日前，意大利的研究人員通過在一臺實際的量子計算機上運行一套特殊的算法，首次研發出起作用量子神經網絡。

來自意大利帕維亞大學的Francesco Tacchino領導了一個研究小組，該小組于本月早些時候在ArXiv上傳了名為《在實際量子處理器上實現的人工神經元》的預稿。

從根本上講，他們研發了一種在量子計算機上運行的單層人工神經元網絡（artificial neural network，ANN），這種初步的ANN被稱為感知器，作為構成更成熟的神經網絡的基本部分。

此前在量子系統內創建感知器的相關嘗試都涉及將單個量子位當做一個神經網絡中的神經元來處理，但這是一個繁瑣而錯綜復雜的過程，很難通過這種方式產生切實有效的結果。

因此，Tacchino和他的團隊決定嘗試一種不同的方法，他們介紹了一種替代設計來最大限度地模仿量子計算機上的Rosenblatt感知器，并通過實驗證實了該方法的有效性——在可用于云量子計算的IBM量子處理器上執行了算法的二量子位版本。

IBM Q Experience計算機是一個五量子位并支持云訪問的量子系統，長期以來一直被當作一種與量子計算交互的方式，支持使用物理量子計算機和模擬兩種模式，為那些沒有數百萬資金用于實驗室建設和訪問世界頂級物理學家和工程師的研究人員提供了一個量子計算開源云平臺。

量子計算機的最大問題之一就是沒有任何適用的軟件、程序或代碼，對于這臺違背物理定律的機器而言，編碼是極其困難的，但也不是完全沒有可能。

研究小組在IBM Q系統上成功地運行了他們的感知器算法，并使用所得到的神經網絡執行圖像分類的任務，對此進行了證明。據目前所知，這個小組是第一個嘗試使用這種方法的。

現在，這個神經網絡能判斷給定圖像采用了三種基本模式中的哪一種，雖然這聽起來似乎微不足道，但足夠值得被納入量子優勢的概念體系中。

據研究人員介紹，與經典感知器的模型相比，他們的算法呈現指數級的優勢，正如他們只用用二量子位就可以表示和分類四位串，四量子位表示和分類十六位串，以此類推。

這意味著在量子系統上運行的神經網絡可能比在經典系統上運行的神經網絡在穩健性方面得到指數級地提升，這對未來AI融合量子計算的意義是超乎想象的。

當人們研發出一種機器，而這種機器能充當宇宙的原始基礎語言和人類語言之間的翻譯者，接下來會發生什么呢？

這或許是給哲學家的最好的提問，但是，在物理學領域，隨著研究人員對ANN的深入了解，以及工程師研發出更先進的量子計算系統，一種新的機器學習可能會出現并取代舊的經典深度學習神經網絡。

未來的智能機器將不再是由AI或量子單獨驅動，而是兼并兩者。