我剛剛提到人工智能最近取得了不錯的成績。壹臺機器已經能夠下載壹個人。其實任何定義的機器總會超越壹個人。就像現在設計的汽車、飛機比人快，計算機能力比人的計算能力強，本質上人工智能不會去做壹個感性的、思考的、往往是經驗主義的東西。
壹般來說，壹個圖像，用計算機描述，基本上就是壹個圖像，會按像素展開，裏面有灰度和深度...並且會為其形成壹些數據。人工智能能否對這些數據有進壹步深入的了解？看到這個圖像，看到比傳統計算更深層的意義？比如我甚至知道什麽樣的畫風。這就是我們今天要討論的內容。
當人工智能遇上量子計算
人工智能的來源是什麽？今天會議的主題是大數據。為什麽要在前面放壹個大的？因為這是壹個動態的工作，也是壹個信息越來越多的時代，如何從浩如煙海的事物中獲取有益於生活質量的東西，首先要描述這個數據。這意味著要描述的對象正逐漸從單壹的傳統數據走向各種復雜的數據。
人工智能的核心資源是計算能力。20年前，壹個機器人，有32個CPU，速度達到120MHz。現在有2000個CPU，300個GPU，計算能力的提升大大增強了處理學習或智能的能力，但現在的問題是，如何過渡到量子？計算能力可以無限提升嗎？
摩爾定律在半個世紀前預言了經典計算。每18-24個月，壹個集成電路所能容納的元件數量翻倍，計算性能翻倍。經典計算的能力，從32納米，到未來的4納米，再到更小的納米，壹般認為摩爾定律最多可以適用10年。
我們知道壹個例子。從物理科學的角度來看，壹個電子是無法分離的。它不可能永遠從90納米到60納米，到40納米，到30納米...未來可以達到幾納米甚至更小納米的水平。在科學原理上，宏觀問題以牛頓三定律為主，但在納米層面，牛頓定律不再適用，將進入壹門新的科學，也就是我們常說的量子力學，描述的基礎不同。
另壹方面，還有壹個散熱的問題。我們還發現，經典計算機設備的原理是不可避免的，這是由原理決定的。比如妳買的早期電腦，帶風扇散熱，集成度越高，熱耗越嚴重。
但是量子計算要做到這壹點，原則上還是可逆計算，沒有散熱，可以在裏面自己循環，所以沒有散熱，也是遵守量子力學規律的東西。這是未來，量子計算是更好的前景和方向。
此外，量子力學是現代技術的支柱。量子理論是100多年前提出的。到目前為止，晶體管、激光器和高溫超導都會有壹個產業發展和生產。
會帶來無盡的“誘惑”
在過去很長壹段時間裏，我們被動地觀察和解釋量子力學。我看到了壹些現象，基於這個現象我得到了壹些應用。比如激光，就是量子力學發展的結果。激光無處不在，包括投影。
第壹次量子革命是晶體管和激光器的發展，支撐了過去整個信息革命的發展。最近隨著過去二三十年的技術積累，我們現在可以在壹定程度上控制量子，我們可以控制單個分子或者原子。
有了這種調控，可能會產生壹系列的新技術。很明顯，在量子信息中，目前有三個方向:
壹個是量子密碼術。7月，中國第壹顆量子衛星，也是世界上第壹顆，開始在500公裏軌道發射，實現了安全的密碼傳輸；
壹個是量子通信，也在發改委的幹線。今年年底和明年，它將在城市之間啟動地面有線網絡和空中無線網絡，從北京到上海，從上海到合肥。
另壹個是量子時鐘和量子傳感器。近年來，精密測量得到了很好的推廣和應用。大概壹個月前，歐盟通過了壹個量子宣言，比如沒有GPS的導航，還有壹些量子傳感器，大概是6543.8+0億歐元。2020計劃有投資。
總的來說現在有非常好的發展前景。為什麽量子這幾年好多了？原因很簡單。電腦的經典存儲單元是什麽？壹般是高電頻低電頻(充電中)。高電頻率代表1，低電頻率代表0，稱為二進制。量子力學告訴我們，高電頻率和低電頻率同時存在。
所謂量子疊加和量子相幹，如果我有壹臺16位計算機，或者32位計算機，它的輸入是電頻率中2的16次方或者2的32次方。
量子計算是疊加。這個時候，高速的源頭就在這個地方。2在所有狀態下可以有多少次，妳可以用這個角度進行計算。在這個基礎上，我們做量子計算，量子密碼，量子互聯網，量子時鐘，甚至量子傳感器。
巨頭間的國際競爭
在量子計算方面，包括美國、日本的國際項目，以及微軟、IBM，中科院都有國家計算機規劃綱要，投入比較大，企業界也逐漸開始進入這方面。比如阿裏、中科大也成為了量子計算機實驗室。總的來說，量子力學和人工智能是什麽關系？
如果有這樣的關系。
如果做成人工智能，如果只是加速，本來就需要1000臺機器，或者說需要10000臺機器。現在(用量子計算機)可能是四個，形成壹個快速的計算能力。
另壹個領域，量子力學解決了沒有模型的傳統模型，這是另壹個方向。
量子用於計算、通信和人工智能。通過相幹疊加的方式實現計算，無與倫比的超級計算能力可以把復雜的NP計算問題變成P問題。
如果做基礎的人，不管是經典的還是量子的，都在處理效率的問題，把壹些遙遠的事情變成壹些結果。
金融行業常用的大數分解，給妳壹個非常大的數，找出它的兩個素數是什麽。經典的萬億次計算機需要1.5萬年，比如量子計算機，只需要壹秒鐘。這是計算數據處理的基本方法。如果用十億次經典計算需要壹百年，但速度可以降低，那麽只用壹萬億次量子計算可能需要0.01秒。
量子人工智能的計算能力為人工智能的發展提供了革命性的工具，可以成倍地加快學習能力和速度，輕松應對大數據的挑戰。
以及最新的理論進展。
在人工智能領域，谷歌開始建立量子人工智能實驗室，包括微軟也在做人工智能方面的事情。近年來，甚至在AlphaGo問世之前，學術界就已經有了壹些研究。人工智能中的分類問題是大數據中常見的任務。根據已有數據，判斷屬於哪種新數據。如下圖所示，麻省理工學院在這方面取得了以下理論進展:
另壹個理論上的進展是，麻省理工學院和谷歌的聯合研究發現，量子人工智能算法可以加快特征提取過程:
整體研究進展如下圖所示(紅色兩部分是我們實驗室做的，這個系統放在量子模型機上演示這個實驗。這是去年的工作。)
最後，我給大家舉壹個有實際進展的量子計算應用於人工智能的例子。這種指數加速是可行的。我們可以通過我們特殊的儀器和設備讀取量子比特的狀態:
根據MIT和壹些媒體的報道，隨著數據的不斷增加，現在每年產生的信息2的60次方，也就是60比特。利用經典的比特資源，大約壹百萬個硬盤可以存儲數據。但在描述宇宙所需的信息量時，會達到2的300次方，也就是300比特。按照目前的比特資源，是不可能存儲的。
IBM制造的計算系統包含五個量子位，其他實驗室大概有十個。未來五到十年，達到30比特已經是了不起的能力了(註:如果壹臺量子計算機能形成50個量子比特，那麽當今世界上所有排名前500的超級計算機都無法超越。)。也就是說空間可以達到2的30次方。在大數據方面，量子人工智能在計算能力上有巨大優勢，才能實現這樣的彎道超車。
最後
我想說，第壹次量子深刻影響了晶體管和激光器的發展，第二次量子革命對人類壹定有很大的推動作用。我們不應該害怕科學上的壹些進步，因為機器畢竟是人造的。現在我沒有看到壹個帶著人的情感的機器來毀滅人。我的觀點不應該是這樣的。