量子運算改寫人工智慧未來:從自然語言處理到能源效率的革命性突破
科技產業資訊室(iKnow) - 黃松勳 發表於 2025年1月24日
圖、量子運算改寫人工智慧未來:從自然語言處理到能源效率的革命性突破
量子運算的崛起為人工智慧(AI)帶來了重新定義的契機。根據Quantinuum最新發表的研究,量子運算能克服傳統系統的限制,降低能源成本並提升擴展性,甚至開創全新的自然語言處理(NLP)方法。該公司正全力打造全球首個基於量子運算的生成量子AI系統(Gen QAi),由無法被傳統電腦模擬的量子硬體支撐。
目前的AI模型,如ChatGPT,訓練過程需耗費巨大的計算資源。例如:僅GPT-3的訓練便消耗近1,300 MWh電力,相當於130戶美國家庭一年的用電量。隨著模型規模持續擴大,對環境和經濟的壓力愈加明顯。量子運算提供了一個更高效、更具可持續性的替代方案。
量子運算利用量子力學的糾纏與干涉特性,實現傳統系統無法達到的效率與精準度。Quantinuum的研究團隊認為,藉由重塑AI方法,而非單純移植傳統方法到量子硬體,可以最大化量子運算的潛力。
自然語言處理是AI的重要應用之一,Quantinuum專注於開發量子文字詞嵌入(quantum word embedding)與量子遞迴神經網路(RNNs)。這些技術使用複數向量空間(或稱Hilbert space),能捕捉語言的概率與層級結構,帶來比傳統模型更豐富的表示能力。
量子文字詞嵌入透過將文字轉化為量子電路中的參數,利用Hilbert space的特性表達複數向量。這種方法有效揭示了文字中的複雜結構,為語意分析帶來革命性進步。
量子RNN使用參數化量子電路進行混合量子-傳統運算。在一次實驗中,研究團隊利用僅4個量子位元的RNN模型成功分類電影評論的情緒,性能與傳統模型相當,但資源消耗大幅降低。
Transformer是支持現代大型語言模型的核心架構。Quantinuum開發的量子Transformer “Quixer”專為量子硬體設計,能在語言建模任務中與傳統變Transformer競爭,展現出量子運算在NLP領域的應用潛力。
研究人員探索了量子張量網路在NLP中的應用,這種數學結構能有效表示高維度數據。量子張量網路的樹狀結構與量子處理器的特性完美匹配,使其能在有限量子位元下完成大規模任務。
量子運算在能源效率上的優勢尤為突出。Quantinuum的實驗顯示,量子系統在隨機電路取樣任務中比傳統超級電腦節省了30,000倍的能源,為實現綠色AI提供了新途徑。
傳統AI模型需依賴數十億參數,推高運算成本。而量子模型利用量子力學特性,以更少的參數達成相似性能,為AI的永續發展鋪平了道路。
隨著量子硬體的快速進步,量子AI可能逐步取代或補充傳統系統。從自然語言處理到生物運算,量子AI將能解決更具挑戰性的問題,同時降低資源消耗。
量子運算與AI的結合標誌著科技發展的新篇章。透過實現高效能與低能耗的量子AI模型,Quantinuum正朝向重新定義AI的道路邁進。隨著技術成熟,量子AI將不僅提升AI性能,還會對社會帶來深遠的影響,真正開啟「量子AI時代」。(1010字;圖1)
參考資料:
Quantum Computers Will Make AI Better. Quantinuum. 2025/01/22.
'Gen QAI' Knocking on The Door — Quantinuum Builds on Research Legacy to Build Generative Quantum AI System. The Quantum Insider. 2025/01/22.
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。
|