从到量子人工智能

中国科学院院士、中国科学技术大学物理学院院长　杜江峰

大家下午好！

我这个主题大家可能会觉得非常复杂，一听到量子，很多人都搞不懂，包括发明的人也说他不懂量子科学，大家知道计算机是从经典计算机到量子计算机，同样，人工智能也有这样一个过渡。我下面主要给大家介绍一下这方面的内容。

我们知道人工智能已经取得了很好的成绩，虽然机器下棋赢了人，但是我比较赞同邢教授的看法，实际上，我们设计的任何机器都会超过人的能力，但是从本质上来说，人工智能不会走到一个有情感、有思维的境界，它往往只是去学习经验性的东西。经典人工智能面向的对象，直观上是根据数据和计算机的绘图，是不是通过人工智能理解图片中的一些概念？一般来说，我看到一幅图像，如果让机器来描述的时候，它会按照像素展开形成一些数据。人工智能能不能进一步对这些数据有一些感官上的更深入的了解？比如说我们看到这个东西，是毛茸茸的、美味的、可爱的，我看到这些图像，还会得到比传统意义上更多的信息。

人工智能的来源是什么？我们今天会议的主题是大数据，这个“大”就是一个动态的过程。我们的数据量越来越大，信息量也越来越大，也就是说，传统的数据从单一逐渐走向复杂。人工智能的核心资源是计算能力，大概在20年前，制造的深蓝机器人用的是120兆赫兹的速度，30个GPU，我们现在看到它的计算速度大概是2000个CPU或者是300个GPU。通过计算能力的提升，它处理学习能力得到比较大的增强。如何过渡到量子这块？计算能力能否无限提升？是不是可以得到更好的人工智能？实践上是可以的。

摩尔在半个世纪前预言了经典计算机的速度每隔18到24个月会增加一倍，集成度也会往小型化发展。我们现在看到这种经典信息里面的能力，实际上是从2010年的32纳米到未来的4纳米。我们知道，从物理科学的基础上讲，一个电子是不可再分的。我不可能从以前的90多纳米到30多纳米，甚至到几纳米这个层面。而且从科学的原理上来讲，在宏观物体上，我们是按照牛顿三大定律来主宰科学技术的。但是，到了纳米这个层面上，牛顿定律不再适用了，它是一个新的科学技术，也就是我们经常说的量子力学。

另一个是热耗散问题。我们在研究领域也发现经典计算机器件的原理，热耗散是不可避免的，这是原理所决定的。为什么早期买到的计算机有一个风扇散热，而且集成度越高，热耗散越高？量子力学来做这块，原理上保证可逆计算，它没有热耗散，可以在里面自循环，这样一个没有热耗散，也遵从量子力学规律的技术，将是一个非常好的前进方向。

量子力学是近代科学的一个支柱，从一百多年前量子理论的提出，到现在的晶体管、激光，再到核磁共振，这些都是量子力学产业发展的结果。在过去很长的一段时间里，我们对量子力学的理解都是被动的观察和解释，我们不能按经典的方式来描述，于是，我们根据这个现象进行了应用，比如说最典型的激光，现在无所不在的激光就是基于量子力学的发展而发现的。现在传统的学界把它称之为第一次量子革命，这里面出现有晶体管和激光，它支撑了过去信息革命的发展。随着过去二三十年技术的积累，我们已经可以主动去掌控量子效应，可以去对单个原子进行调控，在微观程度上，我们有自动调控能力，有了这种调控能力，我们可以产生一系列新的技术。目前，在量子信息领域，我们分三个方向，一个方向就是量子通讯，大概7月份，中国的第一颗电子卫星在500公里轨道开始发射，实现了安全的密码输送，同时，发改委的京沪干线在今年年底到明年开始在城市间建成网络系统——从北京到上海、上海到合肥、合肥到济南的一个有线网络，形成地面上的有线网络、空中的无线网络。

最近几年，精密测量得到了非常好的推广和应用，大概一个月前，欧盟通过了《量子宣言》。其中无导航的GPS量子传感器以及精密测量的这个方向，在2020年大概会有十几亿欧元的投入。总的来说，现在我们有了一个非常好的发展前景，为什么说量子力学的发展近年好很多？原因很简单，我们想象一下，计算机的经典存储单元是什么？一般是一个电容上的高电频和低电频，量子力学告诉我们，高电频与低电频可以在同一瞬间同时存在，就是所谓的量子叠加和量子相干。如果我有一个16位的计算机，或者是32位的计算机，它的输入就是从所有的低电频到高电频里面一个高电组合，但是在经典计算机里，任何一个瞬间做计算的时候，它都只能对一个状态进行计算。但是，那样的时候，由于它使用这样的力进行相干和叠加，它是把所有可能同时做计算的进行计算，所以这时候它速度的来源就是在这个地方，就是真正意义上的量子变形。也就是说，它可以同时计算2的多少次方的所有状态和指数空间，我们称之为量子意义上的变形计算。在这个基础上，我们可以做量子计算、量子密码、量子失踪，或者是量子传感器。在量子计算这块，微软和IBM都有了比较大的投入，中科院在2005年也有一个国家计算机的规划纲要，并且做了比较大的投入，最近企业界也开始逐渐往这个方向发展。总的来说，量子力学跟人工智能有什么关系呢？事实上，量子计算提供了一个指数型加速的可能性。有了这个条件后，做成量子人工智能的话，如果是指数加速，那么原来需要1000台或者需要10000台计算机，现在4台就可以了，这就形成了一个快速的计算能力。另一个能力是，量子力学在模型里面解决传统没有的模型。量子用于计算就是量子计算，用于通讯就是量子通讯，用于人工智能就是量子人工智能，我认为这也许就是“量子+”，它利用相干、叠加的方式实现信息的高效存储和处理。也就是说，它可以对所有状态下的数据进行同时计算，具有计算机无法比拟的一个超级计算能力。实践证明，它可以把很多NP问题变成P问题，这里我想提醒一下，对做技术的人来讲，不管是经典还是量子都是处理可计算问题的手段，区别在于它们的效率，就是把一些遥遥无期的内容变成一些触手可及的结果。快速处理海量数据集，一是可以快速处理，另一个是节省资源。因为在量子人工智能里面有很多参数需要调节，这时候要培训指数加速的学习能力和它的处理速度，使它在这里面得到一些应用。

在人工智能这块，谷歌和NASA开始建立量子人工智能实验室，包括微软、MIT、中科大都在做一些人工智能的东西。这几年开始，甚至在AlphaGo出现之前，学界就已经有一些研究。例如人工智能里面的分论问题，它是大数据中常见的任务，要求根据已有的数据体现规律，并判断新数据属于哪一类，实际上就是一个分类算法。常用的分类算法就是SBM，它的复杂度跟N是M的三次方有关，理论上给出了一个量子模型解决同样问题。在同样的条件下，它的复杂度是指数加速的，如果以10为底求指数，1亿的单位时间，现在等于变成只有8个单位时间，这是在我们这个领域里面做的一些理论工作，包括在高纬度的样本数据中可以使用主成分分析算法去做主要特征，降低问题的复杂程度。比如说，可以使用主成分分析算法提取人脸的特征，量子的人工智能可以实现指数加数这一特征的提取过程，这也是在我们这个领域里面比较顶级的开发。

总的来说，在人工智能量子研究领域，从2009年开始，有越来越多的算法实验，但它们基本上都停留在0的模型上，在实验上能不能实现这个算法又是另一个问题，所以从这两年开始，每年逐渐有一些实验去实现。

未来，随着数据量越来越大，现在人类每年生产信息量大概是2的60次方，按量子比特的要求就是60比特可以存下这样的海量数据，2的300次方这样的信息，今年的比特资源是不可能存储的。不得不指出，现在尽管原理上非常清晰，但是技术挑战还是非常大的。IBM在20世纪末公布的比特数就是5个比特，今天我们在实验室能看到大概10个比特左右，所以，在未来3—5年里面，如果我们能够达到30个比特左右，那就是非常了不起的成就了。

今天讲的主要内容是生命科学方面。在医院层面，磁共振成像的时候，我们也有一些国外的销售收入。我们销售出去的产品灵敏度大概是10次方，空间分辨率提升了100万倍，我为什么说是量子革命，你会发现在一个传统的领域里面，想把这东西改进一些，有百分之几的提升、有几倍的提升就已经非常不错了，但是你想以一种不可思议的方式改进，那是一种探测的技术。回顾一下当年的电学和热学，英国的蒸汽机革命，使得海上的运输和铁路的运输大大推动了社会的发展。这一步过去之后，信息产业革命从半导体工业，到现在的计算机、人工智能等新一轮的产业，到目前每个人都在用手机通讯，我上学的时候还没有意识到可以有微信和视频通话，小时候打电话还用手摇。第一次量子革命导致了半导体和激光的发生，第二次量子革命对人类一定是一次巨大的促进。我认为，我们不应该惧怕科学上的一些进展，毕竟机器是人造的，目前并没有看到一个机器用人的情感来毁灭人。

谢谢大家！