人工智能 & 量子計算
經過幾十年的研究，人工智能 (AI) 正在成爲主要的行業趨勢之一。從與 Alexa 和 Siri 的對話，到 Waymo（谷歌）和特斯拉的自動駕駛汽車，OpenAI 的 GPT-3 像人類一樣寫作散文，以及 DeepMind（谷歌）的 AlphaZero 擊敗人類國際象棋大師，人工智能現在已經足夠成熟了。
在科技行業的其他地方，一些有遠見的人正在努力開發量子計算機，這些計算機試圖利用量子物理學的特性來比當今的計算機更快地執行計算。
算法複雜性是一個有點模糊的數學概念，它將 AI 研究人員和量子計算先驅正在進行的工作聯系起來。
計算複雜性理論是一個橫跨數學和計算機科學的領域，專注于根據資源使用情況對計算問題進行分類，例如空間（內存）和時間。本質上，計算問題是可以由計算機按照算法中定義的數學步驟機械地解決的任務。
爲了更快地解決問題，可以使用更快的計算機，或者找到需要更少操作的更有效算法，這就是較低時間複雜度的含義。但是，僅使用更快的計算機是不現實的，而這恰恰是人工智能領域的情況。
在這一點上，你想知道：量子計算與人工智能到底有什麽關系嗎？
01
人工智能是個高度複雜的問題
首先，我們需要了解當今人工智能 (AI) 系統使用的人工神經網絡的計算複雜性。
這些數學模型的靈感來自構成動物大腦的生物神經網絡。他們通過查看許多示例“學習”識別或分類輸入數據。它們是互連節點或神經元的集合，結合激活函數，該函數根據“輸入層”中呈現的數據和互連中的權重確定輸出。
爲了調整互連中的權重以使“輸出”有用或正確，可以通過暴露許多數據示例和“反向傳播”輸出損失來“訓練”網絡。
流行的 OpenAI 的 GPT-3 模型已經能夠以與人類相當的流暢度編寫原始散文，具有1750 億個參數（或神經元）。這個人工智能模型擁有數十億的M，目前需要幾個月的時間來訓練，即使在大型雲數據中心使用強大的服務器計算機也是如此。此外，人工智能模型的規模將繼續增長，因此隨著時間的推移情況會變得更糟。
02
量子計算如何拯救
量子計算機是使用量子物理特性（特別是疊加和糾纏）來存儲數據和執行計算的機器。理想的通用量子計算機可以同時執行數十億個操作，從而爲高度複雜的問題（包括人工智能）提供非常實質性的加速。
經典計算機以比特（“二進制數字”的縮寫）傳輸信息，而量子計算機使用量子比特（“量子比特”的縮寫）。與經典比特一樣，量子比特最終必須以 1 或 0 的形式傳輸信息，但其特殊之處在于它們可以同時表示 1 和 0。一個量子比特被認爲具有概率分布，例如，它有 70% 的可能性是 1，而 30% 的可能性是 0。這就是量子計算機的特別之處。
量子計算機利用了量子力學中的兩個基本屬性：疊加和糾纏。
當一個量子比特同時爲 1 和 0 時，稱它處于疊加態。疊加是系統同時處于多個狀態並且在測量時僅假定單個狀態時的條件的總稱。如果我們假設一枚硬幣是一個量子物體，那麽當硬幣被翻轉時，就會産生疊加：硬幣只有正面或反面的概率。同樣，只有當我們測量電子的自旋（類似于硬幣落地）時，我們才能知道電子處于什麽狀態以及它是 1 還是 0。
疊加態的量子只有在我們擁有多個粒子時才有用。這將我們帶到了量子力學的第二個基本原理：糾纏。兩個（或多個）糾纏在一起的粒子無法單獨描述，它們的性質完全依賴于彼此。因此，糾纏的量子比特可以相互影響。
正因爲如此，向系統中添加每個新的量子位都會使計算機可以分析的狀態數量增加一倍。計算機能力的這種指數級增長與經典計算形成鮮明對比，經典計算僅隨每個新位線性擴展。
理論上，糾纏的量子比特可以同時執行數十億次操作。很明顯，這種能力將爲任何複雜度在 N^2、2N或 N^n範圍內的算法提供顯著的加速。
由于量子計算的巨大潛力，雖然硬件團隊繼續致力于使這些系統成爲現實（迄今爲止最大的是IBM的127-Qubit Eagle系統），但軟件研究人員已經在研究可以利用這種“同時計算”的新算法' 能力，在密碼學、化學、材料科學、系統優化和機器學習/人工智能等領域。
有趣的是，人們相信量子線性代數將提供多項式加速，這將極大地提高我們人工神經網絡的性能。谷歌推出了TensorFlow Quantum，這是一個用于量子機器學習的軟件框架，它允許對混合量子經典機器學習模型進行快速原型設計。
想知道更多量子計算和人工智能的知識嗎？好口碑、高反饋的滑鐵盧大學人工智能和量子計算課程，春季又雙叒來了！
經過上一年秋季和春季課程的叠代更新，本次春季課程將于2023年5月8日-19日正式開啓。
滑鐵盧大學
人工智能和量子計算課程
人工智能和量子計算課程，由滑鐵盧大學瑞納森學院針對初高中生設計。參加的學生可在線課堂體驗到加拿大名校滑鐵盧大學的教育。
通過人工智能和量子計算課程，學生將探索量子力學、算法、數據科學和機器學習等各種主題。在除了 AI 和 QC 課程知識內容外，他們還將收獲有助于他們未來學業所需的基礎研究技能和學術技能課程的學習。
學生通過爲期 2 周的在線課堂探索量子力學、算法、數據科學和機器學習等各種主題學習。在線探索人工智能 (AI)和量子計算 (QC)的世界。通過語言提升、STEM課程預習、學術能力訓練，在未來的求學發展道路上更具競爭力。
學生不僅將獲得重要的學術技能，而且還將能夠闡明他們的學習和技能發展，以用于未來的簡曆、面試和大學申請材料。
▪ 滑鐵盧大學是2021麥考林雜志加拿大綜合類大學排名第2
▪ 最具創新力大學連續27年蟬聯榜首
▪ 擁有世界上最大的數學和計算機科學教育中心
▪ 擁有北美唯一的數學學院及加拿大最大的工程學院
AI/QC 課程 三大優勢
……
✔ 前沿科技的STEM課程預熱
▪AI：探索數據科學和人工智能史，掌握數據算法、機器學習、處理技術和數據可視化
▪QC：學習量子密鑰分配與信息科學和線性代數連接，了解量子計算機的構建
✔ 大學必備的學習能力提升
提升研究能力，批判性分析信息，理解研究方法並整合研究成果
✔ AI/QC兩大主題語境下的語言專項提升
* AI/QC課程證書樣本 *
AI/QC 適合誰參加
……
▪ 對人工智能和量子計算感興趣
▪ 希望提高他們的學術技能，爲上大學做准備
▪ 希望了解更多關于如何在大學申請過程中脫穎而出
▪ 適合CEFR B2級別的學生（雅思5.5-6，托福72-94）
注意：CEFR B1 水平的學生可以申請，但是B1 級別需要額外的時間來查看課堂回放。
AI/QC課程安排
……
5月8日-19日 爲期2周 每周5次課
具體時間以開課通知爲准
✔ 第一周主題：AI人工智能
▪周一
數據分析和人工智能曆史；大學的期望
▪周二
算法；開始一個科研項目
▪周三
數據處理；大學基礎課堂聆聽和筆記記錄方法
▪周四
可視化；資料搜尋
▪周五
機器學習；評估信息來源
✔ 第二周主題：QC 量子計算
▪ 周一
量子力學曆史；合並材料源 I
▪ 周二
量子和線性代數；合並材料源 II
▪ 周三
量子比特和疊加；合並材料源 III
▪ 周四
量子密碼；展示研究成果
▪ 周五
量子計算；表達技能發展
