銀行機(jī)構(gòu)通常會(huì)在客戶使用銀行卡時(shí)了解和跟蹤他們的交易行為。例如某人去瑞典度假，他可以通過(guò)信用卡支付款項(xiàng)而不用攜帶現(xiàn)金。然而一旦別人盜用，發(fā)放信用卡的銀行無(wú)法決定阻止實(shí)施的交易。畢竟，在刷卡記錄中并沒有什么證據(jù)表明是他人盜用。

銀行的機(jī)器學(xué)習(xí)算法每天都會(huì)做出數(shù)十億個(gè)此類決策。這在計(jì)算機(jī)科學(xué)中被稱為“平均分類問(wèn)題”，這些模型必須決定交易是否符合客戶的正常購(gòu)買行為。對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)算法來(lái)說(shuō)，這個(gè)問(wèn)題主要通過(guò)消費(fèi)者的支付歷史和與銀行其他交互信息來(lái)畫像解決，是一個(gè)計(jì)算密集且不完善的過(guò)程。

位列科技前沿的量子機(jī)器學(xué)習(xí)算法是否已經(jīng)準(zhǔn)備好投入這樣的實(shí)際應(yīng)用？行業(yè)專家對(duì)這一問(wèn)題的答案存在分歧。 

量子機(jī)器學(xué)習(xí)什么時(shí)候到來(lái)？

IBM杰出工程師、英國(guó)皇家工程院院士Richard Hopkins解釋說(shuō)，還有一種選擇可能是使用量子機(jī)器學(xué)習(xí)算法。

他指出，傳統(tǒng)機(jī)器學(xué)習(xí)模型需要大量時(shí)間和資源的訓(xùn)練來(lái)識(shí)別和權(quán)衡一筆交易的所有不同特征，以判斷交易是否可疑。相比之下，量子機(jī)器學(xué)習(xí)模型利用量子比特的疊加來(lái)同時(shí)觀察這些特征，因此有能力更快地找出解決非常困難的分類問(wèn)題的答案。

在Hopkins看來(lái)，雖然量子機(jī)器學(xué)習(xí)領(lǐng)域目前仍處于實(shí)驗(yàn)階段，但人們可能只需要5年時(shí)間就會(huì)看到量子機(jī)器學(xué)習(xí)算法在欺詐檢測(cè)、藥物研發(fā)和計(jì)算機(jī)視覺等各個(gè)領(lǐng)域的應(yīng)用。

但并不是所有的專家都認(rèn)同這個(gè)觀點(diǎn)。量子初創(chuàng)公司Xanadu研究員、《量子計(jì)算機(jī)的機(jī)器學(xué)習(xí)》一書合著者M(jìn)aria Schuld博士認(rèn)為，從長(zhǎng)遠(yuǎn)來(lái)看，量子機(jī)器學(xué)習(xí)無(wú)疑具有巨大的發(fā)展?jié)摿?，但?shí)現(xiàn)量子計(jì)算的實(shí)際應(yīng)用目前看起來(lái)還很遙遠(yuǎn)。

她說(shuō)，“我們是科學(xué)家，通常為我們研究的科學(xué)進(jìn)行商業(yè)論證。這樣做并不是因?yàn)橹肋@將會(huì)奏效，而是希望能有一些令人興奮的結(jié)果。”

量子機(jī)器學(xué)習(xí)還處于試驗(yàn)階段

量子機(jī)器學(xué)習(xí)是一個(gè)相對(duì)較新的領(lǐng)域。雖然從上世紀(jì)90年代中期開始就有關(guān)于這一主題的研究論文公開發(fā)表，但在過(guò)去五六年，量子機(jī)器學(xué)習(xí)才真正開始吸引科學(xué)界的注意力。

Schuld介紹，量子機(jī)器學(xué)習(xí)有兩個(gè)廣泛的研究領(lǐng)域，一是使用量子計(jì)算機(jī)來(lái)加速傳統(tǒng)的機(jī)器學(xué)習(xí)算法，例如吉布斯（Gibbs）采樣器；另一個(gè)是使用量子計(jì)算機(jī)作為模型，特別是使用量子芯片本身作為基礎(chǔ)，以類似于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的方式訓(xùn)練模型。

即便如此，這一領(lǐng)域整體上仍處于高度實(shí)驗(yàn)性階段。她解釋說(shuō)，雖然在某些情況下，機(jī)器學(xué)習(xí)算法可以證明比傳統(tǒng)算法具有“量子優(yōu)勢(shì)”，但還需要一段時(shí)間才能憧憬它們?cè)诂F(xiàn)實(shí)世界中的應(yīng)用。

這一點(diǎn)被多個(gè)研究中關(guān)于量子機(jī)器學(xué)習(xí)的積極性所掩蓋，這些研究通常是在單一的、狹窄的用例中獲得了量子優(yōu)勢(shì)的前提下發(fā)表的。為此Schuld指出，“從學(xué)術(shù)角度來(lái)看，這很有趣，但對(duì)量子計(jì)算可能的應(yīng)用并沒有太多說(shuō)明。畢竟，這些研究中解決的許多問(wèn)題都是經(jīng)過(guò)精心編碼才能在量子計(jì)算機(jī)上工作。換句話說(shuō)，他們只擅長(zhǎng)通過(guò)一臺(tái)量子計(jì)算機(jī)以非常具體的方式解決非常具體的問(wèn)題。”

對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)來(lái)說(shuō)，這并不是一個(gè)難題，其中許多技術(shù)都具有可推廣到更多問(wèn)題的優(yōu)點(diǎn)。相反，量子機(jī)器學(xué)習(xí)研究人員仍然很難將一種方法適用于一系列任務(wù)。為此Schuld明確指出，現(xiàn)在還沒有到利用量子芯片作為新的機(jī)器學(xué)習(xí)模型基礎(chǔ)的時(shí)候。

量子機(jī)器學(xué)習(xí)需要在現(xiàn)實(shí)中證明自己

盡管量子計(jì)算研究人員一致認(rèn)為，在特定情況下，量子機(jī)器學(xué)習(xí)的性能遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)，但專家對(duì)前者的實(shí)際應(yīng)用會(huì)多久出現(xiàn)存在分歧。

Hopkins承認(rèn)，該領(lǐng)域仍然缺乏將問(wèn)題映射到算法并生成解決方案的通用模板，這也是傳統(tǒng)機(jī)器學(xué)習(xí)曾經(jīng)面臨的問(wèn)題，但是一旦做到了，那么利用這項(xiàng)技術(shù)就變得非常容易。

“量子計(jì)算機(jī)允許用戶基于更高維度數(shù)據(jù)集做出更好、更準(zhǔn)確的決策。我們已經(jīng)在理論上證明了這一點(diǎn)，在實(shí)驗(yàn)室里也證明了這一點(diǎn)，我們?cè)絹?lái)越接近于在現(xiàn)實(shí)中證明這一點(diǎn)。”他表示。

但是量子機(jī)器學(xué)習(xí)模型為此準(zhǔn)備好了嗎?？Schuld認(rèn)為并沒有。她表示，“在底層硬件改進(jìn)之前，我們不知道是否會(huì)有量子機(jī)器學(xué)習(xí)算法能夠解決大量實(shí)際問(wèn)題。除非我們擁有了沒有錯(cuò)誤的機(jī)器，否則使用量子機(jī)器學(xué)習(xí)實(shí)際完成的任務(wù)是有限的。就實(shí)際應(yīng)用而言，這有點(diǎn)令人遺憾。”

Hopkins對(duì)此雖不認(rèn)同，但也承認(rèn)人們不太可能很快就能看到一臺(tái)量子計(jì)算機(jī)能夠訓(xùn)練ChatGPT型模型。他說(shuō)：“不可能在只有433個(gè)量子比特的量子計(jì)算機(jī)上實(shí)現(xiàn)這一點(diǎn)，但我們每年都在取得進(jìn)展，以擴(kuò)大可能進(jìn)行的量子機(jī)器學(xué)習(xí)實(shí)驗(yàn)的數(shù)量。人們將逐漸看到量子機(jī)器學(xué)習(xí)模型變得更加通用。”