“量子计算”和“人工智能”是当前科技圈最“潮”的两大名词,2023年爆火的ChatGPT，因其与人类的实时智能交互而被称为“万能工具箱”，又一次掀起了人工智能的热潮。而量子计算技术领域也涌现出了许多令人欣喜的成果，如“悬铃木（Sycamore）”量子计算机进一步升级，其运算能力远超现今所有的经典超级计算机。

量子计算示意图（图片来源：veer图库）

那么，如果把量子计算和人工智能结合在一起，从而利用量子计算机的超强算力来加速和改进人工智能的学习和进化，岂不是有可能创造出电影中的智能量子计算机“MOSS”吗？同理，人工智能技术应该也能辅助量子计算机优化某些特定复杂问题的求解，充分地释放量子计算的巨大潜能。

实际上，这种想法和计算机学家、量子物理学家的想法不谋而合。将传统人工智能技术和量子计算相结合，已成为现实，这种结合体也有一个专有名词——量子人工智能（Quantum Artificial Intelligence，QAI）。它可以在算法优化问题、自然语言处理、图像识别、以及基础科学研究等领域发挥“1+1>2”的巨大应用价值。

弱人工智能变强的方式

相信一些小伙伴已经习惯使用chatGPT来帮助自己搞定日常生活中的各种小事，但它仍旧会有许多让人哭笑不得的bug。这是因为，它的智能是借助计算机预先编译的算法和程序，来分析和处理海量的数据，从而做出决策。这就导致它的运算和决策受到了极大的限制，因而仍属于“弱人工智能”的范畴。

如何将现今只能解决特定问题的“弱人工智能”进一步升级，成为能够胜任人类创造工作的“强人工智能”，甚至远胜于人类智慧的“超强人工智能”，一直是科学家们不断探索的课题之一。

在这条探索的路上，人工智能经历了三次重要的发展阶段。

二十世纪五六十年代是早期探索阶段，“人工智能”的概念得到了初步的确立。

二十世纪七八十年代是艰难发展阶段，随着晶体管计算机的算力不断发展，开发出了基于专业领域的知识和特定规则，以模拟人类专家进行决策的机器——专家系统。但是，它难以处理复杂的现实世界问题，因此并不属于我们现在熟知的通用型机器。

具有专业知识和经验的智能计算机“专家系统”（图片来源：Opengate）

二十世纪九十年代至今是机器学习和大数据时代，计算机的算力和数据量都出现了爆发性的增长，进一步推动了人工智能技术在自然语言处理（NLP）、图像识别和优化以及自动驾驶等方面的进展。

然而，人工智能的模型需要大量的标记数据进行训练，需要海量的算力资源和高昂的运维成本。例如，大型的自然语言处理（NLP）模型需要高性能的服务器进行数百亿次浮点运算（GigaFLOPs）来处理单个输入参量，这就需要大规模的GPU集群或专用AI芯片，单次训练成本估计高达一亿元人民币，并且花费几天到数月的时间才能完成训练。

不难看出，人工智能技术的每次突破性进展都得益于计算机算力的爆发性增长，例如超大集成电路的发展，以及算法的不断优化。与此同时，人工智能技术研究高潮的每次回落也都受限于计算机的算力资源和高昂的运维成本。

科学家估计，在乐观的情况下，现有的经典计算机算力预计会每两年翻一番。然而，人工智能领域需要训练的大模型数据则大约每个季度就要翻一番。因此，要满足传统的人工智能研究，就需要寻找更高效的运算方式来替代现有的经典计算机。

量子计算+人工智能——脑洞大开的全新搭档

不同于人工智能一路跌跌撞撞发展的七十多年，作为后起之秀的量子计算在短短三十多年内就取得了长足的进步。

传统的人工智能技术依赖于经典计算机的算法运算，其计算以0或者1的二进制方式进行。而量子人工智能则基于量子计算机的并行运算法则，其基本的运算单元是可以同时处于0态和1态叠加的量子比特。

量子计算+人工智能示意图（图片来源：Veer图库）

这里的“量子”并非一种真实的微粒，而是一种极小的物理单位，它就像是微观世界的迷你积木。在现实世界中，我们习惯于物体处于确定的状态，如桌子是实体的，苹果是红色的。但在量子世界中，物体可以同时处于多种状态。

“薛定谔的猫”思想实验示意图（图片来源：Veer图库）

也就是说，量子计算机只需要具有N个量子比特，就可以同时并行处理经典计算机中2^N个数据，这将远超现今最强超级计算机的算力。因此，量子计算机的诞生为计算机学家打开了一种全新的思维方式，即利用并行计算的巨大潜能，来解决人工智能研究中某些特定的算法问题。

那么，为什么量子计算+人工智能就能发挥出更大的优势来呢？我们可以用一个“轮盘游戏”的故事来说明。

假设游乐场中有许多个轮盘，并且每个轮盘上面都有38个数字。在理想情况下，每个轮盘在停止旋转后，选中每个数字的可能性应该都是1/38。但实际上，总是有一些轮盘并非完美对称，这就意味着某些特定数字的出现概率会更高一些。玩家就可以根据大量的统计结果找到那些不完美对称的轮盘，从而在不完美对称的轮盘下注不同的数字，以提高自己的中奖概率。

轮盘旋转游戏（图片来源：Veer图库）

然而，这并非一件容易的事情。这是因为，获取不同轮盘的特定数字的偏向性，需要大量的尝试和复杂的数据处理。因此，玩家需要同时雇佣大量的助手一直守在每个轮盘前，并且不断地统计轮盘中每个数字相应的出现概率。

但是，这个过程不仅需要耗费玩家大量的时间和精力，还需要付出额外的金钱成本来雇佣足够数量的助手。因此，这本身就是一件搜索成本极高的事情。

上面“轮盘游戏”的故事，就类似于传统的人工智能解决特定搜索问题的过程。与之不同的是，这里的“玩家”是用户本身，“雇佣的助手”是经典计算机中更多的运算服务器，而“轮盘”就是需要解决的搜索问题。也就是说，传统人工智能需要“雇佣”经典计算机中更多的运算服务器，以及付出额外的“能源成本”和“时间成本”才能完成相应的运算任务。

对量子人工智能而言，这种多任务的并行处理问题则高效得多。得益于量子计算的超强并行运算能力，具有量子人工智能“buff加持”的“玩家”可以独自同时完成对各个“轮盘”的把守和跟踪，并且快速进行相应的数据检索和处理。也就是说，量子人工智能可以同时探索多种可能性，从而更快地找到最优解，让“玩家”在游戏中保持优势。

结语

量子人工智能的概念自问世以来，就吸引着无数科学家的广泛关注。事实上，它已经在许多领域中发挥出了1+1>2的作用。药物加速研发、高效优化物流运输、金融市场预测……数不胜数的应用场景，无限的应用价值，那么量子人工智能到底在哪些方面丰富了人类的生活？它又是如何发挥出自己的实力的？让我们在下一篇文章中为大家揭开谜底吧。

出品：科普中国

作者：栾春阳（清华大学物理系）

监制：中国科普博览