量子计算与人工智能到底有什么关系吗？

人工智能 & 量子计算

经过几十年的研究，人工智能 (AI) 正在成为主要的行业趋势之一。从与 Alexa 和 Siri 的对话，到 Waymo（谷歌）和特斯拉的自动驾驶汽车，OpenAI 的 GPT-3 像人类一样写作散文，以及 DeepMind（谷歌）的 AlphaZero 击败人类国际象棋大师，人工智能现在已经足够成熟了。

在科技行业的其他地方，一些有远见的人正在努力开发量子计算机，这些计算机试图利用量子物理学的特性来比当今的计算机更快地执行计算。

算法复杂性是一个有点模糊的数学概念，它将 AI 研究人员和量子计算先驱正在进行的工作联系起来。

计算复杂性理论是一个横跨数学和计算机科学的领域，专注于根据资源使用情况对计算问题进行分类，例如空间（内存）和时间。本质上，计算问题是可以由计算机按照算法中定义的数学步骤机械地解决的任务。

为了更快地解决问题，可以使用更快的计算机，或者找到需要更少操作的更有效算法，这就是较低时间复杂度的含义。但是，仅使用更快的计算机是不现实的，而这恰恰是人工智能领域的情况。

在这一点上，你想知道：量子计算与人工智能到底有什么关系吗？

01、人工智能是个高度复杂的问题

首先，我们需要了解当今人工智能 (AI) 系统使用的人工神经网络的计算复杂性。

这些数学模型的灵感来自构成动物大脑的生物神经网络。他们通过查看许多示例“学习”识别或分类输入数据。它们是互连节点或神经元的集合，结合激活函数，该函数根据“输入层”中呈现的数据和互连中的权重确定输出。

为了调整互连中的权重以使“输出”有用或正确，可以通过暴露许多数据示例和“反向传播”输出损失来“训练”网络。

流行的 OpenAI 的 GPT-3 模型已经能够以与人类相当的流畅度编写原始散文，具有1750 亿个参数（或神经元）。这个人工智能模型拥有数十亿的M，目前需要几个月的时间来训练，即使在大型云数据中心使用强大的服务器计算机也是如此。此外，人工智能模型的规模将继续增长，因此随着时间的推移情况会变得更糟。

02、量子计算如何拯救

量子计算机是使用量子物理特性（特别是叠加和纠缠）来存储数据和执行计算的机器。理想的通用量子计算机可以同时执行数十亿个操作，从而为高度复杂的问题（包括人工智能）提供非常实质性的加速。

经典计算机以比特（“二进制数字”的缩写）传输信息，而量子计算机使用量子比特（“量子比特”的缩写）。与经典比特一样，量子比特最终必须以 1 或 0 的形式传输信息，但其特殊之处在于它们可以同时表示 1 和 0。一个量子比特被认为具有概率分布，例如，它有 70% 的可能性是 1，而 30% 的可能性是 0。这就是量子计算机的特别之处。

量子计算机利用了量子力学中的两个基本属性：叠加和纠缠。

当一个量子比特同时为 1 和 0 时，称它处于叠加态。叠加是系统同时处于多个状态并且在测量时仅假定单个状态时的条件的总称。如果我们假设一枚硬币是一个量子物体，那么当硬币被翻转时，就会产生叠加：硬币只有正面或反面的概率。同样，只有当我们测量电子的自旋（类似于硬币落地）时，我们才能知道电子处于什么状态以及它是 1 还是 0。

叠加态的量子只有在我们拥有多个粒子时才有用。这将我们带到了量子力学的第二个基本原理：纠缠。两个（或多个）纠缠在一起的粒子无法单独描述，它们的性质完全依赖于彼此。因此，纠缠的量子比特可以相互影响。

正因为如此，向系统中添加每个新的量子位都会使计算机可以分析的状态数量增加一倍。计算机能力的这种指数级增长与经典计算形成鲜明对比，经典计算仅随每个新位线性扩展。

理论上，纠缠的量子比特可以同时执行数十亿次操作。很明显，这种能力将为任何复杂度在 N^2、2N或 N^n范围内的算法提供显着的加速。

由于量子计算的巨大潜力，虽然硬件团队继续致力于使这些系统成为现实（迄今为止最大的是IBM的127-Qubit Eagle系统），但软件研究人员已经在研究可以利用这种“同时计算”的新算法' 能力，在密码学、化学、材料科学、系统优化和机器学习/人工智能等领域。

有趣的是，人们相信量子线性代数将提供多项式加速，这将极大地提高我们人工神经网络的性能。谷歌推出了TensorFlow Quantum，这是一个用于量子机器学习的软件框架，它允许对混合量子经典机器学习模型进行快速原型设计。

想知道更多量子计算和人工智能的知识吗？好口碑、高反馈的滑铁卢大学人工智能和量子计算课程，春季又双叒来了！

经过上一年秋季和春季课程的迭代更新，本次春季课程将于2023年5月8日-19日正式开启。

滑铁卢大学

人工智能和量子计算课程

人工智能和量子计算课程，由滑铁卢大学瑞纳森学院针对初高中生设计。参加的学生可在线课堂体验到加拿大名校滑铁卢大学的教育。

通过人工智能和量子计算课程，学生将探索量子力学、算法、数据科学和机器学习等各种主题。在除了 AI 和 QC 课程知识内容外，他们还将收获有助于他们未来学业所需的基础研究技能和学术技能课程的学习。

学生通过为期 2 周的在线课堂探索量子力学、算法、数据科学和机器学习等各种主题学习。在线探索人工智能 (AI) 和量子计算 (QC) 的世界。通过语言提升、STEM课程预习、学术能力训练，在未来的求学发展道路上更具竞争力。

学生不仅将获得重要的学术技能，而且还将能够阐明他们的学习和技能发展，以用于未来的简历、面试和大学申请材料。

▪ 滑铁卢大学是2021麦考林杂志加拿大综合类大学排名第2

▪ 最具创新力大学连续27年蝉联榜首

▪ 拥有世界上最大的数学和计算机科学教育中心

▪ 拥有北美唯一的数学学院及加拿大最大的工程学院

AI/QC 课程 三大优势

✔ 前沿科技的STEM课程预热

▪ AI：探索数据科学和人工智能史，掌握数据算法、机器学习、处理技术和数据可视化

▪ QC：学习量子密钥分配与信息科学和线性代数连接，了解量子计算机的构建

✔ 大学必备的学习能力提升

提升研究能力，批判性分析信息，理解研究方法并整合研究成果

✔ AI/QC两大主题语境下的语言专项提升

AI/QC 适合谁参加

……

▪ 对人工智能和量子计算感兴趣

▪ 希望提高他们的学术技能，为上大学做准备

▪ 希望了解更多关于如何在大学申请过程中脱颖而出

▪ 适合CEFR B2级别的学生（雅思5.5-6，托福72-94）

注意：CEFR B1 水平的学生可以申请，但是B1 级别需要额外的时间来查看课堂回放。

AI/QC课程安排

5月8日-19日 为期2周  每周5次课

具体时间以开课通知为准

✔ 第一周主题：AI人工智能

▪ 周一

数据分析和人工智能历史；大学的期望

▪ 周二

算法；开始一个科研项目

▪ 周三

数据处理；大学基础课堂聆听和笔记记录方法

▪ 周四

可视化；资料搜寻

▪ 周五

机器学习；评估信息来源

✔ 第二周主题：QC 量子计算

▪ 周一

量子力学历史；合并材料源 I

▪ 周二

量子和线性代数；合并材料源 II

▪ 周三

量子比特和叠加；合并材料源 III

▪ 周四

量子密码；展示研究成果

▪ 周五

量子计算；表达技能发展

如何上课

▪ 通过zoom进行学习（完全同步直播，且全部录制）；

▪ 学生将通过 CANVAS 访问zoom链接、课堂回放和课堂资料；

▪ 完成日常任务并提交老师获得反馈。