雷鋒網(wǎng) AI 科技評論按：「量子優(yōu)勢」這個(gè)概念是科技公司大多公開表達(dá)或半公開支持一種說法，即量子計(jì)算機(jī)的計(jì)算性能超越史上最強(qiáng)的經(jīng)典計(jì)算機(jī)。在通往「量子優(yōu)勢」這條道路上，IBM 可謂是一位超級積極分子。日前，IBM 發(fā)布博文介紹了其在《自然》上發(fā)表的一篇名為《使用量子強(qiáng)化特征空間的監(jiān)督學(xué)習(xí)》的論文所提出的一種量子算法，稱該算法有望在不遠(yuǎn)的將來讓量子計(jì)算機(jī)實(shí)現(xiàn)機(jī)器學(xué)習(xí)。雷鋒網(wǎng) AI 科技評論編譯如下。

我們對于未來量子計(jì)算強(qiáng)大的處理能力寄予厚望，希望它有朝一日推動(dòng)人工智能實(shí)現(xiàn)指數(shù)級發(fā)展。當(dāng)用于訓(xùn)練 AI 系統(tǒng)的機(jī)器學(xué)習(xí)算法獲得了大量數(shù)據(jù)來攝取、分類和分析時(shí)，AI 系統(tǒng)也隨之迎來了繁榮發(fā)展。根據(jù)特定特性或特征進(jìn)行的數(shù)據(jù)分類越精確，AI 的性能就越高。量子計(jì)算有望在機(jī)器學(xué)習(xí)中發(fā)揮關(guān)鍵的作用，包括訪問更多計(jì)算復(fù)雜的特征空間等至關(guān)重要的部分——數(shù)據(jù)的細(xì)粒度方面的提高或許能夠?yàn)樵擃I(lǐng)域帶來新思路。

在刊登于《自然》的一篇名為《使用量子強(qiáng)化特征空間的監(jiān)督學(xué)習(xí)》（「Supervised learning with quantum enhanced feature spaces」，論文閱讀地址：https://www.nature.com/articles/s41586-019-0980-2）的新研究論文中，IBM 提出并測試了一種量子算法，該算法有望在不遠(yuǎn)的將來讓量子計(jì)算機(jī)實(shí)現(xiàn)機(jī)器學(xué)習(xí)。同時(shí)，他們也展示了，隨著量子計(jì)算機(jī)的性能在未來幾年日益增強(qiáng)以及其「量子體積」（Quantum Volume）日益增大，它們能夠在高度復(fù)雜的數(shù)據(jù)結(jié)構(gòu)上，以即便是最強(qiáng)大的經(jīng)典計(jì)算機(jī)也望塵莫及的規(guī)模執(zhí)行特征映射這一機(jī)器學(xué)習(xí)的關(guān)鍵操作。

同時(shí)，IBM 提出的這一方法還能夠使用短型系統(tǒng)電路（short-depth circuits）對數(shù)據(jù)進(jìn)行分類，從而為處理退相干（decoherence）開辟出一條道路。同樣重要的是，該方法實(shí)現(xiàn)的特征映射與所預(yù)期的一樣：即使 IBM Q 系統(tǒng)的處理器出現(xiàn)了退相干問題，它的工程數(shù)據(jù)也不會(huì)出現(xiàn)分類錯(cuò)誤。

更大、更好的圖像

特征映射是一種分解數(shù)據(jù)以訪問該數(shù)據(jù)的細(xì)粒度部分的方法。經(jīng)典和量子機(jī)器學(xué)習(xí)算法都可以對圖像進(jìn)行分解，例如，通過分解像素并根據(jù)每個(gè)像素的顏色值將這些像素放置在一個(gè)網(wǎng)格中的方式來分解圖像。同樣地，算法將單個(gè)數(shù)據(jù)點(diǎn)非線性地映射到高維空間，再根據(jù)其最基本的特征進(jìn)行數(shù)據(jù)分解。在更大多的量子狀態(tài)空間中，IBM 實(shí)現(xiàn)的這種特征映射，在分離該數(shù)據(jù)的各部分和特征上的表現(xiàn)要比經(jīng)典機(jī)器學(xué)習(xí)算法創(chuàng)建的特征映射更好。最終，根據(jù)特定特點(diǎn)或特征進(jìn)行的數(shù)據(jù)分類越精確，AI 的性能也就越好。

該方法的目標(biāo)是使用量子計(jì)算機(jī)創(chuàng)建能夠生成更復(fù)雜的數(shù)據(jù)映射的新分類器。這樣的話，研究人員將能夠開發(fā)出更有效的 AI，例如，可以識(shí)別經(jīng)典計(jì)算機(jī)無法識(shí)別的數(shù)據(jù)模式的 AI。

IBM 為新的量子數(shù)據(jù)分類算法和特征映射制定了藍(lán)圖。這對于 AI 來說非常重要，因?yàn)閿?shù)據(jù)集越大、越多樣化，將數(shù)據(jù)分成有意義的類以訓(xùn)練機(jī)器學(xué)習(xí)算法就越困難。機(jī)器學(xué)習(xí)處理的分類結(jié)果如果不佳，就可能會(huì)造成最終結(jié)果也不理想：就比如說，會(huì)降低醫(yī)療設(shè)備根據(jù)乳腺 X 線攝影數(shù)據(jù)識(shí)別癌細(xì)胞的能力。

噪音問題

IBM 還表示，他們發(fā)現(xiàn)測試過程中即便存在噪音，他們也可以繼續(xù)對其工程數(shù)據(jù)進(jìn)行分類。而現(xiàn)在的量子計(jì)算機(jī)即使在高度受控的實(shí)驗(yàn)室環(huán)境中，將比特維持在量子狀態(tài)也很難超過幾百微秒。對于量子比特來說，這很重要，因?yàn)樗雸?zhí)行計(jì)算，保持在量子狀態(tài)的時(shí)長就要足夠長。

IBM 的算法展示了量子糾纏（entanglement）如何提高 AI 分類的準(zhǔn)確性，同時(shí)，該算法將作為 IBM Qiskit Aqua 的 一部分對外開放。Qiskit Aqua 是一個(gè)量子算法開源庫，開發(fā)者、研究人員以及行業(yè)專家都可以利用它，通過經(jīng)典應(yīng)用程序和常見的編碼語言（如 Python）訪問量子計(jì)算機(jī)。

Qiskit Aqua開源地址：

https://github.com/Qiskit/qiskit-tutorials/blob/master/qiskit/aqua/artificial_intelligence/qsvm_kernel_classification.ipynb

IBM 表示，現(xiàn)在他們距離實(shí)現(xiàn)機(jī)器學(xué)習(xí)的「量子優(yōu)勢」（Quantum Advantage）項(xiàng)目還很遠(yuǎn)，不過一旦該項(xiàng)目最終實(shí)現(xiàn)，量子計(jì)算機(jī)在執(zhí)行 AI 算法上的性能將遠(yuǎn)超經(jīng)典計(jì)算機(jī)。同時(shí)，他們的研究還尚未對「量子優(yōu)勢」實(shí)現(xiàn)論證，因?yàn)樗麄兪芟抻诋?dāng)前的硬件能力將計(jì)算問題的范圍最小化了，同時(shí)也僅使用 2 個(gè)比特的量子計(jì)算容量——這樣才可以在經(jīng)典計(jì)算機(jī)上進(jìn)行模擬。不過，他們正在推進(jìn)的特征映射方法，不久后就能夠?qū)Ρ冉?jīng)典計(jì)算機(jī)能夠處理的更復(fù)雜得多的數(shù)據(jù)集進(jìn)行分類?！肝覀冮_拓了一條前景光明的道路?！?span style="color: #FFFFFF;">雷鋒網(wǎng)

via：https://www.ibm.com/blogs/research/2019/03/machine-learning-quantum-advantage/

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。