今天，我將談談能夠解決困難問題的真正智能機器，這些機器從側面表達了人類思維的創造力和通用性，就我們所知，機器不僅能夠在一項活動中脫穎而出，而且能夠抽象一般信息，找到我們無法想象的解決方案。我不會談論區塊鏈，而是談論另一場革命（更少的經濟，更多的數學），它是關于計算的： 量子計算機。

量子計算并不是什么新事物，我們已經談論它幾十年了，但是我們現在正在見證這種技術從理論到實現的轉變。量子計算機在20世紀80年代初首次被理論化，但直到最近幾年，由于谷歌和IBM等公司的承諾，一股強大的推動力一直在推動這些機器的發展。量子計算機能夠使用量子粒子（想象它們像電子或光子）來處理信息。粒子的作用是正的或負的 （即我們在傳統計算機科學中用來看到的0和 1）， 或者同時產生量子信息位， 稱為 “量子位”。這是因為，在傳統計算機上，二進制代碼0和1的編碼是由閉路或通過一個開放的路徑建成，量子計算機的0和1編碼的物理狀態被發現使用的亞原子粒子。亞原子世界的性質相當奇特。事實上，粒子可以存在于狀態的疊加中，在這種情況下，粒子的狀態是0和1的重疊。這意味著在短時間內考慮到所有的可能性，從而使預測和分析能夠比目前的二進制計算機以前能夠更快更有效地進行。

我們每天、每小時、每分鐘、每秒鐘都會生成大量的數據，但是直到現在，我們還不能使用足夠的計算能力從所有這些信息中獲得真正的優勢。量子計算機可以幫助理解我們正在生成的數據，這在人工智能的幫助下是可能的。機器學習是一種應用于機器的人工智能，它基于一種稱為深度學習的學習技術，可以在基于人工神經網絡的技術的背景下實現，這是一種美麗的生物啟發編程范式，它使計算機能夠從觀測數據中學習。神經網絡是由我們的大腦的功能所啟發的，基于神經元之間的相互聯系，但是，與生物大腦不同的是，任何神經元都可以在一定的物理距離內連接到其他神經元，這些網絡的特點是離散數據的層次、連接和傳播方向，其中網絡的每個節點都對作為輸入提供的數據是否正確這一事實分配一定的百分比概率，從而確定這些評估的最終輸出。輸出給出的結果也稱為概率向量。神經網絡需要的是訓練，因為許多輸入必須權衡。

關于量子計算和人工智能集成的研究還處于萌芽階段，因為任何機器學習算法都還處于理論階段。然而，兩者之間的結合開啟了非常重要的前景，但也存在風險。國家安全局（NSA）提出了一個問題，量子計算機可能會在幾十年內學會破解公鑰密碼術。因此，在這種情況下，現在是考慮如何防止網絡犯罪分子設立任何類型的欺詐的時候了。比如身份盜竊以及我們的隱私禁忌也必須考慮在內。

在正在開發和實驗的量子算法中，有一種類型學，即Shor分解，它可以用來破壞基于ECDSA（橢圓曲線數字簽名算法）的區塊鏈加密術。該算法規定，只有交易負責人才能創建數字簽名，保留其私鑰，而每個人都可以使用公鑰來驗證其真實性。用來保護私鑰的操作可以很容易地用量子計算機進行逆向計算，從而在短短幾分鐘內就暴露出這種密碼。我們知道，每一個比特幣所有者都有一個公鑰和一個私鑰，任何人只要進入另一個用戶的私鑰，都可以使用這個人的帳戶，因此，當代幣的安全性不再得到保證時，風險可能會增加。

重要的是要注意到量子計算機并不標志著密碼學的終結，而僅僅是一個范式的轉變。在量子密碼學的發展過程中必須尋求解決方案，比如基于晶格的密碼學和完全同態的密碼學（FHE）。基于晶格的密碼學使用二維代數結構稱為“格”，可以抵抗量子計算方案。晶格是點的無限網格；基于晶格技術的計算問題是“最短向量問題”，它要求識別網格中最靠近空間中定點的點，稱為原點。這是一個在二維網格中很容易解決的問題，但是隨著維數的增加，即使是量子計算機也不能有效地解決這個問題。基于晶格的密碼學也是開發完全同態加密的基礎，它可以在不解密的情況下執行文件計算，在簡化流程方面具有明顯優勢。使用加密數據執行操作得到的加密結果，一旦解密，就等于對未加密數據執行相同操作來得到同樣的結果。

與此同時，量子計算機驗證算法也將被開發出來。因此，幾乎可以肯定的是，在與量子算法并行的同時，可能會開發新的量子證明系統，然后通過所謂的分叉在基于區塊鏈的加密貨幣協議中實現，以恢復和保證交易的不可變性。