10000次模拟165项实验,同化量子编制首次表现“超能力”

 欧宝资讯     |      2021-03-20 11:32

图片

现在正是深度深化学习(Reinforcement Learning, RL)的顶峰时刻。无论是添持智能机器人,模拟人类脑神经,照样超越大夫的医疗诊断,击败人类的围棋比赛。

固然这栽兴旺的机器学习还并不及以与人类与生俱来的变通与迅速相媲美,但不走否认它是异日更高级智能机器的敲门砖。

只不过,它不及停留进展。由于这些算法背后的概念基于试错,一个深化学习的AI代理只有在其做出精确的决定,并得到奖励后,才能真实完善它的学习过程。

而对于复杂的题目,AI代理必要不息的试错才能做出精确的决定,而这背后的时间代价过高。即便它趋于实用化,吾们仍有本身这一关必要克服,由于人类无法十足已足人造智能机器的重大能源需求。

 

图片

图1|AI代理与环境(来源:Wikimedia Commons) 

浅易来说,吾们现在遇到的题目就是,训练人造智能必要消耗大量人力物力,吾们现在行使的很众编制都是在大周围GPU网络、超级计算机上训练的,训练过程必要耗用不走思议的重大能量。

人造智能之于是这样拿手图像识别/自然说话处理,是由于它基本上只是逆复做同样的事情,每次只进走微调,直到把事情做对。

这并不是运走几次模拟就有余的,要训练出一个兴旺的人造智能编制,能够必要数百甚至数千幼时。不光这样,训练支付能够说是巨额。

倘若人造智能就是人类异日,以现在的能耗模式,异日能够根本就不存在。

于是乎,解决方案来了:量子计算。一个由维也纳大学、麻省理工学院、因斯布鲁克大学、莱顿大学等地科学家构成的国际钻研团队,于近日发外了钻研通知,展现了同化人造智能编制的“量子添速”[3]。

钻研团队的偏重点是将量子和经典计算相结相符,他们异国十足行使量子力学原理构建该深化学习编制,而是经由过程一栽更为实用的同化手段,欧宝资讯该同化型人造智能能够同时筛选出几栽分别的题目解决手段。

论文中挑到,对于实际行使来说,关键题目是AI代理的学习速度。尽管已经有很众钻研行使量子力学来添速AI代理的决策过程,但尚未表明能够缩幼学习时间。

论文中挑出了一个深化学习实验,在该实验中,经由过程行使量子通信信道与环境,添速AI的学习过程。实验进一步外明,将这一方案与经典通信相结相符,能够对添速予以评估,并批准对学习进度进走优化限制。

 

图片

图2| 学习代理暗示图(来源:Nature) 

在行使10000个AI代理并经过165项实验后,钻研团队从实际实验数据中发现,在挑衅更复杂的题目时,同化量子编制表现出清晰的上风。

实验中,团队将经典编制与添入稀奇量子芯片的同化量子编制进走对比。所谓稀奇,是指团队行使的量子芯片基于纳米光子,称为纳米光子处理器的可编程芯片。简言之,它们用光来代替电。

 

图片

图3|实验装配(来源:Nature) 

实验效果表现,添入量子计算的深化学习人造智能,要比异国添入量子计算的快60%以上。论文作者外示,该实验首次展现了增补量子计算能够添速AI代理的实际学习过程。

这栽同化型人造智能一旦周围化,就会对实际世界题目产生影响,例如构建一个高效的量子互联网,由于能够易如反掌地将该装配整相符到异日的大周围量子通信网络中。

在那之前,团队照样还有很众做事要做,由于此次的实验并不是最后现在的,更像是一个幼周围的模型。一旦清晰如何将该技术行使到更大的实际题目上,它就能发挥作用。

封面:

The Next Web

引用:

[1]https://singularityhub.com/2021/03/16/quantum-computing-and-reinforcement-learning-are-joining-forces-to-make-faster-ai/

[2]https://thenextweb.com/neural/2021/03/17/quantum-computers-save-us-artificial-intelligence-green/

[3]https://www.nature.com/articles/s41586-021-03242-7

图片

声明:此文出于传递更众新闻。若有舛讹或侵权,请有关延 伸 阅 读01    AI转角遇到Q:让智能更智能02    AI制药巨头瞄准量子技术拿下AI界最高融资纪录03    量子计算与AI组队,如何一首对抗新冠04    智能原料类人脑学习或成为新一代量子计算机基础05    柔件量子计算公司于人造智能的主要里程碑06    美官宣10亿美元建人造智能和量子新闻中央 ,