คอมพิวเตอร์ควอนตัมสามารถช่วยพัฒนาปัญญาประดิษฐ์ได้ในระดับใด

หากมีแง่มุมใดของคอมพิวเตอร์ควอนตัมสามารถช่วยพัฒนาปัญญาประดิษฐ์ต่อไปได้

คอมพิวเตอร์ควอนตัมเป็นซุปเปอร์น่ากลัวในการคูณเมทริกซ์ที่มีข้อ จำกัด บางประการ ควอนตัมซ้อนช่วยให้แต่ละบิตจะอยู่ในจำนวนมากรัฐมากขึ้นกว่าเพียงแค่ศูนย์หรือหนึ่งและประตูเมืองควอนตัมสามารถซอบิตเหล่านั้นในรูปแบบที่แตกต่างกันมาก ด้วยเหตุนี้คอมพิวเตอร์ควอนตัมจึงสามารถประมวลผลข้อมูลจำนวนมากได้พร้อมกันสำหรับการใช้งานบางอย่าง

หนึ่งในแอปพลิเคชันเหล่านี้คือการแปลงฟูริเยร์ซึ่งมีประโยชน์ในปัญหามากมายเช่นการวิเคราะห์สัญญาณและการประมวลผลอาร์เรย์ นอกจากนี้ยังมีอัลกอริทึมการค้นหาควอนตัมของ Groverซึ่งค้นหาค่าเดียวที่ฟังก์ชั่นที่กำหนดส่งคืนสิ่งที่แตกต่าง หากปัญหา AI สามารถแสดงในรูปแบบทางคณิตศาสตร์คล้อยตามการคำนวณควอนตัมก็สามารถรับ speedups ที่ดี การเพิ่มความเร็วอย่างพอเพียงสามารถเปลี่ยนความคิด AI จาก "น่าสนใจในเชิงทฤษฎี แต่ช้าอย่างบ้าคลั่ง" เป็น "การใช้งานได้จริงเมื่อเราได้รับการจัดการที่ดีเกี่ยวกับการคำนวณควอนตัม"

จนกว่าเราจะสามารถสร้างคอมพิวเตอร์ควอนตัมที่มี qubits มากขึ้นศักยภาพในการพัฒนา AI ต่อไปจะยังคงอยู่เพียงนั้น

D-Wave (ซึ่งเพิ่งสร้างระบบ qubit 2,000+ รอบปี 2558) เป็นคอมพิวเตอร์ควอนตัมแบบอะเดียแบติกไม่ใช่คอมพิวเตอร์ควอนตัมวัตถุประสงค์ทั่วไป มันถูก จำกัด ไว้ที่ปัญหาการปรับให้เหมาะสมบางอย่าง (ซึ่งประสิทธิภาพของมันได้รับการสงสัยโดยหนึ่งในผู้เริ่มต้นของทฤษฎีที่มันเป็นพื้นฐาน)

สมมติว่าเราสามารถสร้างคอมพิวเตอร์ควอนตัมวัตถุประสงค์ทั่วไป 32 บิต (ใหญ่เป็นสองเท่าของรุ่นปัจจุบันเท่าที่ฉันรู้) นี่ก็หมายความว่ามีเพียง 2 ³²ความเป็นไปได้ที่มีอยู่ในการซ้อนทับ นี่คือพื้นที่ขนาดเล็กพอที่จะสำรวจอย่างละเอียดถี่ถ้วนสำหรับปัญหามากมาย ดังนั้นอาจมีปัญหาไม่มากนักสำหรับอัลกอริทึมควอนตัมใด ๆ ที่รู้จัก (เช่นShor , Grover ) จะมีประโยชน์สำหรับจำนวนบิตนั้น

คอมพิวเตอร์ควอนตัมสามารถช่วยพัฒนาอัลกอริธึม AI และแก้ไขปัญหาในขอบเขตของความคิดสร้างสรรค์และความสามารถในการกำหนดปัญหา ตัวอย่างเช่นการทำลายการเข้ารหัสอาจใช้เวลาไม่กี่วินาทีซึ่งอาจใช้เวลาหลายพันปีสำหรับคอมพิวเตอร์มาตรฐาน เช่นเดียวกับปัญญาประดิษฐ์ก็สามารถทำนายชุดค่าผสมทั้งหมดสำหรับปัญหาที่กำหนดโดยอัลกอริทึม นี่เป็นเพราะการซ้อนทับของสถานะควอนตัมบิตหลายสถานะ

ปัจจุบันคอมพิวเตอร์ควอนตัมยังอยู่ในช่วงเริ่มต้นของการพัฒนาและสามารถทำการคำนวณที่ซับซ้อนได้ มีเทคโนโลยีเช่นระบบD-Waveที่ใช้งานโดย Google และ NASA สำหรับการวิเคราะห์ข้อมูลที่ซับซ้อนโดยใช้คอมพิวเตอร์ควอนตัมชนิด Multi-Qubit สำหรับการแก้ปัญหาพลวัตของเหลว NSE ที่น่าสนใจหรือการเฝ้าระวังทั่วโลกเพื่อจุดประสงค์ทางทหารและอีกมากมาย ไม่ได้ตระหนัก.

ปัจจุบันมีคอมพิวเตอร์ควอนตัมเพียงไม่กี่แห่งเท่านั้นที่มีให้สาธารณะเช่นIBM Quantum Experience (แพลตฟอร์มการคำนวณควอนตัมเครื่องแรกของโลกที่ส่งผ่าน IBM Cloud) แต่เป็นการเขียนโปรแกรมเกี่ยวกับระดับประตูตรรกะควอนตัม สาธารณะ มีภาษาคอมพิวเตอร์ควอนตัมบางอย่างเช่น QCL, Q หรือ Quipper แต่ฉันไม่ทราบว่ามีไลบรารีใดบ้างที่สามารถให้กรอบงานปัญญาประดิษฐ์ ไม่ได้หมายความว่ามันไม่ได้อยู่ที่นั่นและฉันแน่ใจว่า บริษัท และหน่วยงานรัฐบาลขนาดใหญ่ใช้มันเพื่อวาระการแข่งขันเพื่อให้เกิดการแข่งขัน (เช่นการวิเคราะห์ตลาดการเงิน ฯลฯ )

คำตอบสำหรับคำถามของคุณโดยตรง : -

ข้อมูลที่คอมพิวเตอร์ควอนตัมและ AI ตัดเรียกว่าควอนตัมการเรียนรู้เครื่อง

1. AI เป็นสาขาที่กำลังพัฒนาซึ่งมีภูมิหลัง (ala McCarthy of LISP fame)

2. การคำนวณควอนตัมเป็นสาขาที่ยังไม่ได้สำรวจส่วนใหญ่

ความซับซ้อนบางประเภทโต้ตอบกับความซับซ้อนประเภทอื่นเพื่อสร้างเขตข้อมูลที่สมบูรณ์มาก

ตอนนี้รวม (1) และ (2) แล้วคุณจะจบลงด้วยความไม่แน่นอนมากขึ้น รายละเอียดทางเทคนิคจะได้รับการสำรวจในคำตอบนี้

Google อธิบายการคำนวณควอนตัมในวิดีโอแบบง่าย ๆ : Google และ Quantum Artificial Intelligence Lab ของ NASA

ร่างกาย : -

IBM เป็นผู้มีสิทธิ์: -

IBM: คอมพิวเตอร์ควอนตัมอาจมีประโยชน์ แต่เราไม่รู้วิธีที่แน่นอน

การเรียนรู้ของเครื่องควอนตัมเป็นปรากฏการณ์ที่น่าสนใจ สาขานี้ศึกษาจุดตัดระหว่างการคำนวณควอนตัมและการเรียนรู้ของเครื่อง

( https://en.wikipedia.org/wiki/Quantum_machine_learning )

"ในขณะที่อัลกอริทึมการเรียนรู้ของเครื่องถูกใช้เพื่อคำนวณปริมาณข้อมูลที่มหาศาลการเรียนรู้ของเครื่องควอนตัมจะเพิ่มความสามารถดังกล่าวอย่างชาญฉลาดโดยการสร้างโอกาสในการวิเคราะห์สถานะและระบบควอนตัม" ผู้มีส่วนร่วมใน Wikipedia - "การเรียนรู้ของเครื่องควอนตัม" วิกิพีเดียสารานุกรมฟรี Wikipedia, The Free Encyclopedia, 7 ต.ค. 2019 เว็บ 11 ต.ค. 2019

กระจกเทคนิค : -

ส่วนนี้โดยเฉพาะในการใช้งานมีมูลค่า noting: -

( https://en.wikipedia.org/wiki/Quantum_machine_learning#Implementations_and_experiments )

"... การพึ่งพาข้อมูลนี้เป็นเครื่องมือการฝึกอบรมที่มีประสิทธิภาพ แต่มันมาพร้อมกับข้อผิดพลาดที่อาจเกิดขึ้นหากเครื่องได้รับการฝึกฝนให้ค้นหาและใช้ประโยชน์จากรูปแบบข้อมูลในบางกรณี สติปัญญาของมนุษย์ในปัจจุบัน

แต่สิ่งอำนวยความสะดวกการประมวลผลข้อมูลที่มีอยู่ในการเรียนรู้ของเครื่องยังมีศักยภาพในการสร้างแอปพลิเคชันที่สามารถปรับปรุงชีวิตมนุษย์ เครื่อง 'อัจฉริยะ' สามารถช่วยให้นักวิทยาศาสตร์ตรวจหามะเร็งได้อย่างมีประสิทธิภาพยิ่งขึ้นหรือเข้าใจสุขภาพจิตดีขึ้น

ความก้าวหน้าส่วนใหญ่ในการเรียนรู้ของเครื่องจักรนั้นเป็นแบบคลาสสิก: เทคนิคที่เครื่องจักรใช้ในการเรียนรู้ปฏิบัติตามกฎของฟิสิกส์คลาสสิก ข้อมูลที่พวกเขาเรียนรู้มีรูปแบบคลาสสิก เครื่องจักรที่ใช้อัลกอริธึมนั้นก็คลาสสิกเช่นกัน

เราทำงานในสาขาการเรียนรู้ของเครื่องควอนตัมที่เกิดขึ้นใหม่ซึ่งกำลังสำรวจว่าสาขาวิชาฟิสิกส์ที่เรียกว่ากลศาสตร์ควอนตัมอาจปรับปรุงการเรียนรู้ของเครื่อง กลศาสตร์ควอนตัมมีความแตกต่างกับฟิสิกส์คลาสสิกในระดับพื้นฐาน: มันเกี่ยวข้องกับความน่าจะเป็นและสร้างหลักการจากความไม่แน่นอน กลศาสตร์ควอนตัมยังขยายฟิสิกส์เพื่อรวมปรากฏการณ์ที่น่าสนใจซึ่งไม่สามารถอธิบายได้โดยใช้สัญชาตญาณแบบดั้งเดิม ... "- 'คนอธิบาย:. สิ่งที่เป็นควอนตัมเครื่องการเรียนรู้และวิธีการที่มันสามารถช่วยให้เรา' Techxplore.Com , 2019 https://techxplore.com/news/2019-04-quantum-machine.html

• อนาคตกับการเรียนรู้ของเครื่องควอนตัม

• ควอนตัมคอมพิวเตอร์การเรียนรู้อย่างลึกซึ้งและปัญญาประดิษฐ์

การใช้งานทางธุรกิจและการใช้งานจริง : -

• แผนกไอทีของคุณเตรียมพร้อมสำหรับคลื่นลูกใหม่ของ Enterprise Tech ไหม? (Quantum Computing ถูกกล่าวถึงที่นี่)
• D-Wave ประกาศหน่วยธุรกิจการเรียนรู้ของเครื่องจักร Quadrant

อ่านเพิ่มเติม : -

• ( https://techxplore.com/news/2019-04-quantum-machine.html )
• ( https://physics.aps.org/articles/v12/74?fbclid=IwAR2hVTFReQA-3lTNQXKEAtQN7KQ5Lz41wyM19DJDtS1H4fLDNivqxqh5G2k )
• ( https://www.forbes.com/sites/bernardmarr/2017/09/05/how-quantum-computers-will-revolutionize-artificial-intelligence-machine-learning-and-big-data/#59b153bf5609 )
• ( http://www.messagetoeagle.com/what-is-quantum-machine-learning-and-how-can-it-help-us/ )

ร่วมกับคอมพิวเตอร์ควอนตัมกลศาสตร์ควอนตัมและคณิตศาสตร์ควอนตัมจะเปลี่ยนอนาคตของปัญญาประดิษฐ์

ในการคำนวณค่าใช้จ่ายในปัจจุบันและข้อ จำกัด การใช้จำนวนเชิงซ้อนที่มีความซับซ้อนสูงมี จำกัด ปัญหาทางสถิติและอัลกอริธึมหลายอย่างอยู่ในคิวที่รอดำเนินการและทำให้การผลิตคอมพิวเตอร์ควอนตัมไม่สามารถแก้ปัญหาได้ จะไม่ตายและตรรกะการคำนวณพิเศษจะแก้ไขปัญหานี้ได้มีข้อมูลเพิ่มเติม