
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
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。
英国国王学院研究团队开发了潜在精炼解码(LRD)技术,解决了AI文本生成中的速度与准确性平衡难题。该方法通过两阶段设计模仿人类思考过程:先让AI在连续空间中"深思熟虑",保持多种可能性的混合状态,然后"果断行动",逐步确定答案。实验显示,LRD在编程和数学推理任务中准确性提升最高6.3个百分点,生成速度提升最高10.6倍,为AI并行文本生成开辟了新路径。
清华大学团队开发的ViSurf是一种创新的大型视觉语言模型训练方法,巧妙融合了督导式学习和强化学习的优势。该方法通过将标准答案整合到强化学习过程中,让AI既能从正确答案中学习又能保持自主推理能力。实验显示ViSurf在多个视觉任务上显著超越传统方法,特别是在处理模型知识盲区时表现突出,同时有效避免了灾难性遗忘问题,为AI训练提供了更高效稳定的新范式。