偉大前程與技術(shù)難關(guān)：量子機(jī)器學(xué)習(xí)該如何走進(jìn)現(xiàn)實(shí)？

在我們描述21世紀(jì)剛剛過去的第二個(gè)十年的技術(shù)版圖中，人工智能(AI)、大數(shù)據(jù)(Big Data)、云計(jì)算(Cloud)、物聯(lián)網(wǎng)(IoT)是幾個(gè)無論如何也繞不開的術(shù)語。在闡述科技發(fā)展趨勢(shì)的文章里，如果不把這些術(shù)語作為開篇，簡(jiǎn)直都不好展開論述。

而在下一個(gè)十年，在這一長(zhǎng)串的革命性技術(shù)的名單后面，可能還要再加一個(gè)量子計(jì)算。正如人工智能，因?yàn)榇髷?shù)據(jù)的喂養(yǎng)而使得神經(jīng)網(wǎng)絡(luò)算法得以成熟，因?yàn)樵朴?jì)算的加持才擁有了充沛的算力，因?yàn)楹臀锫?lián)網(wǎng)的融合而使得萬物產(chǎn)生智能。

那么，人工智能與量子計(jì)算的交往又能產(chǎn)生怎樣的“劇烈反應(yīng)”呢?

2017年，圖靈獎(jiǎng)得主姚期智教授在一次演講時(shí)說：“如果能夠把量子計(jì)算和AI放在一起，我們可能做出連大自然都沒有想到的事情?！?/p>

這等“敢叫天地?fù)Q新顏”的技術(shù)前景，對(duì)于大多數(shù)普通人而言可能還略顯遙遠(yuǎn)，但量子計(jì)算和量子機(jī)器學(xué)習(xí)的技術(shù)研究早已在全球多家科研機(jī)構(gòu)和科技巨頭的實(shí)驗(yàn)室中落地開花，可以向外界和技術(shù)人員提供基礎(chǔ)的算法工具和資源，讓公眾可以一睹量子與智能的神奇力量。

近日，百度飛槳官宣發(fā)布了量子機(jī)器學(xué)習(xí)開發(fā)工具Paddle Quantum——量槳，成為國(guó)內(nèi)唯一支持量子機(jī)器學(xué)習(xí)的深度學(xué)習(xí)平臺(tái)。量槳的作用就是提供了一套量子機(jī)器學(xué)習(xí)的工具集，開放給科研人員，進(jìn)行量子神經(jīng)網(wǎng)絡(luò)的搭建測(cè)試以及量子人工智能的研究。

量槳的出現(xiàn)，到底能為量子機(jī)器學(xué)習(xí)帶來多少顯著進(jìn)展，尚待時(shí)間檢驗(yàn)，但一定程度上推動(dòng)量子機(jī)器學(xué)習(xí)在我國(guó)的普及，為廣大AI和量子計(jì)算的研究者提供了一條新的學(xué)習(xí)途徑。

按捺不住學(xué)習(xí)熱情的你，一定想到量子計(jì)算和人工智能的技術(shù)交匯處，一窺量子機(jī)器學(xué)習(xí)的究竟，來衡量下投身入局的可能吧?

為什么“量子計(jì)算”很配“人工智能”?

進(jìn)入正題之前，我們不妨先來簡(jiǎn)單了解下量子計(jì)算的基礎(chǔ)背景，來降低下代入難度。

先來看，量子為什么能夠計(jì)算?

二十世紀(jì)，自然界的一個(gè)重大物理發(fā)現(xiàn)就是量子力學(xué)，而量子力學(xué)主要的發(fā)現(xiàn)是基本粒子有兩種狀態(tài)——疊加和糾纏。通俗來理解，疊加，就是量子同時(shí)既是這樣又是那樣，一旦被觀察或測(cè)量就會(huì)變成其中的一個(gè)樣子，這就是著名的“測(cè)不準(zhǔn)”;糾纏，就是兩個(gè)成對(duì)的量子粒子，即使相隔宇宙兩端，也能發(fā)生暗戳戳的神秘互動(dòng)，這就是大名鼎鼎的“量子糾纏”。

“疊加”決定了量子的并行計(jì)算的基礎(chǔ)，“糾纏”決定了量子傳輸?shù)幕A(chǔ)。讓量子的這些特性被用于計(jì)算時(shí)，就能用來處理非常復(fù)雜的數(shù)據(jù)計(jì)算。

我們知道，經(jīng)典計(jì)算的基本單位是比特(Bit)，比特只能在0和1兩個(gè)狀態(tài)之間切換。經(jīng)典計(jì)算只能在0和1的開合中實(shí)現(xiàn)線性計(jì)算，只不過現(xiàn)在的計(jì)算力非常巨大，一秒鐘可以進(jìn)行數(shù)十億甚至更高的計(jì)算。

而量子計(jì)算的基本單位的量子比特(Qubit)，量子比特因?yàn)榀B加效應(yīng)就可以同時(shí)具有0和1的特征。隨著量子比特?cái)?shù)量的增加，量子比特的計(jì)算能力將會(huì)以指數(shù)級(jí)的方式增加。

也就是，一個(gè)量子比特可以同時(shí)處于兩個(gè)狀態(tài)(0 和 1)。因此，兩個(gè)相互作用的量子比特可以同時(shí)存儲(chǔ)全部4個(gè)二進(jìn)制值。通常，“n”個(gè)量子比特可以同時(shí)表示“2的n次方”個(gè)經(jīng)典二進(jìn)制值。

我們用一個(gè)“玉米田迷宮”的例子來理解經(jīng)典計(jì)算和量子計(jì)算的不同：經(jīng)典計(jì)算就如同一個(gè)人在玉米田里尋找出口，這個(gè)人會(huì)先找一條路走下去，遇到阻礙就返回，再找一條路重新開始，再遇到阻礙就再返回，直到找到出口。而量子計(jì)算就如同有了多個(gè)分身，可以同時(shí)探索玉米迷宮里的每一條路徑，同時(shí)一次就把出口找到。

這樣，量子計(jì)算的疊加態(tài)以及糾纏態(tài)形成的疊加坍縮構(gòu)成的高并行計(jì)算能力，就為人工智能特別是機(jī)器學(xué)習(xí)所需要的數(shù)據(jù)處理和算法訓(xùn)練提供了一種新的可能。

量子計(jì)算和人工智能也在發(fā)生一種相互“糾纏”又密不可分的關(guān)系，但這并不意味著量子計(jì)算加上機(jī)器學(xué)習(xí)，就可以立刻碰撞出顯著的成果。

量子機(jī)器學(xué)習(xí)仍在“襁褓”之初

量子機(jī)器學(xué)習(xí)(Quantum ML)是一個(gè)量子計(jì)算和機(jī)器學(xué)習(xí)交叉的的跨學(xué)科技術(shù)領(lǐng)域，二者的結(jié)合可以產(chǎn)生一種互利互惠的結(jié)果。

一方面，量子計(jì)算最主要的目標(biāo)之一，就是借助于量子特性開發(fā)高性能的量子機(jī)器學(xué)習(xí)算法，從而加快或拓寬人工智能的應(yīng)用場(chǎng)景。另一方面，量子計(jì)算在大規(guī)模應(yīng)用落地之前還有許多非常棘手的科學(xué)與工程技術(shù)難題有待解決，這需要大量的先進(jìn)計(jì)算工具，特別是AI技術(shù)幫助突破量子計(jì)算研發(fā)瓶頸。

在機(jī)器學(xué)習(xí)和量子計(jì)算按照算法和數(shù)據(jù)二維劃分下，可以得到四種不同分類——C-C、Q-C、C-Q和Q-Q。C-C就是傳統(tǒng)的機(jī)器學(xué)習(xí);Q-Q屬于量子計(jì)算的開放域;而C-Q主要就是通過機(jī)器學(xué)習(xí)算法來解決量子物理的問題，比如對(duì)量子系統(tǒng)的控制對(duì)象建模，對(duì)擾動(dòng)、噪聲等參數(shù)特征的辨識(shí)，推動(dòng)量子計(jì)算發(fā)展。

而Q-C就是利用量子理論改進(jìn)機(jī)器學(xué)習(xí)，推動(dòng)機(jī)器學(xué)習(xí)算法的量子化。一種方法是通過量子計(jì)算把原先經(jīng)典計(jì)算中不可計(jì)算的問題變?yōu)榭捎?jì)算的, 從而大幅降低機(jī)器學(xué)習(xí)算法的計(jì)算復(fù)雜度;一種方法是通過量子計(jì)算并行加速的優(yōu)勢(shì)與機(jī)器學(xué)習(xí)的算法深度結(jié)合，催生出全新的量子機(jī)器學(xué)習(xí)算法模型。

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)只能使用單個(gè)網(wǎng)絡(luò)來存儲(chǔ)許多算法模式;而量子神經(jīng)網(wǎng)絡(luò)，因?yàn)榱孔盈B加效應(yīng)帶來的并行性，可以使用許多網(wǎng)絡(luò)來存儲(chǔ)許多算法模式。不過，量子神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)并不容易，因?yàn)樽罱K這些算法想要真正發(fā)揮作用則需量子計(jì)算機(jī)(處理器)的支持。

據(jù)報(bào)道，2018 年，意大利帕維亞大學(xué)的研究團(tuán)隊(duì)在只有4個(gè)量子比特的量子計(jì)算機(jī)上實(shí)現(xiàn)了世界上第一個(gè)單層神經(jīng)網(wǎng)絡(luò)。

(具有 4 個(gè)量子比特的人工神經(jīng)元的量子電路)

這一模型能夠準(zhǔn)確地模擬單個(gè)神經(jīng)元的行為，像這樣的單層模型能夠識(shí)別簡(jiǎn)單的模式。然而，它還沒有擴(kuò)展到由多層神經(jīng)元組成的深度神經(jīng)網(wǎng)絡(luò)。不過，這至少是在量子硬件上有效訓(xùn)練量子神經(jīng)網(wǎng)絡(luò)而邁出的第一步。

與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，量子神經(jīng)網(wǎng)絡(luò)具有很多優(yōu)勢(shì)，比如，指數(shù)級(jí)記憶容量、更快的學(xué)習(xí)和處理速度、更小的規(guī)模以及更高的穩(wěn)定性和可靠性等。

盡管量子硬件的進(jìn)度稍顯緩慢，但算法模型理論可以先行。谷歌的Quantum AI 團(tuán)隊(duì)就在當(dāng)時(shí)已經(jīng)預(yù)先構(gòu)建出一個(gè)可以在量子計(jì)算機(jī)上訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)的理論模型。

而到了今年3月，谷歌又宣布開源一款用于訓(xùn)練量子模型的機(jī)器學(xué)習(xí)庫 TensorFlow Quantum(簡(jiǎn)稱 TFQ)。TFQ 包含了特定量子計(jì)算所需的基本結(jié)構(gòu)，例如量子比特、門、電路和測(cè)量運(yùn)算符。用戶指定的量子計(jì)算然后可以在模擬或真實(shí)硬件上執(zhí)行。

目前，量子機(jī)器學(xué)習(xí)的發(fā)展仍然處于起步階段，當(dāng)前的一些應(yīng)用上面可以做到使用量子神經(jīng)網(wǎng)絡(luò)來生成一些演奏出全新聲音的新樂器等。

未來量子機(jī)器學(xué)習(xí)的應(yīng)用前景卻更加令人興奮，比如擁有指數(shù)級(jí)存儲(chǔ)和檢索能力的量子神經(jīng)網(wǎng)絡(luò)可以模擬人類大腦或者模擬黑洞，能夠幫助人類真正探索世界最深邃的本質(zhì)。這也許才是量子機(jī)器學(xué)習(xí)和量子計(jì)算發(fā)揮終極價(jià)值的場(chǎng)域。

量子機(jī)器學(xué)習(xí)的成長(zhǎng)“難關(guān)”

量子計(jì)算本身就是一項(xiàng)復(fù)雜技術(shù)，而量子機(jī)器學(xué)習(xí)這一交叉技術(shù)的研發(fā)難度自然又進(jìn)一步提高。量子機(jī)器學(xué)習(xí)算法的成熟自然要得益于軟硬件兩方面的同時(shí)提升，而在這兩方現(xiàn)在都仍然還存在一些難關(guān)要闖過。

首先，我們要知道，傳統(tǒng)的機(jī)器學(xué)習(xí)語言并不能直接地移植到量子計(jì)算上面，而是需要先把當(dāng)前的機(jī)器學(xué)習(xí)代碼轉(zhuǎn)換成使用量子比特的量子態(tài)，從而構(gòu)建出量子神經(jīng)網(wǎng)絡(luò)。

這就是所謂的量子機(jī)器學(xué)習(xí)的I/O瓶頸，所謂I/O瓶頸是指，目前大部分量子機(jī)器學(xué)習(xí)算法或者需要把大規(guī)模數(shù)據(jù)集編碼為量子態(tài)，或者只是把問題的解生成在量子態(tài)中，因此輸入階段的前處理和信息提取階段的后處理將耗費(fèi)大量時(shí)間，乃至抵消量子算法所節(jié)省的時(shí)間。

(IBM的一個(gè) 50 量子比特位計(jì)算系統(tǒng)的中心結(jié)構(gòu))

其次，則是真正意義上的通用量子計(jì)算機(jī)尚沒有出現(xiàn)，而現(xiàn)在意義上的上千個(gè)量子比特的量子計(jì)算機(jī)在可以良好抗噪聲、解決退相干問題上還存在著一定的問題，也就是還不能達(dá)到迪文森佐標(biāo)準(zhǔn)的量子計(jì)算機(jī)。這意味著能夠支撐量子機(jī)器學(xué)習(xí)算法得以實(shí)際驗(yàn)證的硬件手段仍然是缺乏的，研究者大多只能通過量子模擬器的方式來實(shí)現(xiàn)多個(gè)量子比特的運(yùn)算。

比如說，此次谷歌TFQ為量子機(jī)器學(xué)習(xí)研究提供了一個(gè)內(nèi)含大約 50~100 量子比特的噪聲中級(jí)量子處理器(NISQ)的工具，從而控制 / 建模自然或人工量子系統(tǒng)?；诖耍F(xiàn)在TFQ的量子機(jī)器學(xué)習(xí)模型可以處理量子數(shù)據(jù)模型和混合量子經(jīng)典模型，幫助開發(fā)者能夠改進(jìn)現(xiàn)有的量子算法或發(fā)現(xiàn)一些新的算法。

基于軟硬件上面的現(xiàn)實(shí)困難，量子機(jī)器學(xué)習(xí)算法上面的突破還有很長(zhǎng)的時(shí)間。

此外，在一些計(jì)算問題上，量子機(jī)器學(xué)習(xí)的算法和經(jīng)典算法相比是否一定有加速優(yōu)勢(shì)，則仍然存疑。2018年，年僅18歲的華裔學(xué)生Ewin Tang受量子推薦算法的啟發(fā)，設(shè)計(jì)出了一個(gè)經(jīng)典算法，它能以和量子算法相近的速度解決推薦問題。這一思路給了研究者以啟示：通過量子算法思維能促進(jìn)經(jīng)典算法的發(fā)展，這也是量子計(jì)算研究意義的另一種體現(xiàn)。

盡管目前來說，量子機(jī)器學(xué)習(xí)既沒有像去年谷歌所宣稱的“量子霸權(quán)”那樣引人矚目，也不能像人工智能在現(xiàn)實(shí)生活的廣泛應(yīng)用而成績(jī)顯著。但量子機(jī)器學(xué)習(xí)更像是一個(gè)面向未來世界的計(jì)算產(chǎn)物。

回到幾十年前，量子計(jì)算的實(shí)現(xiàn)和機(jī)器學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)，都一度被認(rèn)為是不可能的事情。而這二者竟然都能夠?qū)崿F(xiàn)，現(xiàn)在還處在了相互結(jié)合的交匯點(diǎn)上，已然是人類技術(shù)的一次奇遇。

那么站在當(dāng)下，一個(gè)普通的技術(shù)愛好者也可以通過像百度、谷歌這樣的量子計(jì)算平臺(tái)的開放，就可以親身來進(jìn)行量子算法的開發(fā)和測(cè)試，更不能不說千載難逢、幸運(yùn)之至。