由于量子计算能够在“量子态”中容纳许多不同的或许结果，它有或许为机器学习和人工智能疑问提供一个渺小的计算更新。但是，围绕量子计算仍有许多未解之谜，而且尚不清楚这些设施能否有助于企业人工智能投资的树立浪潮。
在20世纪50年代初次出现的二进制计算机开展成到当天曾经成为价值数万亿美元的IT(消息技术)行业的基础。仅仅用两个比特位(bit)和三个布尔代数运算符，咱们就发明了渺小的数据处置机器，使许多手工义务智能化，并对咱们周围的环球发生了渺小的影响。从基本的会计和电子商务到航行控制计算机和了解基因组，计算机对咱们现代生存的影响渺小。
但是，当咱们凑近经典二进制计算机的极限时，量子计算机出现了，带来(尚未成功的)计算才干的渺小优化。量子计算不再局限于1和0上的布尔线性代数函数，而是准许咱们在量子或量子位上经常使用线性代数，这些量子位由数字、向量和矩阵组成，在量子态中相互作用，包含叠加、纠缠和干预。
量子计算关上了一扇门，潜在地处置了传统计算机不可处置的十分庞大和复杂的计算疑问。比如经常使用“蛮力”方法猜想由256位算法加密一段数据的明码。经常使用AES-256加密的数据被以为十分安保的，由于它不能被暴力破解。但随着量子计算机计算多种或许形态的才干，处置这类疑问将触手可及。
——谷歌Sycamore量子处置器
另一个例子是游览采购员疑问。给定一些天文位置，找出其中最有效的门路实践上是一个经典的计算密集型疑问。破费数十亿美元为货运卡车加油的联结包裹公司(UPS)甚至限制了司机左转的次数，试图最大限制地缩短送货期间，缩小燃料消耗。
这让咱们想到了机器学习和人工智能。机器学习(ML)的最新方式——深度学习(DL)正在应战传统计算机的才干极限。大型Transformer模型，如OpenAI的GPT-3，它有1750亿个参数，须要几个月的期间在传统计算机上训练。随着未来的模型生长为数以万亿计的参数，它们将须要更长的期间来训练。这就是为什么用户驳回新型微处置器架构的要素之一(延展浏览：超大芯片吸引2.5亿美元新资金)，这种架构提供了比传统CPU甚至GPU更好的性能。
但是一切这些，包含CPU和GPU是与经典的二进制计算机捆绑在一同的，有后天限制。量子计算机为一系列用例的性能和才干提供了量子飞跃的或许性，人工智能必需是其中之一。
量子人工智能定义为经常使用量子计算运转机器学习算法。多亏了量子计算的计算长处，量子人工智能可以协助成功传统计算机不可成功的结果。
谷歌是最早涉足这一畛域的量子计算机制作商之一。2020年3月，谷歌推出了TensorFlowQuantum，将TensorFlow机器学习开发库带入量子计算机的环球。经过TensorFlowQuantum，开发者将能够开发在量子计算机上运转的量子神经网络模型。
谷歌 TensorFlow Quantum
虽然在量子计算机上运转人工智能运行程序仍处于十分早期的阶段，但有许多组织正在致力开发它。比如NASA与谷歌协作曾经有一段期间了。
而且钻研人员看好量子人工智能算法在计算才干方面提供下一个打破的后劲。这种方法将发生处置少量数据的新方法。
往年早些时刻，IBM钻研院发表发现了量子机器学习的量子长处的“数学证据”。证实以分类算法的方式出现，该算法提供了对“经典数据”的访问，提供了比经典ML方法“可证实的指数级减速”。让咱们看到了量子人工智能或许成功的一个潜在未来。
可以必需的是，每当人工智能和量子计算这两项被高度炒作的技术走到一同时，总会有很多不懂。IBM在2021年7月曾示意:“在计算机迷信中，很少有概念像量子机器学习那样令人兴奋，也或许像量子机器学习那样引发炒作和失误消息。”
虽然量子人工智能仿佛有后劲，但这种后劲尚未成功。失望的一面是，咱们至少有理由失望地以为，未来或许会有真正的打破。
但疑心者是正确的，量子计算依然是一个钻研畛域，距离运行于神经网络还有很长的路要走。但是，在10年内，由于计算才干无余，人工智能或许会进入另一个平台期，量子计算崛起，会协助人工智能的继续高速开展。
如今判别量子计算畛域能否会对人工智能的开展发生严重影响还为时过早。有许多有宿愿的停顿，但仍有许多未解之谜。