由于量子计算能够在“量子态”中容纳许多不同的可能结果，它有可能为机器学习和人工智能问题提供巨大的计算升级。然而，围绕量子计算仍有许多未解之谜，这些设备是否会助推一波企业AI投资浪潮尚不明朗。1950年代首次出现的二进制计算机发展成为当今价值万亿美元的IT（信息技术）产业的基础。仅用两位和三个布尔代数运算符，我们就创造了巨大的数据处理机器，使许多手动任务自动化，并对我们周围的世界产生了巨大影响。从基本会计和电子商务到飞行控制计算机和了解基因组，计算机对我们的现代生活产生了巨大影响。但是当我们接近经典二进制计算机的极限时，量子计算机出现了，带来了计算能力的巨大（尚未实现）增长。量子计算不再局限于1和0上的布尔线性代数函数，而是允许我们在量子或量子比特上使用线性代数，这些量子比特由在量子态相互作用的数字、向量和矩阵组成，包括叠加、纠缠和干涉。量子计算打开了潜在解决传统计算机无法解决的非常大和复杂的计算问题的大门。比如用“暴力破解”的方法来猜测一段经过256位算法加密后的数据的密码。使用AES-256加密的数据被认为是非常安全的，因为它不能被暴力破解。但凭借量子计算机计算许多可能状态的能力，解决此类问题将是触手可及的。-GoogleSycamoreQuantumProcessor另一个例子是旅行商问题。给定一些地理位置，在它们之间找到最有效的路径实际上是一个经典的计算密集型问题。UPS花费数十亿美元为其送货卡车加油，甚至限制司机左转的次数，以尽量缩短送货时间并减少油耗。这将我们带到了机器学习和人工智能。机器学习(ML)的最新形式，即深度学习(DL)，正在突破传统计算机的能力极限。OpenAI的GPT-3等大型Transformer模型具有1750亿个参数，需要数月才能在传统计算机上进行训练。随着未来模型增长到数万亿个参数，它们将需要更长的训练时间。这也是用户采用新的微处理器架构的原因之一（延伸阅读：超大芯片吸引了2.5亿美元的新资金），它提供比传统CPU甚至GPU更好的性能。但所有这些，包括CPU和GPU，都与经典的二进制计算机相关联，具有固有的局限性。量子计算机为一系列用例提供了性能和功能飞跃的可能性，人工智能当然是其中之一。量子人工智能被定义为使用量子计算运行机器学习算法。得益于量子计算的计算优势，量子人工智能可以帮助实现经典计算机无法实现的结果。谷歌是最早涉足该领域的量子计算机制造商之一。2020年3月，谷歌推出TensorFlowQuantum，将TensorFlow机器学习开发库带入量子计算机的世界。借助TensorFlowQuantum，开发人员将能够开发在量子计算机上运行的量子神经网络模型。谷歌TensorFlowQuantum尽管它仍处于在量子计算机上运行AI应用程序的非常早期阶段，但有许多组织正在努力开发它。例如，NASA已经与谷歌合作了一段时间。研究人员看好量子人工智能算法在计算能力方面提供下一次突破的潜力。这种方法将导致处理大量数据的新方法。今年早些时候，IBMResearch宣布发现了量子机器学习中量子优势的“数学证明”。证明以分类算法的形式出现，该算法提供对“经典数据”的访问，提供比经典ML方法“可证明的指数加速”。让我们看看量子人工智能可能实现的潜在未来。可以肯定的是，每当人工智能和量子计算这两种被高度炒作的技术结合在一起时，总会有疑问。IBM在2021年7月表示：“计算机科学中很少有概念像量子机器学习一样令人兴奋，也很可能产生如此多的炒作和错误信息。”虽然量子人工智能似乎具有潜力，但这种潜力尚未实现。从好的方面来看，至少有理由对真正的突破可能就在前方感到乐观。但怀疑者是对的，量子计算仍然是一个研究领域，距离应用于神经网络还有很长的路要走。但10年内，由于算力不足，人工智能可能进入另一个平台期，而量子计算的兴起将助力人工智能继续高速发展。现在判断量子计算领域是否会对人工智能的发展产生重大影响还为时过早。已经有许多有希望的进展，但也有许多未解之谜。
