标题:量子运算改写人工智能未来：从自然语言处理到能源效率的革命性突破
新闻来源:iKnow科技产业资讯室
原文网址:https://bit.ly/42qJDmP
原文:
量子运算的崛起为人工智能(AI)带来了重新定义的契机。根据Quantinuum最新发表的研究
，量子运算能克服传统系统的限制，降低能源成本并提升扩展性，甚至开创全新的自然语
言处理(NLP)方法。该公司正全力打造全球首个基于量子运算的生成量子AI系统(Gen QAi)
，由无法被传统电脑模拟的量子硬件支撑。
目前的AI模型，如ChatGPT，训练过程需耗费巨大的计算资源。例如：仅GPT-3的训练便消
耗近1,300 MWh电力，相当于130户美国家庭一年的用电量。随着模型规模持续扩大，对环
境和经济的压力愈加明显。量子运算提供了一个更高效、更具可持续性的替代方案。
量子运算利用量子力学的纠缠与干涉特性，实现传统系统无法达到的效率与精准度。
Quantinuum的研究团队认为，借由重塑AI方法，而非单纯移植传统方法到量子硬件，可以
最大化量子运算的潜力。
自然语言处理是AI的重要应用之一，Quantinuum专注于开发量子文字词嵌入(quantum
word embedding)与量子递回神经网络(RNNs)。这些技术使用复数向量空间(或称Hilbert
space)，能捕捉语言的概率与层级结构，带来比传统模型更丰富的表示能力。
量子文字词嵌入透过将文字转化为量子电路中的参数，利用Hilbert space的特性表达复
数向量。这种方法有效揭示了文字中的复杂结构，为语意分析带来革命性进步。
量子RNN使用参数化量子电路进行混合量子-传统运算。在一次实验中，研究团队利用仅4
个量子位元的RNN模型成功分类电影评论的情绪，性能与传统模型相当，但资源消耗大幅
降低。
Transformer是支持现代大型语言模型的核心架构。Quantinuum开发的量子Transformer
“Quixer”专为量子硬件设计，能在语言建模任务中与传统变Transformer竞争，展现出
量子运算在NLP领域的应用潜力。
研究人员探索了量子张量网络在NLP中的应用，这种数学结构能有效表示高维度数据。量
子张量网络的树状结构与量子处理器的特性完美匹配，使其能在有限量子位元下完成大规
模任务。
量子运算在能源效率上的优势尤为突出。Quantinuum的实验显示，量子系统在随机电路取
样任务中比传统超级电脑节省了30,000倍的能源，为实现绿色AI提供了新途径。
传统AI模型需依赖数十亿参数，推高运算成本。而量子模型利用量子力学特性，以更少的
参数达成相似性能，为AI的永续发展铺平了道路。
随着量子硬件的快速进步，量子AI可能逐步取代或补充传统系统。从自然语言处理到生物
运算，量子AI将能解决更具挑战性的问题，同时降低资源消耗。
量子运算与AI的结合标志着科技发展的新篇章。透过实现高效能与低能耗的量子AI模型，
Quantinuum正朝向重新定义AI的道路迈进。随着技术成熟，量子AI将不仅提升AI性能，还
会对社会带来深远的影响，真正开启“量子AI时代”。
心得:
量子运算为AI带来全新契机，其效率与低能耗优势正重新定义AI的未来。Quantinuum开发
的量子生成AI系统(Gen QAi)展现了量子技术在自然语言处理(NLP)中的潜力，如量子文字
词嵌入和量子Transformer，能以更少的资源实现高效语言建模。量子AI不仅降低了环境
与经济成本，还为AI模型提供更精准与创新的解决方案，标志着AI迈向永续发展的全新时
代。