xiàn)就是量子力學(xué),，而量子力學(xué)主要的發(fā)現(xiàn)是基本粒子有兩種狀態(tài)——疊加和糾纏,。通俗來(lái)理解，疊加,，就是量子同時(shí)既是這樣又是那樣,，一旦被觀察或測(cè)量就會(huì)變成其中的一個(gè)樣子，這就是著名的“測(cè)不準(zhǔn)”,；糾纏,，就是兩個(gè)成對(duì)的量子粒子，即使相隔宇宙兩端,，也能發(fā)生暗戳戳的神秘互動(dòng),，這就是大名鼎鼎的“量子糾纏”。

 “疊加”決定了量子的并行計(jì)算的基礎(chǔ),，“糾纏”決定了量子傳輸?shù)幕A(chǔ),。讓量子的這些特性被用于計(jì)算時(shí)，就能用來(lái)處理非常復(fù)雜的數(shù)據(jù)計(jì)算,。

 我們知道,，經(jīng)典計(jì)算的基本單位是比特（Bit），比特只能在 0 和 1 兩個(gè)狀態(tài)之間切換,。經(jīng)典計(jì)算只能在 0 和 1 的開(kāi)合中實(shí)現(xiàn)線性計(jì)算,，只不過(guò)現(xiàn)在的計(jì)算力非常巨大，一秒鐘可以進(jìn)行數(shù)十億甚至更高的計(jì)算,。

 而量子計(jì)算的基本單位的量子比特（Qubit）,，量子比特因?yàn)榀B加效應(yīng)就可以同時(shí)具有 0 和 1 的特征。隨著量子比特?cái)?shù)量的增加,，量子比特的計(jì)算能力將會(huì)以指數(shù)級(jí)的方式增加,。

 也就是，一個(gè)量子比特可以同時(shí)處于兩個(gè)狀態(tài)（0 和 1）,。因此，兩個(gè)相互作用的量子比特可以同時(shí)存儲(chǔ)全部 4 個(gè)二進(jìn)制值,。通常,，“n”個(gè)量子比特可以同時(shí)表示“2 的 n 次方”個(gè)經(jīng)典二進(jìn)制值。

我們用一個(gè)“玉米田迷宮”的例子來(lái)理解經(jīng)典計(jì)算和量子計(jì)算的不同：經(jīng)典計(jì)算就如同一個(gè)人在玉米田里尋找出口,，這個(gè)人會(huì)先找一條路走下去,，遇到阻礙就返回，再找一條路重新開(kāi)始，再遇到阻礙就再返回,，直到找到出口,。而量子計(jì)算就如同有了多個(gè)分身，可以同時(shí)探索玉米迷宮里的每一條路徑,，同時(shí)一次就把出口找到,。

 這樣，量子計(jì)算的疊加態(tài)以及糾纏態(tài)形成的疊加坍縮構(gòu)成的高并行計(jì)算能力,，就為人工智能特別是機(jī)器學(xué)習(xí)所需要的數(shù)據(jù)處理和算法訓(xùn)練提供了一種新的可能,。

 量子計(jì)算和人工智能也在發(fā)生一種相互“糾纏”又密不可分的關(guān)系，但這并不意味著量子計(jì)算加上機(jī)器學(xué)習(xí),，就可以立刻碰撞出顯著的成果,。

量子機(jī)器學(xué)習(xí)仍在“襁褓”之初

 量子機(jī)器學(xué)習(xí)（Quantum ML）是一個(gè)量子計(jì)算和機(jī)器學(xué)習(xí)交叉的的跨學(xué)科技術(shù)領(lǐng)域，二者的結(jié)合可以產(chǎn)生一種互利互惠的結(jié)果,。

 一方面,，量子計(jì)算最主要的目標(biāo)之一，就是借助于量子特性開(kāi)發(fā)高性能的量子機(jī)器學(xué)習(xí)算法,，從而加快或拓寬人工智能的應(yīng)用場(chǎng)景,。另一方面，量子計(jì)算在大規(guī)模應(yīng)用落地之前還有許多非常棘手的科學(xué)與工程技術(shù)難題有待解決,，這需要大量的先進(jìn)計(jì)算工具,，特別是 AI 技術(shù)幫助突破量子計(jì)算研發(fā)瓶頸。

在機(jī)器學(xué)習(xí)和量子計(jì)算按照算法和數(shù)據(jù)二維劃分下,，可以得到四種不同分類(lèi)——C-C,、Q-C、C-Q 和 Q-Q,。C-C 就是傳統(tǒng)的機(jī)器學(xué)習(xí),；Q-Q 屬于量子計(jì)算的開(kāi)放域；而 C-Q 主要就是通過(guò)機(jī)器學(xué)習(xí)算法來(lái)解決量子物理的問(wèn)題,，比如對(duì)量子系統(tǒng)的控制對(duì)象建模,，對(duì)擾動(dòng)、噪聲等參數(shù)特征的辨識(shí),，推動(dòng)量子計(jì)算發(fā)展,。

 而 Q-C 就是利用量子理論改進(jìn)機(jī)器學(xué)習(xí)，推動(dòng)機(jī)器學(xué)習(xí)算法的量子化,。一種方法是通過(guò)量子計(jì)算把原先經(jīng)典計(jì)算中不可計(jì)算的問(wèn)題變?yōu)榭捎?jì)算的, 從而大幅降低機(jī)器學(xué)習(xí)算法的計(jì)算復(fù)雜度,；一種方法是通過(guò)量子計(jì)算并行加速的優(yōu)勢(shì)與機(jī)器學(xué)習(xí)的算法深度結(jié)合，催生出全新的量子機(jī)器學(xué)習(xí)算法模型,。

 傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)只能使用單個(gè)網(wǎng)絡(luò)來(lái)存儲(chǔ)許多算法模式,；而量子神經(jīng)網(wǎng)絡(luò),，因?yàn)榱孔盈B加效應(yīng)帶來(lái)的并行性，可以使用許多網(wǎng)絡(luò)來(lái)存儲(chǔ)許多算法模式,。不過(guò),，量子神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)并不容易，因?yàn)樽罱K這些算法想要真正發(fā)揮作用則需量子計(jì)算機(jī)（處理器）的支持,。

 據(jù)報(bào)道,，2018 年，意大利帕維亞大學(xué)的研究團(tuán)隊(duì)在只有 4 個(gè)量子比特的量子計(jì)算機(jī)上實(shí)現(xiàn)了世界上第一個(gè)單層神經(jīng)網(wǎng)絡(luò),。

（具有 4 個(gè)量子比特的人工神經(jīng)元的量子電路）

 這一模型能夠準(zhǔn)確地模擬單個(gè)神經(jīng)元的行為,，像這樣的單層模型能夠識(shí)別簡(jiǎn)單的模式。然而,，它還沒(méi)有擴(kuò)展到由多層神經(jīng)元組成的深度神經(jīng)網(wǎng)絡(luò),。不過(guò)，這至少是在量子硬件上有效訓(xùn)練量子神經(jīng)網(wǎng)絡(luò)而邁出的第一步,。

 與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比,，量子神經(jīng)網(wǎng)絡(luò)具有很多優(yōu)勢(shì)，比如,，指數(shù)級(jí)記憶容量,、更快的學(xué)習(xí)和處理速度、更小的規(guī)模以及更高的穩(wěn)定性和可靠性等,。

 盡管量子硬件的進(jìn)度稍顯緩慢,，但算法模型理論可以先行。谷歌的 Quantum AI 團(tuán)隊(duì)就在當(dāng)時(shí)已經(jīng)預(yù)先構(gòu)建出一個(gè)可以在量子計(jì)算機(jī)上訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的理論模型,。

 而到了今年 3 月,，谷歌又宣布開(kāi)源一款用于訓(xùn)練量子模型的機(jī)器學(xué)習(xí)庫(kù) TensorFlow Quantum（簡(jiǎn)稱(chēng) TFQ）。TFQ 包含了特定量子計(jì)算所需的基本結(jié)構(gòu),，例如量子比特,、門(mén)、電路和測(cè)量運(yùn)算符,。用戶指定的量子計(jì)算然后可以在模擬或真實(shí)硬件上執(zhí)行,。

 目前，量子機(jī)器學(xué)習(xí)的發(fā)展仍然處于起步階段,，當(dāng)前的一些應(yīng)用上面可以做到使用量子神經(jīng)網(wǎng)絡(luò)來(lái)生成一些演奏出全新聲音的新樂(lè)器等,。

 未來(lái)量子機(jī)器學(xué)習(xí)的應(yīng)用前景卻更加令人興奮，比如擁有指數(shù)級(jí)存儲(chǔ)和檢索能力的量子神經(jīng)網(wǎng)絡(luò)可以模擬人類(lèi)大腦或者模擬黑洞,，能夠幫助人類(lèi)真正探索世界最深邃的本質(zhì),。這也許才是量子機(jī)器學(xué)習(xí)和量子計(jì)算發(fā)揮終極價(jià)值的場(chǎng)域。

量子機(jī)器學(xué)習(xí)的成長(zhǎng)“難關(guān)”

 量子計(jì)算本身就是一項(xiàng)復(fù)雜技術(shù),，而量子機(jī)器學(xué)習(xí)這一交叉技術(shù)的研發(fā)難度自然又進(jìn)一步提高。量子機(jī)器學(xué)習(xí)算法的成熟自然要得益于軟硬件兩方面的同時(shí)提升，而在這兩方現(xiàn)在都仍然還存在一些難關(guān)要闖過(guò),。 

首先,，我們要知道，傳統(tǒng)的機(jī)器學(xué)習(xí)語(yǔ)言并不能直接地移植到量子計(jì)算上面,，而是需要先把當(dāng)前的機(jī)器學(xué)習(xí)代碼轉(zhuǎn)換成使用量子比特的量子態(tài),，從而構(gòu)建出量子神經(jīng)網(wǎng)絡(luò)。

這就是所謂的量子機(jī)器學(xué)習(xí)的 I/O 瓶頸,，所謂 I/O 瓶頸是指,，目前大部分量子機(jī)器學(xué)習(xí)算法或者需要把大規(guī)模數(shù)據(jù)集編碼為量子態(tài)，或者只是把問(wèn)題的解生成在量子態(tài)中,，因此輸入階段的前處理和信息提取階段的后處理將耗費(fèi)大量時(shí)間,，乃至抵消量子算法所節(jié)省的時(shí)間。

（IBM 的一個(gè) 50 量子比特位計(jì)算系統(tǒng)的中心結(jié)構(gòu)）

 其次,，則是真正意義上的通用量子計(jì)算機(jī)尚沒(méi)有出現(xiàn),，而現(xiàn)在意義上的上千個(gè)量子比特的量子計(jì)算機(jī)在可以良好抗噪聲、解決退相干問(wèn)題上還存在著一定的問(wèn)題,，也就是還不能達(dá)到迪文森佐標(biāo)準(zhǔn)的量子計(jì)算機(jī),。這意味著能夠支撐量子機(jī)器學(xué)習(xí)算法得以實(shí)際驗(yàn)證的硬件手段仍然是缺乏的，研究者大多只能通過(guò)量子模擬器的方式來(lái)實(shí)現(xiàn)多個(gè)量子比特的運(yùn)算,。

 比如說(shuō),，此次谷歌 TFQ 為量子機(jī)器學(xué)習(xí)研究提供了一個(gè)內(nèi)含大約 50~100 量子比特的噪聲中級(jí)量子處理器（NISQ）的工具，從而控制 / 建模自然或人工量子系統(tǒng),?；诖耍F(xiàn)在 TFQ 的量子機(jī)器學(xué)習(xí)模型可以處理量子數(shù)據(jù)模型和混合量子經(jīng)典模型,，幫助開(kāi)發(fā)者能夠改進(jìn)現(xiàn)有的量子算法或發(fā)現(xiàn)一些新的算法,。

 基于軟硬件上面的現(xiàn)實(shí)困難，量子機(jī)器學(xué)習(xí)算法上面的突破還有很長(zhǎng)的時(shí)間,。

 此外,，在一些計(jì)算問(wèn)題上，量子機(jī)器學(xué)習(xí)的算法和經(jīng)典算法相比是否一定有加速優(yōu)勢(shì),，則仍然存疑,。2018 年，年僅 18 歲的華裔學(xué)生 Ewin Tang 受量子推薦算法的啟發(fā),，設(shè)計(jì)出了一個(gè)經(jīng)典算法,，它能以和量子算法相近的速度解決推薦問(wèn)題。這一思路給了研究者以啟示：通過(guò)量子算法思維能促進(jìn)經(jīng)典算法的發(fā)展,，這也是量子計(jì)算研究意義的另一種體現(xiàn),。

 盡管目前來(lái)說(shuō),，量子機(jī)器學(xué)習(xí)既沒(méi)有像去年谷歌所宣稱(chēng)的“量子霸權(quán)”那樣引人矚目，也不能像人工智能在現(xiàn)實(shí)生活的廣泛應(yīng)用而成績(jī)顯著,。但量子機(jī)器學(xué)習(xí)更像是一個(gè)面向未來(lái)世界的計(jì)算產(chǎn)物,。

 回到幾十年前，量子計(jì)算的實(shí)現(xiàn)和機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn),，都一度被認(rèn)為是不可能的事情,。而這二者竟然都能夠?qū)崿F(xiàn)，現(xiàn)在還處在了相互結(jié)合的交匯點(diǎn)上,，已然是人類(lèi)技術(shù)的一次奇遇,。

 那么站在當(dāng)下，一個(gè)普通的技術(shù)愛(ài)好者也可以通過(guò)像百度,、谷歌這樣的量子計(jì)算平臺(tái)的開(kāi)放,，就可以親身來(lái)進(jìn)行量子算法的開(kāi)發(fā)和測(cè)試，更不能不說(shuō)千載難逢,、幸運(yùn)之至,。