量子人工智能 | CCCF精选

很多年前，谈起量子力学，人们总是习惯性地将视线聚焦于电子、光子等微观世界，这是科学家才有特权探知的领域。如今，“量子”一词越来越多地出现在日常生活中，量子卫星、量子计算机、量子通信、量子信息……我们欣喜地发现，量子力学活跃在21世纪的科技前沿。而以量子人工智能为代表的新兴交叉领域研究，更是引起了大批研究人员的关注，进入飞速发展的“快车道”。

诞生于经典力学之上的量子力学仿佛天生被赋予了革新的使命，与人工智能的结合充满契机却又存在着必然。2008年，欧洲掀起了一场信息检索领域的“文艺复兴”浪潮，在英国国家工程和物理科学研究基金、欧盟第七科技框架计划——玛丽·居里国际合作等项目的资助下，北京理工大学教授宋大为和天津大学教授侯越先尝试性地探索了信息获取场景下，人类认知过程与量子理论的相似之处，从而开始了量子启发交叉研究。在此之后，围绕信息获取的主题，研究者们不断发表令人兴奋的观点，例如基于量子干涉可以对检索中的次序效应建模、量子概率对上下文敏感的检索框架更有效等，这些研究成果突破了被经典概率束缚的思想，从微观视角重新诠释了检索过程中由于人类认知造成的“非经典”效应。这鼓舞了一大批走在量子交叉研究前列的青年研究学者，让他们仿佛看到了迈向人工智能的另一条路。

然而，新生事物的发展总是曲折的，作为量子人工智能的子领域之一，量子信息检索的成长正如曾经的量子力学一样饱受质疑。这种质疑不仅源于外界，更源于研究者们自身的担忧。2013年前后，神经网络技术迅猛发展，相关技术如雨后春笋般涌现，其强大的拟合能力席卷各大人工智能领域。而此时的量子信息检索仍停留在统计学习的检索框架下，面对尚未厘清的基础理论和难以提高的实验性能，很多研究陷入瓶颈期。当量子理论仅仅停留在新颖的视角与丰富的理论时，研究者们开始思考，量子理论可对人类认知机理进行建模的理由是什么？量子理论真正适用的场景是什么？神经网络与量子理论是否殊途同归？

2017年以来，量子机器学习逐渐兴起并迎来蓬勃发展期。在近五年的时间里，量子理论在信息检索、自然语言处理、图像识别、机器学习等人工智能领域大放异彩。人们欣喜地发现，量子力学不仅在理论层面更加接近人类认知过程，而且其提供的数学框架能有效地集成在神经网络架构下，帮助模型捕获由人类认知带来的“非经典”特征。从“理论夯实”到“技术可行”，量子人工智能迈出了开创性的一步。此外，随着神经网络“黑盒”问题日益突出，研究者们基于量子理论对神经网络的可解释性研究也取得了阶段性成果。例如，基于量子多体理论的语言建模方法可以解释卷积神经网络、循环神经网络的模型参数，复值量子神经网络可用于文本位置信息的建模，基于量子多体的张量网络能有效压缩预训练语言模型等。从“理论新颖”到“实用可行”，量子人工智能进入了更多研究者的视野。

量子人工智能不仅意味着基于量子理论发展人工智能技术，更意味着人工智能反哺物理、化学、材料等量子力学所耕耘的基础性学科。著名物理学家理查德·费曼（Richard Feynman）在1956年提出，“当我们能够进入越来越小的世界时，我们会拥有许许多多的机遇去发现新的现象、探索新的理论”。这里的“小”世界，便是指量子世界。费曼关于“利用量子系统解决量子难题”的思想，孕育了量子计算这一重要计算模式。对量子机器学习而言，我们惊喜地发现，机器学习的量子属性使其能更有效地处理量子物理学中的难题。例如，中国科学院大学讲席教授苏刚团队及其合作者提出的量子机器学习技术可用于实现高维量子态的低维可视化表示，通过研究量子态分布为理解和统计微观物理的复杂现象提供帮助。又如，复旦大学物理系教授李晓鹏团队带来的量子储层技术，能够充分利用当前尚未成熟的量子计算硬件，解释物理世界的复杂动力学行为。这些进展可看作是费曼的“利用量子系统解决量子难题”思想在机器学习方面的延展，相关研究将开辟量子物理探索的新范式。此外，量子物理也给传统机器学习方法注入了新的活力，例如清华大学教授邓东灵在受限玻尔兹曼机上研究了量子纠缠熵的标度理论，从量子的角度为理解机器学习提供了新的思路；宋大为探索了量子理论在情感分析上的独特优势，为解释和建模人类在情感分析中的决策和判断过程提供了一条新颖的路径。

2021年，Science发布了“量子人工智能可以模仿人脑吗？”这一科学前沿问题，受到研究者们的热烈讨论，同时量子理论与人工智能的交叉研究也受到多个国家部门及科研团体的重点关注，量子人工智能的发展需要被更多人了解，也需要更多人参与。 

本期专题邀请了几位量子人工智能领域的领军学者，分享该领域的累累硕果。邓东灵团队在文章《量子人工智能简介》中介绍了量子人工智能这一新兴领域中的重大机遇与挑战；苏刚团队撰写了文章《张量网络量子机器学习：空间、测度与概率诠释》，给读者们带来张量网络概率诠释下的量子机器学习新视角；李晓鹏团队在文章《量子储层计算》中为我们讲解利用量子计算技术实现储层计算框架的全新思路；侯越先等人在文章《量子人工智能的模型基础——量子力学的解释与重构》中分享了信息视角下的量子力学，介绍了量子人工智能的模型基础；宋大为团队和天津工业大学讲师刘丁分别撰写文章《量子认知启发的多模态情感分析》和《量子神经网络的发展及趋势》，分别围绕量子理论在多模态情感分析和神经网络中的应用发表了独到的见解。

他山之石，可以攻玉。我们期待这些精彩的文章可以给人工智能、智能计算、量子物理等领域的学者带来启发，迸发出新的火花。量子人工智能已经迎来高速发展期，也让我们更加期待量子计算机时代的到来。 

张鹏

天津大学计算机学院副院长、教授。主要研究方向为语言理解、自动问答与对话、量子信息检索和量子语言建模。

pzhang@tju.edu.cn

冉仕举

首都师范大学物理系副教授。主要研究方向为量子多体物理、张量网络理论与方法、量子信息与量子计算、量子机器学习。

sjran@cnu.edu.cn