量子和ai人工智能
量子不是高级计算中的下一个大问题，它可能是未来可能是最大的事情。
考虑到量子结构的理论可能性，该结构可以实现看似神奇的，天文学上并行的，不可破解的加密以及比光速快的亚原子计算，这可能是AI（人工智能）发展中的欧米茄架构。
[也在InfoWorld上：的人工智能预测]
毫无疑问，IT行业在量子技术的开发和商业化方面取得了令人瞩目的进步。 但是这种狂热也正在逐渐成为终结所有炒作的炒作。 量子技术要证明自己是计算的传统冯·诺依曼架构的有价值的继承者，将需要一些时间。
尽管引人注目的标题是量子至上 ，指的是可编程量子器件可以解决冯·诺依曼架构无法解决的问题，但对量子实用性的关注却很少。 换句话说，仍然没有证据表明量子计算机已被应用于AI，ML（机器学习）和其他高级分析中的实际用例。
昆腾向主流AI和ML迈进的漫长过程
人工智能已经被选作量子杀手级应用已有相当长的一段时间了，但是到目前为止，量子技术在商业数据分析领域的地位很少。
我们需要问问自己，最近的所有行业活动是否都在为可怕的“量子冬天”做好准备，这类似于漫长的AI冬季 ，反对该技术的早期炒作。 谈论在并行宇宙中执行的量子分析的惊人潜力是一回事，就好像它是圣杯一样。 指向一项成熟的技术，拥有清晰的杀手级应用程序，这将在当今我们的生活中产生巨大变化，这是另一回事。
然而，研究人员甚至分析专业人员之间都越来越意识到ML可以成为我们生活中量子的核心用例。
这不是最近的启示。 麻省理工学院的一位教授在宣布 “第一个量子应用”是ML。 具体来说， 塞斯·劳埃德 （ Seth Lloyd）教授提出了一种“ q-app”，该应用“使用q位对类似Google的查询进行编码”，使量子计算机不仅可以通过最大的数据库进行实时搜索，还可以确保它们的实时查询。绝对的隐私权，因为搜索引擎提供商窃听查询的尝试会干扰微妙的q位状态叠加。”
更重要的是， Amazon Web Services ， Microsoft ， IBM和Honeywell在量子计算领域的最新产品发布和其他公告在不同程度上解决了AI和ML用例。 这些公告均与解决实际业务问题的通用量子产品或服务无关。 但是，这些公告大多数都包含了钩子，供程序员在量子硬件平台或云服务上开发此类解决方案。
在11月，微软宣布了Azure Quantum 。 这项量子计算云服务目前处于私有预览阶段，预计将在今年晚些时候全面上市。 它带有Microsoft开源的Quantum Development Kit，适用于Microsoft开发的面向量子的Q＃语言以及Python，C＃和其他语言。 该套件包括用于在ML，加密，优化和其他领域中开发量子应用程序的库。
[也在InfoWorld上：深度学习与机器学习：理解差异]
一个月后，AWS宣布了Amazon Braket服务。 仍处于预览阶段，这是一项完全托管的AWS服务，使科学家，研究人员和开发人员可以在单个位置开始试验量子硬件提供商（包括D-Wave，IonQ和Rigetti）的计算机。 它提供了一个单一的开发环境来构建包括ML在内的量子算法，并在模拟量子计算机上对其进行测试。 开发人员可以在各种不同的硬件体系结构上运行ML和其他量子程序。 而且，它允许用户使用Amazon Braket开发人员工具包设计量子算法，并使用熟悉的工具（例如Jupyter笔记本电脑）。
然后在1月， IBM宣布扩展其Q网络，其中超过20万用户通过IBM Cloud在IBM的量子系统和模拟器上运行了数千亿次执行。 该网络的参与者可以访问IBM的量子专业知识和资源，开源Qiskit软件和开发人员工具，以及基于云的IBM Quantum计算中心访问权限。 正在运行的许多工作负载包括ML以及量子计算体系结构的实时仿真。
不到两周前， 霍尼韦尔宣布其高容量量子计算机将在三个月内全面上市。 它还宣布，霍尼韦尔风险投资公司正在对剑桥量子计算和Zapata计算进行投资。 两家公司在ML和其他跨垂直算法以及用于量子计算应用程序的软件方面均具有专业知识。
量子工具已成为主导的AI / ML开发框架
就在几天前，最重要的公告是Google推出TensorFlow Quantum 。 这种仅软件的新堆栈扩展了广泛采用的TensorFlow开源ML库和建模框架，以支持建立和训练要在量子计算平台上处理的ML模型。
由Google X研发部门开发的TensorFlow Quantum使数据科学家能够使用Python代码通过标准Keras函数开发量子ML模型。 它提供了一个与现有TensorFlow API兼容的量子电路模拟器和量子计算原语库。
TensorFlow Quantum的发布并不令人感到意外，这是在Google宣布 “ 量子至上 ”之后的几个月，这是指它实现了在传统计算架构上不可能实现的量子计算专长。
除了提供一个完整的AI / ML软件堆栈（现在可以将其与量子处理进行混合）之外，Google还打算扩展TensorFlow Quantum可以模拟量子ML的更多传统芯片架构的范围。 它已宣布计划扩展该工具支持的定制量子模拟硬件平台的范围，以包括来自不同供应商的图形处理单元以及其自己的Tensor处理单元 AI加速器硬件平台。
认识到量子计算还不够成熟，无法以足够的精度处理所有ML工作负载，因此Google明智地设计了其新的开源工具，以一只脚在传统计算体系结构中支持许多AI用例。 TensorFlow Quantum使开发人员能够快速构建ML模型的原型，该模型将量子和经典处理器的执行并行混合在学习任务上。 使用该工具，开发人员可以构建经典数据集和量子数据集，并使用TensorFlow本地处理的经典数据以及处理由量子电路和量子算符组成的量子数据的量子扩展。
[同样在InfoWorld上：选择PyTorch进行深度学习的5个理由]
开发人员可以使用TensorFlow Quantum进行量子分类，量子控制和量子近似优化等ML用例的监督学习。 他们还可以执行高级量子学习任务，例如元学习，哈密顿学习和采样热态。
此外，Google还设计了TensorFlow Quantum，以支持不断增长的AI用例，例如以高度真实性进行视频，语音和图像生成的“ deepfakes”。 Google ML开发人员可以使用TensorFlow Quantum训练混合量子/经典模型，以处理用于此类应用程序的生成对抗网络核心的判别和生成工作量。
从战略上讲，谷歌的下一步可能是将TensorFlow Quantum与之前存在的Quantum Computing Playground相结合，成为功能全面的托管量子ML服务。 考虑到Google的顶级公共云竞争对手（微软，AWS和IBM）都在市场或预览版中都提供了此类服务，如果这家总部位于加利福尼亚山景城的公司不尝试提供一种服务，那将令人震惊。 -为其提供自己的量子ML服务。
量子AI / ML研究人员在超速驾驶之前就已下定决心
即使在TensorFlow Quantum中，构建“编写一次可在任何地方运行”量子ML在相当长的一段时间内也会很棘手。 这是因为量子研究人员即使尝试构建实际应用，也在尝试各种替代架构。
以下是一些领先的量子ML供应商支持这些更基本的量子R＆D要求的主要方法：
Google设计了TensorFlow Quantum，以支持对用于处理ML模型的替代量子计算体系结构和算法的高级研究。 对于正在尝试针对ML工作负载优化的不同量子和混合处理体系结构的计算机科学家而言，这使得该新产品成为宝贵的研究工具。 为此，TensorFlow Quantum集成了Cirq ， Cirq是一个用于编程量子计算的开源Python库。 它支持以编程方式创建，编辑和调用量子门，这些门构成了当今量子系统特有的嘈杂中级量子 （NISQ）电路。 它还使开发人员指定的量子计算能够在仿真中或在实际硬件上执行。 Microsoft的Azure Quantum包含用于模拟替代量子电路处理方案以及预测这些环境中程序性能的库。 Amazon Braket允许用户探索，评估和试验量子计算硬件，设计量子算法，并在低级量子电路或完全托管的混合算法上模拟其程序执行的性能。 IBM Q Network支持替代量子计算体系结构的实时仿真。
在代将Quantum ML主流化
量子计算一直处于观望模式，以至于我们倾向于忽略它正在Swift投入实际使用的事实。
[通过InfoWorld的机器学习和分析报告时事通讯来掌握机器学习，人工智能和大数据分析的最新进展]
即使量子计算平台供应商尝试使用新材料，新方法和新架构，世界各地的研究人员仍在证明ML模型的量子处理实际上是可行的。 我们可以预期Google和其他地方的AI / ML研究人员可能会使用TensorFlow Quantum来做一些相当神奇的事情，而这些事情在传统的AI加速器硬件平台上是行不通的。
从最近的所有这些行业公告中可以清楚地看到，我们不仅将在生命周期中看到商业化的量子ML，而且它已经开始出现并且将在本十年中得到稳步采用。
翻译自: /article/3532436/ai-companies-plant-the-seeds-for-quantum-machine-learning.html
量子和ai人工智能
