所有闪闪发光的不是量子AI

为什么人工智能领域没有创造出与人类智慧相当的东西?是因为问题“人工一般情报”还不是很清楚，还是因为我们只需要更快的计算机，特别是量子计算机?后一种观点是充满活力的研究领域，“量子机器学习”或QML的源泉。但有理由持怀疑态度。英国曼彻斯特的网络安全公司NCC Group的工程负责人詹妮弗弗尼克说：“我们需要怀疑这一观点，即量子能让事情变得更快，从而使机器学习得以进步。”

费尔尼克一周前在纽约的O'Reilly人工智能会议上发表了主题演讲。她本周坐下来告诉ZDNet为什么她对量子和人工智能配对中出现的所有炒作持怀疑态度

“现在，如果我们看看QML的工作，人们正在尝试诸如，我们可以构建一个支持向量机(SVM)或Boltzmann机器 - 我们可以构建这些现有的规范机器学习模型 - 在量子机器中， “观察费尔尼克。她指的是20世纪80年代和90年代出现的两种较旧的机器学习模型，在今天的深度学习系统之前。

网络安全公司NCC集团工程主管Jennifer Fernick表示，最近加速机器学习的量子工作“很酷”，“但不一定是人工智能的革命”

NCC集团。

实际上，IBM最近的研究试图表明，即使是今天的简单量子系统，例如2-qubit模型，理论上也可以远远超出使用电子流可以计算的“经典”计算机。

另外：

IBM的工作是最近在大型系统具有商业可行性之前找到量子计算用途的热潮的一部分。这种趋势被称为“浅量子电路”，也称为“噪声中等规模量子器件”或“NISQ”。

然而，她反映，NISQ试图加速浅层机器学习任务，例如SVM或玻尔兹曼机器，可能并没有真正取得多大成就。

“如果基础数学具有可通过量子利用的结构，并且我们拥有正确的量子算法，那么量子计算可以使某些事情变得更快，”她说。“在我们加入这个潮流之前，我们需要问一下，真正的算法创新是什么?”

她说，就像费克里克作为安全专家一样关注的密码学领域之一，量子计算“显然是值得的”。

量子计算机可以使得将给定数字“分解”成其组件素数的操作变得微不足道，其中经典计算机将发现它是不可能的。

此外：

“对于机器学习，我觉得我们已经用密码分析转化了同样的热情，但是甚至没有理论证明我们会产生同样的影响，”费尔尼克说。

费尼克的怀疑主义在相对年轻的计算复杂性理论领域中找到了灵感。特别是，她迷恋麻省理工学院的Scott Aaronson，他是电气工程和计算机科学副教授。

费尔尼克认为最有趣的数学家活着的亚伦森已经指出，仅仅能够加速AI中给定学习模型的计算可能不是人工一般智能的关键。模拟人类思维是一种需要指数计算时间的操作，还是不是?他问。如果是这样的话，那么量子的加速可能真的是一个优势。

根据Aaronson的说法，模拟人类大脑是指数级难以计算的操作既不是“平凡真实”也不是“平凡虚假”。这意味着不清楚AGI是否是量子可以获得的经典计算中的“低效”操作。

相反，Arronson暗示事实上可能是在“多项式时间”中可以实现的事物正在发生的事情，这是一种要求比指数时间要求更低的计算形式。正如Aaronson在2011年的一篇论文中写道，可以描述思想的软件是“一个紧凑，高效的计算机程序”，“包括抽象概念的表示，学习和推理的能力，以及我们期望的各种其他内部家具。在心中找到。“

另外：

这一观察结果表明，正确的AGI可能在计算上不那么苛刻，而不是更多，符合Fernick的直觉。

“通常情况下，我们可能在AI中寻找的革命并不是我们可能已经有效地解决的现有问题的一个小小的加速。”

诸如构建量子SVM之类的事情“很酷，但不一定是人工智能的革命本身并不意味着我们会突然获得更好的ML。”

费尔尼克自己的职业生涯受到了有效计算的问题的启发。“我讨厌计算机进入我十几岁的青少年，”她说，更喜欢神经科学领域。当她在多伦多大学攻读计算机专业的课程时，情况发生了变化。

“我有一位出色的教授，黛安霍顿，”她回忆道。“在课堂的最后一天，当她把文件拿走时，她对我说，'如果你继续学习计算机科学，你可能会遇到一些话题，一个是有些东西以前无法计算的。宇宙的热死亡。“

计算的复杂性可以追溯到计算机科学和人工智能的早期阶段

“早期的AI从业者开始将他们正在做的事情与计算硬度联系起来，”费尔尼克谈到20世纪40年代和50年代关于象征逻辑的工作，因为它与认知有关。

“在过去的几十年里，计算机科学并没有成为一个主题，”她说。现在，“现在是时候开始再次问那些非常深刻的问题了，”费尔尼克说。

至于量子本身，费尔里克说，在人工智能或其他任何方面推断它是否具有任何优势的地方，是由研究人员MH Devoret和RJ Schoelkopf撰写的2013年期刊论文。他们提出了工程量子系统必须满足的七个“里程碑”。

“这篇论文的核心见解 - 我发现最有趣的一点 - 就是我们所拥有的量子比特数，实际上不是100比110比特，而是七个里程碑中的哪一个，工程问题，我们有什么解决了?”费内克说。

靠近七个里程碑堆栈的顶端，远离今天的NISQ领域，是量子算法，最终将推动使用量子比特的逻辑门。

费米克说，科学“仍处于量子算法的初期阶段”。“认为我们现在拥有的量子算法是我们将在20年后兴奋的，这是非常天真的。”

那些尚未发现的算法可能是寻找量子AI增益的更好地方。

Muses Fernick，“以一种全新的方式利用这些量子物理属性制作非常不同的算法会不会更有趣?”