圖: Honeywell Quantum Solutions
量子計算機將徹底改變商業(yè)并開創(chuàng)一個前所未有的算力新時代,正因如此,量子計算技術(shù)在許多人眼里成了可以提供競爭優(yōu)勢的新必備品,也是前瞻性思維和創(chuàng)新的標(biāo)志,因而得到越來越多高管的青睞。
但對許多在該領(lǐng)域工作的科學(xué)家來說,投資者和首席信息官對量子計算的濃厚興趣是一把雙刃劍??茖W(xué)家警告說,雖然量子計算機最終需要走出實驗室進入企業(yè),但量子計算技術(shù)的商業(yè)化可能來得太快了,極有可能會令量子計算被恐怖地“過度炒作”,落得一個和虛擬現(xiàn)實、區(qū)塊鏈及NFT一樣的“下場”。
事實上,從科學(xué)的角度來看,量子計算是非常令人興奮的——這也是為什么量子計算領(lǐng)域的研究持續(xù)了幾十年的原因。
科學(xué)家們從上世紀(jì)90年代初開始就對于利用量子力學(xué)構(gòu)建下一代計算機的想法感到振奮。原因是當(dāng)時已經(jīng)知道,在粒子處于最小的量子狀態(tài)時,其行為與經(jīng)典物理學(xué)定律所描述的方式非常不同。
例如,量子粒子可以同時以幾個不同的狀態(tài)存在,相當(dāng)于可以處于一種雙重現(xiàn)實狀態(tài)??茖W(xué)家們當(dāng)時就設(shè)想,這一特性可以在計算方面得以利用,可以讓量子粒子在不同狀態(tài)下并行地攜帶不同的數(shù)據(jù),而不是像經(jīng)典計算機的比特那樣僅限于1或0。量子比特的想法就此誕生。
理論上,計算機利用量子比特可以在短時間內(nèi)解決非常復(fù)雜的問題,因為不同的計算可以在多個平行的“現(xiàn)實”中同時進行。
芝加哥大學(xué)計算機科學(xué)系助理教授Bill Fefferman表示:“我們基本上從上世紀(jì)90年代初就知道,量子計算可以解決經(jīng)典計算機難以解決的問題。雖然這個結(jié)論還只停留在理論層面。但是,原則上如果有那么一天建造了一臺完美的量子計算機,這臺量子計算機就可以做這些事情。”
而當(dāng)下,我們已經(jīng)可以見到小規(guī)模量子計算機的早期原型——這些系統(tǒng)可以控制少量的量子比特,盡管通常量子比特不超過100個左右。例如,由該領(lǐng)域最突出的投資者之一IBM建造的最強大的量子機器目前擁有65個量子比特。
量子計算機用這么少的量子比特實際能做的事情非常有限,研究人員估計,要建立工程師在上世紀(jì)90年代夢想的完美量子系統(tǒng)需要多達(dá)100萬個量子比特,甚至可能更多。但科學(xué)家們?nèi)匀豢梢杂媒裉斓男∫?guī)模機器進行實驗,用于推測一旦技術(shù)更加先進時事情會如何發(fā)展,目前,他們看到的結(jié)果似乎充滿著希望。
例如,化學(xué)工程師預(yù)計,量子計算機將能夠模擬大型復(fù)雜的分子,可以用于預(yù)測最能抵御疾病的組合,從而更快地創(chuàng)造出拯救生命的藥物;銀行巨頭則指望量子系統(tǒng)可以用上基于更多快速變化因素的計算,進而決定買入和賣出哪些最佳股票,以獲得最大的回報;汽車制造商則在測試量子計算技術(shù)如何徹底改變電池的設(shè)計、供應(yīng)鏈的優(yōu)化或密集的城市環(huán)境的交通管理等等。
此外,一些早期實驗還在各領(lǐng)域掀起了熱潮,包括石油和天然氣、物流、網(wǎng)絡(luò)安全、農(nóng)業(yè)甚至天氣預(yù)報等各個領(lǐng)域。一些專家稱,一旦量子技術(shù)成熟,每個行業(yè)都將徹底改變。
Fefferman表示:“早期實驗表明,量子計算技術(shù)有望解決一些非常有意思的問題,特別是一些無法用經(jīng)典計算方法解決的問題。”
顯然,投資者沒用多久就已經(jīng)開始關(guān)注量子計算技術(shù)。量子計算行業(yè)蓬勃發(fā)展,實力雄厚的科技巨頭IBM和谷歌是主要推手,兩家公司是第一批對量子計算技術(shù)感興趣的大型公司。到現(xiàn)在,亞馬遜和微軟也加入進來,都推出了自己的量子項目,加上其余幾十家小一些的公司,量子計算今年的投資總額達(dá)10.2億美元。
如今,市場上已經(jīng)有近200家量子計算初創(chuàng)公司,這些公司主要提供量子軟件和硬件的服務(wù),而一旦量子革命啟動后,它們都有望推動巨大的業(yè)務(wù)改進。第一家致力于量子計算機的上市公司IonQ今年早些時候宣布了一項20億美元的交易。量子路線圖成倍增加,IBM的量子路線圖為1121量子比特,而PsiQuantum的量子路線圖則計劃至2025年達(dá)到100萬量子比特的目標(biāo)。
但一些專家現(xiàn)在對這個行業(yè)的可行性表示懷疑。Sabine Hossenfelder是法蘭克福高等研究院的理論物理研究員。對于Hossenfelder來說,量子計算行業(yè)經(jīng)歷的是泡沫漸顯——可能會對研究造成極大的損害。
Hossenfelder告訴記者:“我的工作屬于基礎(chǔ)研究領(lǐng)域范疇,從我的角度來看,量子方面所有的早期應(yīng)用都超級令人興奮。但我讀到的很多東西都是沒道理地樂觀。”他表示,“我看到存在的風(fēng)險,所有這些投資者,他們喜歡的想法就是,我們很快就能造出一臺大量子計算機,我們可以用它來賺錢,因為我們會解決所有這些問題——但五年左右后,他們會意識到這些承諾沒有實現(xiàn)。然后他們就會退出,結(jié)果是即使在研究方面都很難繼續(xù)下去,因為泡沫急劇萎縮。”
對Hossenfelder來說,問題的根源主要在于時間。目前最先進的技術(shù)也就不到100量子比特,要突破100萬量子比特的大關(guān)是一個巨大的技術(shù)挑戰(zhàn)。不僅僅是成功創(chuàng)造和控制更多的量子比特就“萬事大吉”了:工程師們還必須考慮如何減少所需的空間,減到可以容下運行系統(tǒng)所需的所有設(shè)備。目前的量子計算機加上機件和工具可以塞滿幾間房子。因此只是用目前的技術(shù)將設(shè)備擴大幾個數(shù)量級的做法根本就不現(xiàn)實。
Hossenfelder認(rèn)為,在未來幾年里不會找到解決這些問題的所有技術(shù)方案,她認(rèn)為解決這個挑戰(zhàn)的難度可以和一個世紀(jì)前用木材建造現(xiàn)代個人電腦的難度相比。
而且,即使他們可以做到,即使有一個團隊秘密研究出一種新的方法,可以在未來5到10年內(nèi)解決所有現(xiàn)有的瓶頸問題,即便這樣也遠(yuǎn)遠(yuǎn)不能肯定量子計算機可以在所有方面擊敗經(jīng)典計算機。恰恰相反:量子系統(tǒng)有望在特定的用例(特別是模擬運算)中產(chǎn)生巨大變化,但量子計算機不太可能很快取代我們目前的筆記本電腦。
Fefferman 表示:“我們必須小心,要以更準(zhǔn)確的方式談?wù)摿孔佑嬎銠C。量子計算機并不是萬能的,它們不會加快解決所有問題的速度。即使是30年或100年后,完美的量子計算機屆時已經(jīng)存在了,某些問題也還是不適合用量子計算機解決。”
有種種跡象表明,經(jīng)典計算機將繼續(xù)存在,而且仍將被用來完成許多任務(wù),即便不是大多數(shù)任務(wù)。相比之下,量子計算機則會更像是一種特殊用途的設(shè)備,可以在一系列非常具體的問題上得到極端速度提升??茖W(xué)家們今天正在做的就是試圖找到這些問題到底是什么。
那么,什么是量子計算行業(yè)的炒作,什么不是呢?Fefferman 表示:“在高層次上回答這個問題,二者之間僅一線之差。”許多研究團隊定下了可行的目標(biāo),也有許多企業(yè)在開發(fā)可能改變游戲規(guī)則的產(chǎn)品。但是也有很多公司是在搭量子計算系統(tǒng)的順風(fēng)車,在兜售名為“量子萬金油”的東西。
Fefferman并非是唯一一個警告不要對量子計算抱不切實際期望的人。例如計算機科學(xué)家Scott Aaronson,也是量子泡沫漸顯的突出批評者,他在他的博客中表示,現(xiàn)在的呼聲來自內(nèi)部,即是說,量子科學(xué)家自己也在擔(dān)心量子領(lǐng)域被過早剎停。
炒作從根本上說對量子計算并不是件壞事:如果量子計算最終要離開學(xué)術(shù)界實現(xiàn)上世紀(jì)90年代誕生的夢想,這個行業(yè)就需要得到商業(yè)資本的青睞。但過快地創(chuàng)造出不可能達(dá)到的期望則是危險的,事實上,不可能達(dá)到的期望總是危險的。對于在該領(lǐng)域工作的科學(xué)家來說,這只會讓“量子寒冬”的前景變得更加急迫。
總而言之,量子計算的承諾當(dāng)然是真實的,但要實現(xiàn)它則需要耐心和強烈的責(zé)任感。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。