现在我们都（或至少有点）熟悉机器学习和AI的概念了——不过量子计算又是什么？如果你不是每天都去翻阅SlashDot和TechCrunch，你大脑中的技术词典里可能不会有量子计算的影子。这个名字只会唤起复杂的、科幻级别的、有关于超级计算机之类的一些概念。不过你猜怎么着？事实也是差不多的。
我们采访了两位深耕于AI/量子计算领域的专家。一位是 Accenture（埃森哲）的Amit Bansal，他是亚太地区分析交付和人工智能交付的负责人。另一位是Five2One和Dveloper.io的负责人Vaibhav Namburi。他们将向我们讲述一些相关技术前沿。

首先得强调，我们并不打算讨论量子计算的细节——因为我们可以在这里谈一整天。
Bansal用简单的方式概述了量子计算的前提：
“量子计算机是按照量子物理学原理工作的设备，”他开始说道。“当前计算机是使用晶体管构建的，数据以二进制0和1的形式存储。量子计算机使用称为量子比特的亚原子粒子构建，简称qubits(量子比特)，其可以同时处于多个状态。量子计算机的主要优势在于它们可以以超快的速率执行高度复杂的操作。因此，他们能够解决目前不可解的问题。”
[注意：如果你对这个问题的详尽解答感兴趣，请访问量子计算的交互式介绍，以获得较好的理解。]

Bansal说：“使用量子计算机最重要的好处就是其在解决复杂问题时的高速率。”Bansal还指出，虽然它们的工作速度如闪电般快速，“但他们无法提供解决不可判定或NP难题问题的能力。”量子计算能够解决某些特定集合内的问题，但它并不能够解决所有的计算问题。
通常情况下，量子计算机擅于解决的问题集涉及到带有大量输入的数字或数据，例如“复杂的优化问题和通信系统分析问题”——其计算量通常需要超级计算机花费几天、几年、甚至百万年的时间来暴力破解。
有一个经常用于参考的、量子计算机能够立即解决的一个应用例子，它就是强健的RSA加密。 微软量子团队最近的一项研究表明这会是一个很好的用例，要计算出它需要差不多有2330个量子位的量子计算机才行。
像英特尔，微软，IBM等重量级选手建造的最先进量子计算机目前都还徘徊在大约50个量子比特的位置上，不过谷歌最近宣布了他们的72量子比特项目Bristlecone。鉴于摩尔定律和目前这些系统的发展速度，强健的RSA非常可能在10年内被破解。

AI这个术语现在用得相当广泛，然而，就像Namburi所说的那样，“AI是一个提炼过的概念，它是指机器能够带有人类智能特征地执行任务。”
他继续阐述道：“机器学习（ML）的核心是实现AI的一种简单方式。AI/ML有助于加速并解析海量数据，同时创建和分析预测模型与趋势，以帮助我们发现不易被我们察觉的模式。”
机器学习是确定和分析这些模式（而不是使用传统编码算法）的快捷方式。其可应用于很多不同的应用系统中，不过，它在AI中的应用得到了全世界的更多关注。

你现在可能已经猜到量子计算有可能加快机器学习AI解决方案的数据集处理速度，并以指数级快过其传统实现方式——然而，不可使用传统方式编写这些ML/AI算法。
不过，这两个领域的交叉比这还要更进一步，即这不仅仅只会让AI应用程序受益。正如Bansal解释的那样，存在一个“交叉领域，其中量子计算机实现机器学习算法，而传统的机器学习方法被用来评估量子计算机。这一领域的研究正在以如此惊人的速度发展，以至于已经产生了一个名为量子机器学习的全新领域。”
这个跨学科领域其实是非常非常新的。“最新研究已经开发出了量子算法，其可以作为机器学习程序的基石，但相关软硬件挑战仍然很大，而且完全功能的量子计算机的开发还很遥远，”Bansal说。

实现机器学习的四种方法，根据研究的系统是经典的还是量子的，以及设备处理的数据是经典还是量子来分类。

随着量子计算的发展，人工智能的未来看起来非常光明，实时的人类模仿行为几乎已成定局。
正如Bansal所说，量子计算将能够“解决复杂的AI问题，同时获得解决复杂问题的多种解决方案。这将会使得人工智能能够更有效地以类似人类的方式执行更复杂的任务。同样，一旦我们能够使用基于人工智能的量子计算机，可在现实场景下进行实时优化决策的机器人将成为可能。”
这样子的未来还有有多远？这么说吧，目前仅有的少数世界顶级的公司和大学正在开发（物理上巨大的）量子计算机，但它们目前缺乏所需的处理能力；而生产出能够模仿人类运行的机器人军团就扯得太远了——这可能会让一些人安心，而让另一部分人失望吧！不过如果只是建一个呢？也许并不遥远......

[培训]内核驱动高级班，冲击BAT一流互联网大厂工作，每周日13:00-18:00直播授课