
人工智能的新趋势必须根据其对企业的好处和挑战进行仔细评估,量子人工智能也不例外。量子人工智能是量子计算领域的一个新兴分支,它使用量子计算来实现机器学习算法。
量子计算被誉为计算的未来,但人们对它与传统计算的不同之处感到困惑。首先,比特是传统计算机中最基本的信息单位,而量子比特是量子计算机中的基本单位。
由于今天的量子计算机很小,因此,它们无法执行大多数传统的计算功能。在可预见的未来,传统计算可能仍然会主导大多数业务应用程序,但仍有一些业务问题适合采用量子方法。
量子人工智能业务战略
量子算法极大地提高了解决某些问题的计算速度。例如,量子人工智能非常擅长辅助机器学习,特别是当这种机器学习采用神经网络模型的形式时。
虽然经典的计算方法人为地创建了这些隐藏节点模型,但它们可以用量子比特自然地构建。反向传播是一种用于提高机器学习模型预测精度的数学工具,与之相关的基本纠缠可以用量子比特更快地计算出来。这意味着在量子计算机上训练神经网络可以快几个数量级。
另一个领域是非结构化数据库搜索,随着全球计算的互联互通产生大量数据,将存在越来越多的问题。虽然经典计算机在搜索结构化数据方面做得非常出色,但通过非结构化数据进行搜索的效率要低得多。美国计算机科学家Lov Grover开发了一种量子算法,可以保证搜索速度显著加快。在小数据集上,加速并不显著,在大量数据上,实际加速是显著的。
量子人工智能的优缺点
当量子计算机引入可以以指数速度更快地解决问题的算法时,优势变得明显。在实践中,这些“更好”的算法只有在问题空间足够大,足以证明量子计算的成本是合理的时候才有意义。随着量子机器变得越来越大,每个量子比特的定价降低,这些问题的解决空间将会增加。
对于任何给定的公司使用量子人工智能是否有意义,没有直接的答案。企业高管需要根据收益评估成本,以确定量子人工智能何时会为他们的业务带来令人信服的东西。目前量子人工智能的三个缺点包括:
- 投资回报率难以捉摸。投资回报率在大多数情况下是难以捉摸的。即使量子算法被证明是更快的,但目前的成本也足够高,足以限制对大型政府,大学研究和大型企业的当前投资,这些投资可以证明其投资的合理性。
- 需要纠错。量子数据非常“嘈杂”。为了获得干净或“完美”的数据,系统需要能够静默。现有的量子比特在接近绝对零的温度下做到这一点。离绝对零度越远,这些系统的噪声就越大。因此,为了使这些系统可行,系统需要在非常低的温度下构建,并将纠错作为架构的基本部分。这意味着这种系统通常比专家预期的还要昂贵。
- 成本过高。为了使量子人工智能系统能够被使用,它们需要集成到现有的经典计算基础设施中,这又增加了一层成本和复杂性。
显然,量子人工智能为未来的商业计算带来了巨大的希望。然而,目前的成本、复杂性和小众算法仍然是大多数企业近期采用量子人工智能的重大障碍。
原文链接:https://www.techtarget.com/searchenterpriseai/tip/Weighing-quantum-AIs-business-potential
---煤油灯科技victorlamp.com翻译整理---









