量子细节客座专栏：“量子研究人员可以从人工智能界的错误中学到很多东西”——Inside Quantum Technology

“Quantum PDetails”是一个客座编辑专栏，提供对量子研究人员、开发人员和专家的独家见解和采访，探讨该领域的关键挑战和过程。本文收录了量子伦理项目创始人兼首席执行官 Joan Etude Arrow 的观点，她讨论了量子行业中“炒作”的作用和缺陷。 

继 1956 年达特茅斯学院之后 暑期学习 人工智能领域创立团体、新晋人工智能研究人员 宣布的 计算机很快就能实现 人类水平的智能 或更大。这些说法是在计算机在真空管上运行、占据整个房间并且缺乏当今人工智能模型所必需的互联网丰富训练数据（例如 ChatGPT）时提出的。尽管复杂人工智能所需的硬件都不存在，但所谓的 黄金岁月 人工智能的发展一直持续到 1974 年 数百万美元 投资于 麻省理工学院简介 独自资助基于过度夸大的承诺的研究。

对于任何距离量子计算很近的人来说，这个故事可能听起来很熟悉。与任何认真的研究人员交谈，就像我在过去两年中寻求理解量子炒作一样，他们会告诉你围绕量子技术的炒作水平接近他们最关心的问题。我的同事们担心，就像 50 年代的研究人员一样，我们过分夸大了量子计算机的功能。量子计算硬件仍处于起步阶段，就像 1950 世纪 XNUMX 年代的真空管一样，我们的新生量子位还不够强大，无法承担我们对它们的承诺。

这就是我所说的炒作，我将其定义为该技术承诺的功能与其实际功能之间的差异。人工智能研究人员在硬件能够实现之前 50 年就做出了夸大的承诺，结果， 最失去信心 几十年来，人工智能研究陷入资金最少且处于边缘地位的冬天，其后果是该领域的进展缓慢。

如今，量子研究人员正在面临同样的灾难。如果我们不能控制这个领域猖獗的炒作，我们就有可能让量子陷入冬天。这将保证我们急需的量子解决方案在几年甚至几十年内都不会出现，因为我们在技术发展的边缘和没有足够的资金的情况下努力推进量子硬件。

但这篇文章并不是关于炒作的讲座。正如我根据自己的经验指出的那样，量子界普遍认为炒作是一个问题，现在我们需要决定如何应对。让问题变得更加复杂的是，炒作并不是一件普遍的坏事。它可以是一个 健康机制 激发兴奋、筹集资金和促进工作。

那么，我们如何才能平衡筹集资金和销售产品的需求与通过清晰可信的科学避免量子冬天的迫切需要呢？

我相信量化承诺能力和现实能力之间的差异是一个好的开始。我们需要一个可信度尝试的度量来限定以下问题： 您的技术的实际能力距离兑现其承诺还有多远？

就量子算法而言，量子计算优势是该领域的首要目标。为量子算法生成可信度度量可能类似于估计实现量子优势可能需要的量子位数量，然后将该数字与您能够成功实施算法的最大物理系统进行比较。

举一个简单的例子：如果您的算法需要至少 100 个量子位才能在经典计算机无法模拟的状态下执行（从而建立量子优势的状态），并且您的算法仅在 7 个量子位上完成并具有预先指定的解决方案错误，那么你的实际能力与承诺的比率是 7/100 = 7%。越接近 1，您就越可信。

需要指出的是，该指标取决于启发式，即超出经典计算机的量子模拟能力所需的量子位数量。这个数字不是固定的，随着量子系统经典模拟的更复杂的方法被设计出来，这个上限将会上升。只要关于启发式的假设是明确的，可信度评分就可以成为澄清关于量子算法研究人员所取得进展的令人望而却步的技术对话的重要方式。

类似的可信度度量可以在量子传感或量子网络体系中产生。对于量子传感，首要目标可能是量子传感器，例如无卫星 GPS，它足够便携，可以部署在现场，例如在某人的手中或在飞机上。在这里，承诺是便携性、物理尺寸、重量和现场灵敏度的一定阈值。

澄清这些指标将减少炒作并展示实用量子技术的进展。这可能会带来更发人深省的销售宣传，但必须确保投资者、潜在客户和公众准确了解我们今天的处境以及我们还有多远。

这些指标应该被视为解决炒作问题的起点。我们量子界的人应该努力开发清晰、易于理解的指标，对我们特定子领域的目标有意义。此外，如果这些指标被埋在论文的技术部分，那么它们的作用就很小。这些指标和它们所依赖的假设应该成为每篇论文摘要的首要和中心，以确保我们未来的结果得到清晰和可信的科学交流。

能否避免量子冬天取决于我们自己。如果说现代人工智能的成功教会了我们什么的话，那就是，当它到来时，量子技术将成为一股不可忽视的力量。这个未来多久能实现取决于我们。

琼·艾蒂·阿罗 (Joan Etude Arrow) 的创始人兼首席执行官 量子伦理项目。作为量子网络中心的量子协会研究员，琼专门研究量子机器学习，特别关注解决该领域炒作问题的可靠研究实践。作为 Q-SEnSE 教育和劳动力发展副总监，Joan 还致力于让量子技术变得更容易使用，特别是对于来自不同背景的学生。

标签： AI, 算法, 炒作, 琼·练习曲·阿罗, 量子计算, 量子细节

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.insidequantumtechnology.com/news-archive/quantum-particulars-guest-column-quantum-researchers-have-a-lot-to-learn-from-the-mistakes-of-the-artificial-intelligence-community/