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一个巨大的计算升级。然而，围绕量子计算仍有许多未解之谜，而且尚不清楚这些设备是否有助于企业人工智能投资的建设浪潮。

在20世纪50年代首次出现的二进制计算机发展成到今天已经成为价值数万亿美元的IT(信息技术)行业的基础。仅仅用两个比特位(bit)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，使许多手工任务自动化，并对我们周围的世界产生了巨大的影响。从基本的会计和电子商务到飞行控制计算机和了解基因组，计算机对我们现代生活的影响巨大。

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(尚未实现的)计算能力的巨大提升。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位上使用线性代数，这些量子位由数字、向量和矩阵组成，在量子态中相互作用，包括叠加、纠缠和干涉。

量子计算打开了一扇门，潜在地解决了传统计算机无法解决的非常庞大和复杂的计算问题。比如使用“蛮力”方法猜测由256位算法加密一段数据的密码。使用AES-256加密的数据被认为非常安全的，因为它不能被暴力破解。但随着量子计算机计算多种可能状态的能力，解决这类问题将触手可及。

——谷歌Sycamore量子处理器

另一个例子是旅行推销员问题。给定一些地理位置，找出其中最有效的路径实际上是一个经典的计算密集型问题。花费数十亿美元为货运卡车加油的联合包裹公司(UPS)甚至限制了司机左转的次数，试图最大限度地缩短送货时间，减少燃料消耗。

这让我们想到了机器学习和人工智能。机器学习(ML)的最新形式——深度学习(DL)正在挑战传统计算机的能力极限。大型Transformer模型，如OpenAI的GPT-3，它有1750亿个参数，需要几个月的时间在传统计算机上训练。随着未来的模型成长为数以万亿计的参数，它们将需要更长的时间来训练。这就是为什么用户采用新型微处理器架构的原因之一(延展阅读：超大芯片吸引2.5亿美元新资金)，这种架构提供了比传统CPU甚至GPU更好的性能。

但是所有这些，包括CPU和GPU是与经典的二进制计算机捆绑在一起的，有先天限制。量子计算机为一系列用例的性能和能力提供了量子飞跃的可能性，人工智能肯定是其中之一。

量子人工智能定义为使用量子计算运行机器学习算法。多亏了量子计算的计算优势，量子人工智能可以帮助实现传统计算机无法实现的结果。

谷歌是最早涉足这一领域的量子计算机制造商之一。2020年3月，谷歌推出了TensorFlowQuantum，将TensorFlow机器学习开发库带入量子计算机的世界。通过TensorFlowQuantum，开发者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 TensorFlow Quantum

虽然在量子计算机上运行人工智能应用程序仍处于非常早期的阶段，但有许多组织正在努力开发它。比如NASA与谷歌合作已经有一段时间了。

而且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个突破的潜力。这种方法将产生处理大量数据的新方法。

今年早些时候，IBM研究院宣布发现了量子机器学习的量子优势的“数学证据”。证明以分类算法的形式出现，该算法提供了对“经典数据”的访问，提供了比经典ML方法“可证明的指数级加速”。让我们看到了量子人工智能可能实现的一个潜在未来。

可以肯定的是，每当人工智能和量子计算这两项被高度炒作的技术走到一起时，总会有很多疑问。IBM在2021年7月曾表示:“在计算机科学中，很少有概念像量子机器学习那样令人兴奋，也可能像量子机器学习那样引发炒作和错误信息。”

虽然量子人工智能似乎有潜力，但这种潜力尚未实现。乐观的一面是，我们至少有理由乐观地认为，未来可能会有真正的突破。

但怀疑者是正确的，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。然而，在10年内，由于计算能力不足，人工智能可能会进入另一个平台期，量子计算崛起，会帮助人工智能的继续高速发展。

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。有许多有希望的进展，但仍有许多未解之谜。