本文來(lái)自微信公眾號(hào)“陳根談科技”，作者/陳根。
當(dāng)前，量子計(jì)算和人工智能已然成為科技領(lǐng)域炙手可熱的話(huà)題。
一方面，隨著ChatGPT的爆發(fā)，人工智能“奇點(diǎn)”臨近，作為引領(lǐng)這一輪科技革命以及這一輪產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，人工智能被認(rèn)為是推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展的新引擎。
另一方面，量子計(jì)算也逐漸成為推動(dòng)數(shù)字社會(huì)進(jìn)步的另一把利器。與當(dāng)前科學(xué)界的一些改良性技術(shù)相比，量子計(jì)算在算力提升方面具有顛覆性作用，它顛覆的，是目前占據(jù)主流地位的電子計(jì)算，即傳統(tǒng)、主流的計(jì)算機(jī)還是以電子作為基本的載體。可以說(shuō)，量子計(jì)算本身，就是數(shù)字科技的核心內(nèi)容之一，是推動(dòng)數(shù)字經(jīng)濟(jì)時(shí)代的核心力量。
在這樣的背景下，量子計(jì)算和人工智能的結(jié)合，更是受到了廣泛關(guān)注。當(dāng)人工智能遇見(jiàn)量子計(jì)算，當(dāng)顛覆疊加顛覆，將帶領(lǐng)人們走向怎樣的未來(lái)？
人工智能需要量子計(jì)算
作為人工智能的三要素之一，算力構(gòu)筑了人工智能的底層邏輯。算力支撐著算法和數(shù)據(jù)，算力水平?jīng)Q定著數(shù)據(jù)處理能力的強(qiáng)弱。在AI模型訓(xùn)練和推理運(yùn)算過(guò)程中需要強(qiáng)大的算力支撐。并且，隨著訓(xùn)練強(qiáng)度和運(yùn)算復(fù)雜程度的增加，算力精度的要求也在逐漸提高。
2022年，ChatGPT的爆發(fā)，也帶動(dòng)了新一輪算力需求的爆發(fā)，對(duì)現(xiàn)有算力帶來(lái)了挑戰(zhàn)。根據(jù)OpenAI披露的相關(guān)數(shù)據(jù)，在算力方面，ChatGPT的訓(xùn)練參數(shù)達(dá)到了1750億、訓(xùn)練數(shù)據(jù)45TB，每天生成45億字的內(nèi)容，支撐其算力至少需要上萬(wàn)顆英偉達(dá)的GPUA100，單次模型訓(xùn)練成本超過(guò)1200萬(wàn)美元。
盡管GPT-4發(fā)布后，OpenAI并未公布GPT-4參數(shù)規(guī)模的具體數(shù)字，OpenAI CEO山姆·阿爾特曼還否認(rèn)了100萬(wàn)億這一數(shù)字，但業(yè)內(nèi)人士猜測(cè)，GPT-4的參數(shù)規(guī)模將達(dá)到萬(wàn)億級(jí)別，這意味著，GPT-4訓(xùn)練需要更高效、更強(qiáng)勁的算力來(lái)支撐。
盡管以ChatGPT為代表的AI大模型的爆對(duì)算力提出了越來(lái)越高的要求，但受到物理制程約束，算力的提升卻是有限的。
1965年，英特爾聯(lián)合創(chuàng)始人Gordon Moore預(yù)測(cè)，集成電路上可容納的元器件數(shù)目每隔18個(gè)月至24個(gè)月會(huì)增加一倍。摩爾定律歸納了信息技術(shù)進(jìn)步的速度，對(duì)整個(gè)世界意義深遠(yuǎn)。但經(jīng)典計(jì)算機(jī)在以“硅晶體管”為基本器件結(jié)構(gòu)延續(xù)摩爾定律的道路上終將受到物理限制。
計(jì)算機(jī)的發(fā)展中晶體管越做越小，中間的阻隔也變得越來(lái)越薄。在3納米時(shí)，只有十幾個(gè)原子阻隔。在微觀體系下，電子會(huì)發(fā)生量子的隧穿效應(yīng)，不能很精準(zhǔn)表示“0”和“1”，這也就是通常說(shuō)的摩爾定律碰到天花板的原因。盡管當(dāng)前研究人員也提出了更換材料以增強(qiáng)晶體管內(nèi)阻隔的設(shè)想，但客觀的事實(shí)是，無(wú)論用什么材料，都無(wú)法阻止電子隧穿效應(yīng)。
此外，由于可持續(xù)發(fā)展和降低能耗的要求，使得通過(guò)增加數(shù)據(jù)中心的數(shù)量來(lái)解決經(jīng)典算力不足問(wèn)題的舉措也不現(xiàn)實(shí)。
根據(jù)國(guó)際能源署估計(jì)，數(shù)據(jù)中心的用電量占全球電力消耗的1.5%至2%，大致相當(dāng)于整個(gè)英國(guó)經(jīng)濟(jì)的用電量。預(yù)計(jì)到2030年，這一比例將上升到4%。人工智能不僅耗電，還費(fèi)水。
谷歌發(fā)布的2023年環(huán)境報(bào)告顯示，其2022年消耗了56億加侖（約212億升）的水，相當(dāng)于37個(gè)高爾夫球場(chǎng)的水。其中，52億加侖用于公司的數(shù)據(jù)中心，比2021年增加了20%。
因此，人工智能（AI）想要走向未來(lái)，提高算力的同時(shí)又能降低能耗是亟待解決的關(guān)鍵問(wèn)題。在這樣的背景下，量子計(jì)算成為大幅提高算力的重要突破口。
作為未來(lái)算力跨越式發(fā)展的重要探索方向，量子計(jì)算具備在原理上遠(yuǎn)超經(jīng)典計(jì)算的強(qiáng)大并行計(jì)算潛力。基于量子的疊加特性，量子計(jì)算就像是算力領(lǐng)域的“5G”，它帶來(lái)“快”的同時(shí)帶來(lái)的也絕非速度本身的變化。
在強(qiáng)大的運(yùn)算能力下，量子計(jì)算機(jī)有能力迅速完成電子計(jì)算機(jī)無(wú)法完成的計(jì)算，量子計(jì)算在算力上帶來(lái)的成長(zhǎng)，可能會(huì)徹底打破當(dāng)前AI大模型的算力限制，促進(jìn)AI的再一次躍升。
量子計(jì)算助力人工智能
從量子計(jì)算的角度來(lái)看，量子計(jì)算機(jī)能夠以前所未有的速度處理復(fù)雜任務(wù)，這種速度將顛覆傳統(tǒng)計(jì)算的概念。
對(duì)于人工智能來(lái)說(shuō)，機(jī)器學(xué)習(xí)模型常常面臨組合優(yōu)化問(wèn)題，這些問(wèn)題涉及大量變量和復(fù)雜運(yùn)算。在傳統(tǒng)計(jì)算機(jī)上，即使利用先進(jìn)的AI技術(shù)，解決這些問(wèn)題仍然耗時(shí)且難以找到最優(yōu)解。
但是，將AI與基于量子力學(xué)的量子計(jì)算機(jī)結(jié)合時(shí)，這些問(wèn)題可能在瞬間得到解決，因?yàn)榱孔佑?jì)算機(jī)能夠識(shí)別出傳統(tǒng)計(jì)算機(jī)難以捕捉的數(shù)據(jù)模式。也就是說(shuō)，量子計(jì)算技術(shù)的進(jìn)步能夠進(jìn)一步增強(qiáng)機(jī)器學(xué)習(xí)的效率，從而實(shí)現(xiàn)更高質(zhì)量的泛化能力，這種量子計(jì)算機(jī)和機(jī)器學(xué)習(xí)的交匯，也被稱(chēng)為量子人工智能（QAI）。
自Peter Shor發(fā)表第一個(gè)量子算法（分解大數(shù)質(zhì)因子量子算法）以來(lái)，數(shù)學(xué)家和計(jì)算機(jī)科學(xué)家們就已經(jīng)開(kāi)發(fā)出其他量子算法來(lái)解決經(jīng)典計(jì)算機(jī)難以解決的問(wèn)題。許多量子算法都比目前已知的最有效的經(jīng)典算法快幾個(gè)數(shù)量級(jí)。當(dāng)然，這些算法只有在它們所處的獨(dú)特量子環(huán)境中才能實(shí)現(xiàn)。
實(shí)際上，量子計(jì)算領(lǐng)域的一些最重要的工作就是創(chuàng)建模擬各種量子系統(tǒng)的算法，這些系統(tǒng)從激光技術(shù)到化工醫(yī)學(xué)無(wú)所不包。這些量子算法將在很大程度上超過(guò)類(lèi)似的經(jīng)典計(jì)算，而為量子計(jì)算機(jī)賦予超強(qiáng)的計(jì)算能力。
目前，進(jìn)行分子模擬的經(jīng)典算法僅限于它可以模擬的分子類(lèi)型，這些算法通常只限于自旋軌道少于70個(gè)的分子，并且，由于且模擬的復(fù)雜性增長(zhǎng)得非?？?，以至于變得越來(lái)越難以處理。
相比之下，量子計(jì)算機(jī)在進(jìn)行分子模擬時(shí)具有巨大的優(yōu)勢(shì)。量子計(jì)算機(jī)中的一個(gè)量子比特可以有效地代表一個(gè)分子中的一個(gè)自旋軌道，而不需要顯式地表示所有自旋軌道。因?yàn)榱孔颖忍乜梢蕴幱诏B加態(tài)，一個(gè)量子比特能夠同時(shí)表示多個(gè)狀態(tài)，從而可以在較短的時(shí)間內(nèi)模擬多個(gè)自旋軌道的行為。
因此，即使只有較少的量子比特，例如100個(gè)，量子計(jì)算機(jī)也可以處理經(jīng)典計(jì)算機(jī)難以處理的大型分子模擬。這些模擬可能揭示各種以前未知的化合物，并為各種疾病提供新的治療方法。
量子算法除了為量子計(jì)算機(jī)的無(wú)限潛力，更重要的應(yīng)用是與人工智能結(jié)合，特別是與深度學(xué)習(xí)相結(jié)合。目前，具有代表性的成果包括Google公司在2020年提出的Tensorflow Quantum（TFQ）框架，這是一個(gè)用于量子機(jī)器學(xué)習(xí)的軟件框架，它允許對(duì)混合量子經(jīng)典機(jī)器學(xué)習(xí)模型進(jìn)行快速原型設(shè)計(jì)。
今天，在量子硬件系統(tǒng)發(fā)展的同時(shí)，量子軟件算法也在快速發(fā)展，包括誕生了許多有趣的量子軟件初創(chuàng)公司，比如Zapata、Riverlane、1Qbit，Quantinuum。而隨著量子硬件變得更加強(qiáng)大和量子機(jī)器學(xué)習(xí)算法的完善，量子計(jì)算或?qū)⒃谌斯ぶ悄苄酒袌?chǎng)上占據(jù)重要份額。
可以想象，當(dāng)量子算法真正投入人工智能領(lǐng)域使用，商業(yè)、行政、醫(yī)學(xué)、工程等領(lǐng)域一些最令人沮喪的、棘手的問(wèn)題都將迎刃而解。在未來(lái)，結(jié)合AI和量子計(jì)算的力量，我們有望實(shí)現(xiàn)更高效的導(dǎo)航系統(tǒng)、更先進(jìn)的自動(dòng)化技術(shù)、更精確的藥物研發(fā)、更準(zhǔn)確的醫(yī)療診斷以及更高效的供應(yīng)鏈管理。
