当前位置:主页 > V时生活 >提升到类量子的高阶人工智慧>内容

提升到类量子的高阶人工智慧

2020-07-12 05:22 来源于:shenmy 我要评论(705)

提升到類量子的高階人工智慧


随着科技的发展,新的理论与技术也不断推陈出新,取代既有的认知与操作模式,难免有长江后浪推前浪之歎。即使是新兴的人工智慧领域,亦不能倖免。在这篇文章中,由传统以电子电脑为基底的AI开始,而后近年来向「类量子运算」的过渡,以期有朝一日能实现实质意义上的量子运算,许炳坚教授串起人工智能的过往与未来,娓娓道来AI的发展脉络。

人工智慧全面来袭

18世纪工业革命之后,人类的工作与生活型态起了翻天覆地的变化。每隔数十年就有新的工作模式出现,比旧有的模式更能够适应新时代的需要,就像是社会科学的「类达尔文」进化一样,每一个世代都在翻新。

电子电脑的人工智慧

在20世纪中叶,半导体技术被成功地研发出来,并且製成了积体电路。往后的几十年里,电子产品的运算效能紧密地遵循摩尔定律 ( Moore’s Law ) 在进展,大约每两年运算效能就加倍。到了21世纪,一个先进的硅晶片动辄包含了十几亿颗电晶体,甚至于几十亿颗电晶体的也比比皆是。

电子产品的应用效能逐渐地逼近人脑功能的水平。对于某些特定的应用,例如西洋棋与围棋比赛,先进的电脑已经持续地打败人类的高手棋士。在其他複杂的领域里,例如汽车自动驾驶,电脑软体控制系统的出事率已经远低于人类驾驶的平均值了。

最近极为火红的人工智慧 ( artificial intelligence,AI ) 科技,是高度使用电脑的自动化。人工智慧的发展经历了前后三个主要阶段。第一波浪潮是1956 – 1974年间的萌芽阶段,当时的电脑运算能力非常有限,所以研究的重点集中在对于理论的探讨。第二波浪潮是1980 – 1987年间的成长阶段,当时的研究是以规则导向的专家系统 ( expert system ) 为主。电脑的运算能力已经有了显着的提升,可惜还不到全面运用的阶段。第三波浪潮是2010年起的收割阶段,传统的方法与类神经网路 ( artificial neural networks ) 相结合。并且善于利用强大的电子产品运算能力,被广泛地运用在各行各业之中,在未来一、二十年内很可能取代了大约一半目前的人类工作。

高价值因为有大量需求,而且来源稀少

一件商品的合理售价如何来决定呢?当然是依据经济学的供需法则。首先,有顾客想购买的商品才会有价值,否则就成了没有价值的物品了。如果商品的供应量充足,那幺价钱就会相对地低廉。同样地,如果商品的来源稀少而顾客的需求很大,那幺价钱就会飙涨。

一个人工作贡献所对应的代价也遵循着同样的法则。必须拥有很多顾客需要,而且其他人无法提供的特殊能力,才能够获得极高的报酬。这其中似乎有着明显的矛盾之处,既然是其他人无法做得到的能力,为什幺某一个人却能够拥有呢?

其实有好几种解套的方法。有一种方法就是以时间来换取,有先见之明,比其他人提前进入新的领域并且掌握其核心技术,然后要熬过一段落寞、与被轻视的潜伏阶段,才能够获得比别人先开花结果的甜美领先。往「前」看就是往「钱」看,中文字真的有深奥的智慧在里面。另一种方法就是善于利用转弯加速度,不在直线处超越别人,而是在转弯与换跑道的时候一举超越的。

还有一种方法就是善于利用选择性的放大与缩小,也就是以多重模式的非线性方式来进行。就像是类比电路设计的技巧,对于输入讯号加以分类,如果是差异性 ( differential mode ) 的就表示很重要,应该把讯号的影响加以放大;如果是共通性 ( common mode ) 的就表示没有任何特别之处,应该把讯号的影响加以缩小。

类量子的高阶人工智慧

电子电脑按照目前的发展速度,下一步就会逐渐踏进量子运算的领域。如果以运动力学来比喻,电子电脑对应于低速的传统牛顿力学,採用粒子的看法;而量子运算对应于高速的运动,採用波动的看法。也就是说电子电脑的运算,奠基于布宁代数 ( Boolean algebra ) 的明确逻辑分流,把逻辑-0与逻辑-1的流向分辨得清清楚楚地。在处理等式 ( equality ) 问题时很顺手,对于有大于或者小于的不等式 ( inequality ) 问题也难不倒。

 类神经网路提升到类量子运算

 在日常生活里,有些事情并非黑白分明,而是介于中间的灰色地带。在1965年,美国加州柏克莱大学电机电脑系的前主任渣碟 ( Lofti Zadeh ) 教授倡导了模糊理论 ( fuzzy logic ) 採用近似、而且可以不受限于传统布宁代数的逻辑思维,来处理不确定性 ( uncertainty ) 问题。

 由模糊理论再往前推展一大步,就会进入量子运算来保留逻辑-0与逻辑-1的同时存在(或者是黑与白的同时存在)。为了迎接量子运算到来之前需要做好妥善的準备工作,我们提出了「类量子运算」( Artificial Quantum Computing ) 来做为过渡。就像是1980年代许多研究人员提出了「类神经网路」( Artificial Neural Network ) 来做为人工智慧研究的过渡一样。

图一详细地显示这两者的关联性。在已经的人工智慧发展的经验里,研究人员从生物与医学领域的人类神经元模型出发,在1980年代发展出「类神经网路」的研究。整个研究持续进展到2010年代,神经网路的使用成为人工智慧的深度学习的主力。因此,我们可以经由借位 ( innovation ) 与联想,把原有的模糊理论 ( fuzzy logic & system ) 研究,进一步扩展为「类量子运算」的架构,来做为迈向真正量子电脑的最佳过渡。

提升到类量子的高阶人工智慧

图一、从「类神经网路」研究的经验,借未与联想到新提出的「类量子运算」研究。

图二是晶片设计的系统化流程。学问的源头可以摆在广义的哲学,下一步就是方法论 ( methodology ),还是在相当抽象的阶段,然后是落实在处理某一领域问题的有效方法,再来就是演算法 ( algorithm )。上述是软体与系统的部分,如果要做出特定的硬体来,就要找出对应的架构 ( architecture )。真正动手设计硬体,则可以分为线路设计、晶片设计、与系统设计等三个层次。然后交给製程开发与大量製造的代工厂,再把完成的晶片交给封测厂去进行测试与封装工作。

提升到类量子的高阶人工智慧

图二、高阶的人工智慧,以「类量子运算」做为电子电脑到量子电脑的过渡。晶片设计的系统化流程。

对应于电子电脑的一般晶片开发,上述的整个流程是畅通的。在人工智慧应用方面,辉达公司 ( Nvidia Corporation ) 开发了专有的图像处理器晶片 ( graphics processing unit,GPU );另外,Google也开发了张量处理器晶片 ( TPU,tensor processing unit )。

类量子的运算元

至于量子运算技术,仍在萌芽阶段。加拿大的D-Wave系统公司贩售了实验性质的量子计算机採用绝热理论的量子退火技术并且使用128量子位元来解决最优化问题。2016年12月,中国大陆发射了「墨子量子电脑」,以量子退火 ( Quantum annealing ) 的技术来破解密码。美国的国际商业机器公司IBM已经提供20量子位元的电脑给使用者。

我们则提议在学校的创新研究从「类量子运算」的方法论、处理方法、与演算法的阶段先着手。

类量子运算可以做为处理的核心,以波动的方式让逻辑-0与逻辑-1以联集 ( union ) 的形式同时存在于一个量子位元 ( quantum bit,qbit )。此运算核心与外界的联繫可以经由现有的电子电路当作介面,在输入部分包括了数位电路、类比电路 ( analog circuit )、或者是感应器 ( sensor ) 元件;至于输出部分除了数位电路,也可以包括致动器 ( actuator ) 元件。

量子位元的兼容并包性质,可以简洁与快速地处理好几类型的问题,包括:

以概率为依据的 ( probability-based );以可能性为依据的 ( possibility-based );与奇异点 ( singularity )。

结语

类量子运算的研究在目前是与全世界领先团队齐头并进的阶段,做为在台湾参与国际高科技学术研究的团队,我们应当加把劲,千万不要无故地缺席。

提升到类量子的高阶人工智慧

台大郭大维代理校长(左)于11月演讲时与许炳坚教授(右)之合照。

提升到类量子的高阶人工智慧

台大医学谢丰舟教授(右一)、心理叶素玲前主任(右二)、教育部黄荣村前部长(右三)、阳明共教中心张立鸿教授(左三)、阳明心哲所王文方主任(左二)与阳明共教中心Jonathon Hricko教授(左一)。许炳坚教授为第二排右一。

热门阅读
猜你喜欢
图文精选