如何看待谷歌物理學家 John Martinis 宣稱十年後機器學習將全部量子化? | 知乎問答精選

 

A-A+

如何看待谷歌物理學家 John Martinis 宣稱十年後機器學習將全部量子化?

2019年02月18日 GOOGLE, 知乎問答精選 暫無評論 閱讀 5 ℃ 次

【劉逸群的回答(196票)】:

謝題主邀。

John Martinis是UCSB的教授(不要叫谷歌物理學家了吧聽起來好奇怪啊..),是業內非常厲害的量子計算機專家。和大多數量子算法專家不一樣,他的特長是Make,把機器造出來。

Martinis的確開了個地圖炮,「機器學習算法真的是一種愚蠢的做法」。確實有一點在座的各位都是垃圾的意思... 可能是因為他的確覺得傳統機器學習在量子機器學習前不堪一擊。

不過,他真的沒有說「我預測,在10年內最後只會剩下量子機器學習——你再也不用傳統的方式來工作了。」這句話是Google的Neven說的。而Martinis教授的回應是,「我喜歡這一點,但實現它挺難的,他(Neven)可以用嘴說,但我必須建立並實現這一想法。」

所以結論就是,一個利益相關的非量子計算機專家Neven放了個嘴炮,Martinis教授做了謹慎回應。

正如Martinis老師委婉的回應所說,「十年後機器學習將全部量子化」這件事非常非常困難。「十年後Google的機器學習將全部量子化」都非常困難。「十年後Google有一個商業機器學習系統量子化了」的可能性才稍微大一點。

導師的第一篇量子機器學習文章是在2009年。那個時候機器學習領域頂會的審稿人還根本沒人懂這些工作的意義。以至於一篇文章拖了大半年才發表出去。這個領域的發展絕對沒有Neven說的那麼完善和順利。

量子學習會讓很多應用性質機器學習知識變得沒有太多用處。很多技術的半衰期是非常短的。沒有一個確定的目標就盲目追逐新技術會讓人疲於奔命。

但是統計學習理論、凸優化、概率論這些數理知識是永遠不會過時的。這些知識的半衰期遠遠超過人類的壽命了。量子學習理論也是在統計學習基礎之上構建的。

量子機器學習是一個很困難的領域。需要在統計學習和量子理論都有一定程度積累。作為工程師還沒有必要跳進來。真正商業化時一定可以封裝成碼農也能調用的包的。MSR已經在幹這件事了。

【細雨平湖的回答(2票)】:

我是抱著矛盾心態看著量子計算機的,搞物理(精神烏托邦)希望這些炫酷的東西能幫助社會,同時工程上的經驗(商業短淺目光)卻總是讓我猜疑其短期潛在價值。

十年是要打問號的,如果要替換掉目前的機器學習框架成小樣本學習框架,用不著等量子計算機呀,傳統計算機意義下就可以做了,這目前很多人也要作的,即使算不動也可以做呀。反觀,目前google的dwave只是模擬量子退火,很多機器學習算法是凸的,用這麼複雜的方法猜測會起反作用。我猜,John Martinis強調的機器學習是指具有spin glass屬性的學習算法,也是dwave的benchmark之一,如果真有,做深度學習就是酸爽,但是做個推薦系統,矩陣補全的看看,目前算法壓橫看豎看沒有必要這樣幹。而且,不見得深度學習未來就能統一所有機器學習的框架,支持所有業務呀。

我更擔心的是目前的機器學習方法,如深度學習這些,過一陣子都又到了瓶頸,優化再快也無用了。

民科一下,好像彭羅斯研究人腦意識的時候,認為意識的本質是量子關聯?還是量子准激發來著?搞意識的量子計算會有意思多了。。。^_^

【ANIV的回答(13票)】:

按照我的理解,量子計算機的核心優勢就是快。

速度快就可以在短時間內對複雜的機器學習模型(概率圖、深度神經網絡等)進行精確求解,而不需要採用各種近似目標函數、啟髮式初始化等方法降低計算量。目前一個七八層的深度神經網絡訓練1T的數據大概幾百台機器的分佈式集群需要求解一個月,如果有了量子計算機,也許就是幾分鐘的事情。真正的人工智能想要實現,想必是需要量子計算機助力。

機器學習模型本身並不關心求解過程是採用的2進制計算機還是量子計算機。機器學習背後的數學理論是統計,而統計是在計算機誕生前就存在的學科,不過計算機誕生過對該學科有很大的推動,也許量子計算機出現後由於新的解法出現,統計學也會出現創新,也會出現新的機器學習模型。

但是這一切都是建立在最基礎的統計學習理論之上。萬丈高樓平地起,基礎都是1+1。

【張可欣的回答(2票)】:

量子力學都發展這麼多年了,但哪一個量子物理學家不是先從牛頓物理學開始學的。

不要好高騖遠,量子化也肯定離不開基礎知識。

【胡海洋的回答(4票)】:

我老家鄉下,一般20年的樣子,村裡的自家建築都會更新一代,就是拆了重建新的。但是大家都是在自家的地基上重新蓋,好像沒有見過有人因為有了一個新點子就讓蓋了一半的樓爛尾掉,然後去新找個地蓋新樓,一般都是在現有的基礎上改進。

我覺得這麼大年紀了還沒有這個年紀該有的成熟,一見到這種新聞就會熱血沸騰,然後天馬行空的想像世界會因為新技術瞬間變得不一樣。現在每每遇到這種情況我都會告訴自己,沒親自參與過就別頭腦發熱。

【雷金博的回答(2票)】:

既然計算速度這麼快,那麼算法的研究也就沒多大意義了。

標籤:-計算機技術 -機器學習 -量子計算機


相關資源:





給我留言