
11月,IEE Spectrum发布了一篇题为《The Case Against Quantum Computing(科技行者编译文章:全球理论物理学泰斗给量子计算机泼冷水:可预见的未来造不出来)》的文章。在文章当中,作者Mikhail Dyakonov提出了自己的观点,表示由于实现过程中的一系列技术挑战,在可预见的未来,造出实用性的通用型量子计算机的可能性非常小。
在全世界都对量子计算抱有极高的热情当下,这篇文章的出现引发了热烈的讨论甚至争议。
图片来源:iStockphoto
大致在同一时间,由美国国家科学院、工程院与医学院组建的专家委员会也一直在努力试图找出这个问题的答案——量子计算机到底还需要多久才能发展成熟,从而带来实际的商业价值。更具体地,该委员会正在“对创建出能够解决实际问题的功能型量子计算机的可行性与影响进行专门的评估”,并估算“完成这项工作所需要的时间与资源,考量如何对成功机率做出准确判断。”
针对这些问题,上周该委员会正式发布了一份长达205页的报告(报告下载地址:https://www.nap.edu/catalog/25196/quantum-computing-progress-and-prospects),并举办了一次面向记者的网络研讨会。
该委员会由13位量子计算专家组成,其中包括:来自加州大学圣芭芭拉分校的谷歌量子计算硬件项目负责人John Martinis、来自芝加哥大学的圣芭芭拉分校自旋电子学与量子计算中心前负责人David Awschalom,以及来自加州大学伯克利分校的伯克利量子信息与计算中心联合主任Umesh Vazirani等。
面对量子计算的前景问题,这支专家小组更倾向于给出乐观积极的回答。当然,他们也没有回避在设计并制造实用性通用量子计算机方面面对的难题。恰恰相反,在报告中,我们多次看到了与Dyakonov类似的,对于量子计算前景持怀疑态度的重要依据。
与大多数主流新闻媒体所认为的,“量子计算机能够完成各种稀奇古怪的任务处理,并且只需要五到十年即可全面实现”的观点不同,在报告当中,委员会成员们强调了以下 “重要结论”:
在促进人类理解宇宙的基础性研究方面,量子计算具有非常重要的意义。与所有基础科学研究一样,该领域的发现可能会带来变革性的新知识与应用方向。
对此,Dyakonov在他的文章中也表示:“对量子计算的实验性研究是有益的,这可能帮助我们更好地理解复杂的量子系统。”
总的来说,正如委员会成员们所提到,任何类型的基础科学研究都具有价值,因为其可能会带来其它一些非直接,但具有实际意义或者对社会有益的成果。而政府以及其它科学与工程机构的核心目标,在于弄清楚哪些基础研究比其它研究更具价值。从这个角度来看,这份报告非常具有指导意义,它能激发大家以更严谨的科学态度,去进行量子计算研究。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。