量子人工知能とは何ですか? （優れた）

制作：中国科学普及協会

著者: ルアン・チュンヤン (清華大学物理学科)

プロデューサー: 中国科学博覧会

「量子コンピューティング」と「人工知能」は、現在のテクノロジー界で最も「流行」している2つの用語です。 2023年に人気を博したChatGPTは、人間とのリアルタイムのインテリジェントなインタラクションから「ユニバーサルツールボックス」と呼ばれ、再び人工知能ブームを巻き起こしました。量子コンピューティング技術の分野でも多くの刺激的な成果が生まれています。たとえば、「Sycamore」量子コンピュータはさらにアップグレードされ、その計算能力は現在のすべての従来のスーパーコンピュータの計算能力をはるかに上回っています。

量子コンピューティング図

（写真提供：veerフォトギャラリー）

では、量子コンピューティングと人工知能を組み合わせ、量子コンピュータの超計算能力を活用して人工知能の学習と進化を加速・向上させれば、映画に出てくるようなインテリジェントな量子コンピュータ「MOSS」を作ることができるのではないでしょうか。同様に、人工知能技術は、特定の複雑な問題に対するソリューションを最適化し、量子コンピューティングの巨大な可能性を最大限に引き出す上で量子コンピュータを支援できるはずです。

実際、この考えはコンピューター科学者や量子物理学者の考えと一致しています。従来の人工知能技術と量子コンピューティングを組み合わせることが現実のものとなり、この組み合わせには「量子人工知能(QAI)」という特別な用語もあります。アルゴリズムの最適化問題、自然言語処理、画像認識、基礎科学研究などの分野で「1+1>2」という巨大な応用価値を発揮することができます。

弱いAIが強くなる方法

友人の中には、日常生活のさまざまな小さな問題に対処するために chatGPT を使用することに慣れている人もいると思いますが、それでも人々を笑わせたり泣かせたりするバグが数多くあります。これは、そのインテリジェンスが、事前にコンパイルされたコンピューター アルゴリズムとプログラムに依存して、大量のデータを分析および処理し、意思決定を行うためです。その結果、計算と意思決定に大きな制限が生じ、依然として「弱い人工知能」の範疇に入ることになります。

特定の問題しか解決できない現在の「弱い人工知能」を、人間の創造的な作業を行うことができる「強い人工知能」、さらには人間の知能をはるかに超える「超人工知能」にさらにアップグレードする方法は、常に科学者が探求し続けているテーマの一つです。

この探究の道において、人工知能は 3 つの重要な開発段階を経てきました。

1950 年代から 1960 年代は初期の探究段階であり、「人工知能」の概念が最初に確立されました。

1970 年代と 1980 年代は困難な発展の時代でした。トランジスタ コンピュータの計算能力が成長し続けるにつれて、専門知識と特定のルールに基づいて人間の専門家の意思決定をシミュレートするマシン、つまりエキスパート システムが開発されました。しかし、複雑な現実の問題を処理するのは難しく、今日知られているような汎用マシンではありません。

専門知識と経験を備えたインテリジェントなコンピュータ「エキスパートシステム」

（画像出典：Opengate）

1990年代から現在は機械学習とビッグデータの時代です。コンピュータの計算能力とデータ量は爆発的に増加し、自然言語処理（NLP）、画像認識と最適化、自動運転などの人工知能技術の進歩をさらに促進しています。

しかし、人工知能モデルのトレーニングには大量のラベル付きデータが必要であり、膨大なコンピューティングリソースと高い運用・保守コストが必要になります。たとえば、大規模な自然言語処理 (NLP) モデルでは、単一の入力パラメータを処理するために数百億回の浮動小数点演算 (ギガフロップス) を実行する高性能サーバーが必要であり、そのためには大規模な GPU クラスターまたは専用の AI チップが必要です。 1回の研修にかかる費用は1億元にも上ると推定されており、研修の完了には数日から数か月かかる。

人工知能技術におけるあらゆる進歩は、超大規模集積回路の開発やアルゴリズムの継続的な最適化など、コンピュータの計算能力の爆発的な成長から恩恵を受けていることは容易に理解できます。同時に、人工知能技術研究のピークにおけるあらゆる衰退は、コンピューターの計算リソースと高い運用・保守コストによって制限されています。

科学者たちは、楽観的な状況下では、既存の古典的コンピューターの計算能力は2年ごとに2倍になると予測しています。しかし、人工知能をトレーニングするために必要な大規模なモデルデータの量は、およそ四半期ごとに倍増します。したがって、従来の人工知能研究のニーズを満たすには、既存の古典的なコンピューターに代わる、より効率的なコンピューティング方法を見つける必要があります。

量子コンピューティング＋人工知能：あなたの心を開く新しい組み合わせ

過去70年間、よろめきながら発展してきた人工知能とは異なり、新星である量子コンピューティングは、わずか30年余りで大きな進歩を遂げました。

従来の人工知能技術は、0 または 1 のバイナリ形式で計算を実行する古典的なコンピューターのアルゴリズム操作に依存しています。量子人工知能は、量子コンピューターの並列計算ルールに基づいており、その基本的な計算単位は、状態 0 と状態 1 の重ね合わせを同時に行うことができる量子ビットです。

量子コンピューティング + 人工知能図

（写真提供：Veer Gallery）

ここでの「量子」は実際の粒子ではなく、微視的世界における小さな構成要素のような、極めて小さな物理単位です。現実世界では、テーブルは固体で、リンゴは赤いなど、物体が特定の状態にあることに慣れています。しかし、量子の世界では、物体は同時に複数の状態をとることができます。

「シュレーディンガーの猫」思考実験の模式図

（写真提供：Veer Gallery）

言い換えれば、量子コンピュータは、従来のコンピュータの 2^N 個のデータを同時に処理するのに N 個の量子ビットしか必要とせず、これは今日の最も強力なスーパーコンピュータの計算能力をはるかに超えることになります。したがって、量子コンピュータの誕生は、並列コンピューティングの巨大な可能性を活用して人工知能研究における特定のアルゴリズム問題を解決するという、コンピュータ科学者にとって新しい考え方をもたらしました。

では、なぜ量子コンピューティング + 人工知能がより大きな利点をもたらすのでしょうか?これを「ルーレットゲーム」の話で説明することができます。

遊園地にルーレットのホイールがたくさんあり、各ホイールに 38 個の数字が付いているとします。理想的には、ルーレットの回転が止まった後に各数字を選択する確率は 1/38 になるはずです。しかし、実際には、ルーレットホイールの中には完全に対称ではないものもあり、特定の数字が他の数字よりも出現する可能性が高くなります。プレイヤーは、多数の統計結果に基づいて不完全な対称性を持つルーレットホイールを見つけ、不完全な対称性を持つルーレットホイールのさまざまな数字に賭けて勝つ可能性を高めることができます。

ルーレットスピンゲーム

（写真提供：Veer Gallery）

しかし、これは簡単な作業ではありません。これは、さまざまなルーレットホイール上の特定の数字の偏りを取得するには、多くの試行と複雑なデータ処理が必要になるためです。したがって、プレイヤーは、各ルーレットホイールの前に立って、ルーレットホイール上の各数字に対応する確率を常に数えるアシスタントを多数雇う必要があります。

しかし、このプロセスはプレーヤーの多くの時間とエネルギーを消費するだけでなく、十分な数のアシスタントを雇うための追加の財政的コストも必要になります。したがって、これ自体は非常にコストのかかる検索です。

上記の「ルーレット ゲーム」の話は、従来の人工知能が特定の検索問題を解決するプロセスに似ています。違いは、ここでの「プレーヤー」はユーザー自身であり、「雇われたアシスタント」は従来のコンピューターのコンピューティング サーバーであり、「ルーレット」は解決する必要のある検索問題であるということです。言い換えれば、従来の人工知能は、従来のコンピューターでより多くのコンピューティング サーバーを「雇用」し、対応するコンピューティング タスクを完了するために追加の「エネルギー コスト」と「時間コスト」を支払う必要があります。

量子人工知能の場合、このマルチタスク並列処理問題ははるかに効率的です。量子コンピューティングの超強力な並列コンピューティング能力のおかげで、量子人工知能の「バフ」を備えた「プレーヤー」は、各「ルーレットホイール」を同時に独立して保護および追跡し、対応するデータをすばやく取得して処理することができます。言い換えれば、量子人工知能は複数の可能性を同時に探索できるため、最適な解決策をより迅速に見つけることができ、「プレイヤー」はゲームで優位性を維持できます。

結論

量子人工知能の概念は、誕生以来、数え切れないほどの科学者から幅広い注目を集めてきました。実際、多くの分野で1+1>2の役割を果たしてきました。医薬品の研究開発の加速、物流と輸送の効率的な最適化、金融市場の予測...無数の応用シナリオと無限の応用価値、では量子人工知能はどのような面で人間の生活を豊かにするのでしょうか?どのように力を発揮するのでしょうか?次の記事でその答えを明らかにしましょう。