参考消息网11月1日报道 美国石英财经网站10月15日刊登题为《人工智能和量子计算正在融合》的文章，作者为杰姬·斯诺，内容编译如下：

  长期以来，人工智能（AI）和量子计算这两种技术常常形成科技炒作周期：都说这两种技术一旦实现，就会彻底改变一切，但除了实验室演示和风险投资宣传之外，它们几乎没有什么具体成果。

  后来，聊天生成预训练转换器（ChatGPT）出现了。突然间，AI变得真实且似乎无处不在，并带来了大量的投资，而量子计算在很大程度上仍局限于拥有专门硬件的实验室。但在AI发展势头的推动下，如今量子计算可能也会迎来属于自己的高光时刻。

  这两种技术正在以对双方都有利的方式融合在一起。AI正在帮助构建更好的量子计算机，优化算法并开发实时纠错技术，从而使容错量子计算机的实现更接近现实。与此同时，量子处理器在处理特定的AI任务上表现出成功的迹象，比如检测欺诈、生成用于训练AI模型的合成数据集，以及可能大幅削减困扰当前AI系统的巨大能源成本。

  与其说两种技术在合并，不如说两种擅长解决根本不同问题的技术达成了互助协议。

  事实证明，在解决量子领域的最大挑战方面，AI技术不可或缺。英伟达公司与谷歌量子人工智能部门的合作展示了其可行性。英伟达的平台帮助模拟了量子处理器的物理特性，这对于理解和减少量子“噪声”至关重要。“噪声”指的是困扰量子硬件并限制计算运行时间的一些错误。有了AI的帮助，原本需要一周时间的模拟现在几分钟就能完成。在整个行业，机器学习工具正在改进量子线路设计和纠错，帮助解决量子系统在扩大规模时面临的挑战。

  两种技术能给彼此带来增益。量子计算机在某些经典计算机难以解决的优化问题上表现出色。安永全球首席创新官乔·德帕指出，检测欺诈是一个很有前景的应用场景，量子算法可以识别其他算法遗漏的模式，这在高质量培训数据稀缺或昂贵的情况下尤其有价值。在更耗时耗力的项目上，用量子计算技术生成的合成数据可以训练大型AI模型，用于药物发现、碳捕获和电池设计等领域的材料研究和化学模拟，而这些计算如果使用传统计算机则需要极其漫长的时间。

  还可以从能源的角度看这两种技术的融合。AI需要大量电力，公共设施难以满足数据中心的电力需求。德帕说，有一种非常乐观的看法，认为未来的量子计算增强算法可能会用显著降低能耗的方式训练AI，但这目前仍然只是一种想法。

  两种技术对基础设施的需求差别很大。虽然AI可以在现有的云设施上扩大规模，但量子计算技术需要极低温的冷却和专门设施。为了解决这个问题，包括国际商业机器公司（IBM）在内的一些大企业正在将量子处理器集成到自己的超级计算基础设施中，构建结合经典计算和量子计算能力的混合系统。但除了这些有限的试点项目之外，先有鸡还是先有蛋的问题依然存在：验证存在应用场景之前，没有公司会投资量子计算基础设施，而没有可用的基础设施，就无法验证存在应用场景。

  然后还有可解释性问题。一些人批评AI是“黑箱”，即使是开发人员也很难理解AI模型如何得出结论。而量子计算增加了另一个维度的不可知性。从根本上来说，使量子技术强大的量子态在被测量时是不可知的。这不是技术上的限制，而是量子力学本身的特点。随着这两种技术融合，由此产生的系统可能更加无法解释，从而带来信任和监管批准方面的问题，而这两个技术领域都无法令人满意地回答这些问题。

  此外，还有安全方面的考虑。强大到足以优化发现药物方式的量子计算机可以破解目前大多数加密技术。安全专家警告说，犯罪分子可能已经在收集加密数据，以便在量子技术可以使用后进行解密。这是一种被称为“现在收集，以后解密”的策略，它意味着在量子技术达到商业可行性之前，网络安全升级就已经迫在眉睫。

  如果在企业的注意力转移到其他领域之前，量子计算技术就可以成熟，那么让AI看似无处不在的体系结构最终可能会同样让量子计算技术普及。

  就目前而言，与其说这是两种有前途的技术之间的爱情故事，不如说是一场包办婚姻。这两种技术仍在试图弄清楚与对方是互补关系，或者仅仅是竞争关系。（编译/胡雪）