跟量子计算比起来,AI和机器学习弱爆了

简介:
量子计算基于物理学,使用不同的体系结构,不仅运算速度更快,而且还能完成更复杂的渲染,生成更细微的结果。普通计算机将信息存储为 1 或 0,而量子计算机  却是使用量子纠缠和叠加(quantum entanglement and superposition),以不同的方式来处理信息。
       
       例如,量子计算不仅能生成二进制输出,而且可以进行更多的定性分析。它可以为同一个问题提供多个答案,例如,将概率分配给不同的结果,而不是只提供单一的解决方案。
       
       此外,量子计算使得包括机器学习在内的人工智能应用速度显著提升。许多科技巨头如微软和谷歌等对量子计算长期项目投资感兴趣背后的重要原因,是建立一个全新基础架构的潜力。量子计算让之前不切实际的计算和计算机思维变得可能,可以同时执行比“可观测宇宙中的原子数量”更多的计算。
       
       在量子计算中,每一个二进制数据都是唯一、自包含和编码的。目前,数字计算只能有两种状态,开 / 关或是 / 否。
       
       伯恩斯坦表示,由于量子计算可能成为高级密码学的“游戏规则改变者”,因此阿伦·图灵(Alan Turing)终于找到了旗鼓相当的伙伴,解决以前无法破解的难题。
       
       尽管报告中没有具体提到比特币,作为新架构强大功能的例证,用现在的数字计算机可以在很短时间内解决这种密码难题。对于从事数字安全领域的人来说,他们也有必要了解量子计算可以用来破解基于数学的数字安全协议这一事实。
       
       伯恩斯坦的报告关注的是量子计算对社会具有积极影响的一面,例如量子计算机可以帮助确定癌症  病变,以及通过望远镜和深空应用收集的数据来发现类地行星。
       
       随着量子计算技术的发展,人工智能和机器学习改变技术格局的影响会越来越明显,但是谁能从中受益,以及如何实现这一目标,则可能会使这一领域获得投资变得困难。
       
       量子计算:对现有架构不造成威胁
       
       大公司可能会涉足量子计算,但不会很快影响他们的基础业务。
       
       伯恩斯坦认为,那些正在开发量子计算环境和软件的公司可能会占有优势,但是这些投资可能需要耐心才能得到回报。
       
       由于量子计算机使用的事“完全不同的”计算机体系结构,因此需要完全不同的开发范例。这可能会给软件公司创造“巨大的机会”,但是大家关注的焦点仍然还是是否有进展。量子计算不太可能替代现有的数字计算机体系结构,而是被用于那些不需要对目前采用的整个基础结构进行重新编程,比较前沿的新型应用程序。
       
       现有的企业管理应用程序(ERP)不太可能受到影响,因为给“完全不同”的架构编写解决方案的成本,不会带来相应的投资回报,除非计算速度快到足以带来快速的回报。预计将会产生变个性影响的应用程序将是与人工智能、物联网  和大数据  分析等前沿领域领的程序。
       
       虽然这些技术可能需要时间才能够变现,但一旦开始,竞争将会变得激烈,供应链  中将出现早期的应用。
       
       科技巨头之间的量子计算之争
       
       科技巨头是前沿科技的领跑者,在量子计算这一技术上也一样。IBM、谷歌、Intel 和旧金山的一家创业公司 Rigetti 正在竞相建立各自的量子系统。这些机器利用量子物理学的违反直觉的特性,以与传统计算机不同的方式处理信息。
       
       今年 11 月,IBM 树立了计算领域的一个里程碑,宣布建成一台能够处理 50 量子比特或量子位的量子计算机。该公司还在其云计算  平台上线了一个 20 量子比特的系统。
       
       IBM 研究量子计算由来已久,该公司的研究人员创建了量子信息处理领域,并在该领域进行了几十年的基础研究。在可用性量子系统方面,IBM 也取得了重大进展,首先是实现云计算可以访问量子计算机,开发相关的软件工具,其次是证明一个简单的机器可以在化学等领域的用途。
       
       近年来,谷歌对量子计算的兴趣也大增。2017 年 10 月 24 日,继开源 tensorflow、caffe 等深度学习开发框架后,谷歌在自己的官方博客上宣布,开源量子计算软件 OpenFermion,从而让科学家更方便的使用量子计算机。
       
       谷歌称,这次开放的是 OpenFermion 的源代码,可供用户免费使用,化学家和材料学家可以利用谷歌软件改编算法和方程,使之能在量子计算机上运行。事实上,谷歌开源的做法也是量子计算机领域目前的趋势,IBM、英特尔、微软和 D-Wave 等公司都曾宣布开放自己的量子计算平台,使之能促进量子计算的商业化运行。
       
       另外,在一篇发布于 Nature 的文章中,Google 发表了一份关于量子优越性(quantum supremacy)的声明,公开了 Google 对于证明量子计算机拥有超越传统计算机任务执行能力的计划。计划的关键点是建立 50 量子比特的量子计算器(50-qubit processors)来解决量子采样问题。
       
       据《新科学人》(News Scientist)报道,Google 已经成功地模拟 9 量子比特(9-qubit quantum)量子计算机实现了量子采样,目前正在积极打造一个 50 量子比特的量子计算机。 主要挑战在于,随着量子比特数目的增加,如何能够保持低误码率(error rate),这是也量子可扩展性的主要问题。 谷歌的工程师 Alan Ho 解释说,谷歌目前正在建立一个量子系统,预计能够在年底前达到至少 99.7%的双量子保真度(two-qubit fidelity)。
       
       
       尽管 IBM 已经建成一台能够处理 50 量子比特的量子计算机,但这并不意味着量子计算已经可以被普遍采用。因为 IBM 开发的系统仍然和其他公司构建的系统一样非常挑剔且具有挑战性。在 50 和 20 量子比特的系统中,量子态存在了 90 微秒,虽然打破了业界记录,但时长仍然十分短暂。
       
       尽管如此,50 量子位系统的建成是量子计算机发展的重要标志。迄今为止,其他建成的系统性能有限,只能完成一些在传统的超级计算机  上也可以进行的计算。而一个 50 量子比特的机器可以做到非量子计算技术无法企及的任务。


原文发布时间为:2017-12-26
本文作者:laolieren
本文来源:爱范儿,如需转载请联系原作者。

目录
打赏
0
0
0
0
357
分享
相关文章
AI开发新范式,PAI模型构建平台升级发布
本次分享由阿里云智能集团产品专家高慧玲主讲,聚焦AI开发新范式及PAI模型构建平台的升级。分享分为四个部分,围绕“人人可用”和“面向生产”两大核心理念展开。通过降低AI工程化门槛、提供一站式全链路服务,PAI平台致力于帮助企业和开发者更高效地实现AI应用。案例展示中,介绍了多模态模型微调在文旅场景的应用,展示了如何快速复现并利用AI解决实际问题。最终目标是让AI技术更普及,赋能各行业,推动社会进步。
2024云栖大会回顾|PAI ArtLab x 通往AGI之路系列活动,PAI ArtLab助力行业AI创新
2024云栖大会回顾|PAI ArtLab x 通往AGI之路系列活动,PAI ArtLab助力行业AI创新
BioEmu:微软黑科技炸场!生成式AI重构蛋白质模拟:千倍效率碾压传统计算,新药研发周期砍半
BioEmu 是微软推出的生成式深度学习系统,可在单个 GPU 上每小时生成数千种蛋白质结构样本,支持模拟动态变化、预测热力学性质,并显著降低计算成本。
36 2
BioEmu:微软黑科技炸场!生成式AI重构蛋白质模拟:千倍效率碾压传统计算,新药研发周期砍半
容器化机器学习流水线:构建可复用的AI工作流
本文介绍了如何构建容器化的机器学习流水线,以提高AI模型开发和部署的效率与可重复性。首先,我们探讨了机器学习流水线的概念及其优势,包括自动化任务、确保一致性、简化协作和实现CI/CD。接着,详细说明了使用Kubeflow Pipelines在Kubernetes上构建流水线的步骤,涵盖安装、定义流水线、构建组件镜像及上传运行。容器化流水线不仅提升了环境一致性和可移植性,还通过资源隔离和扩展性支持更大规模的数据处理。
Java+机器学习基础:打造AI学习基础
随着人工智能(AI)技术的飞速发展,越来越多的开发者开始探索如何将AI技术应用到实际业务场景中。Java作为一种强大的编程语言,不仅在企业级应用开发中占据重要地位,在AI领域也展现出了巨大的潜力。本文将通过模拟一个AI应用,从背景历史、业务场景、优缺点、底层原理等方面,介绍如何使用Java结合机器学习技术来打造一个AI学习的基础Demo。
103 18
云端问道8期方案教学-基于Serverless计算快速构建AI应用开发
本文介绍了基于Serverless计算快速构建AI应用开发的技术和实践。内容涵盖四个方面:1) Serverless技术价值,包括其发展趋势和优势;2) Serverless函数计算与AI的结合,探讨AIGC应用场景及企业面临的挑战;3) Serverless函数计算AIGC应用方案,提供一键部署、模型托管等功能;4) 业务初期如何低门槛使用,介绍新用户免费额度和优惠活动。通过这些内容,帮助企业和开发者更高效地利用Serverless架构进行AI应用开发。
PolarDB-PG AI最佳实践 2 :PolarDB AI X EAS实现自定义库内模型推理最佳实践
PolarDB通过POLAR_AI插件支持使用SQL调用AI/ML模型,无需专业AI知识或额外部署环境。结合阿里云EAS在线模型服务,可轻松部署自定义模型,在SQL中实现如文本翻译等功能。
PAI年度发布:GenAI时代AI基础设施的演进
本文介绍了AI平台在大语言模型时代的新能力和发展趋势。面对推理请求异构化、持续训练需求及安全可信挑战,平台推出了一系列优化措施,包括LLM智能路由、多模态内容生成服务、serverless部署模式等,以提高资源利用效率和降低使用门槛。同时,发布了训推一体调度引擎、竞价任务等功能,助力企业更灵活地进行训练与推理任务管理。此外,PAI开发平台提供了丰富的工具链和最佳实践,支持从数据处理到模型部署的全流程开发,确保企业和开发者能高效、安全地构建AI应用,享受AI带来的红利。
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。

热门文章

最新文章