國內(nèi)企業(yè)積極部署

“雖然進展喜人，但我們也應該注意到目前機器學習領域的很多結(jié)果在嚴格性、問題基礎性和未來實用性上都還有很大的提升空間�？偟膩砜矗�這是一個還處于早期探索，未來有很大發(fā)展空間可以期待的領域�！睆垊僮u認為。

“量子機器學習的更多應用還須等到可以實現(xiàn)大規(guī)模量子信息存儲，以及有成熟的量子計算機出現(xiàn)才行。”韓正甫說，但事實上，量子計算機的概念1980年代提出，投入研發(fā)20年，迄今還沒有一臺真正走出實驗室。

劉激揚也表示，量子計算機是真正實現(xiàn)量子機器學習算法實用化的重要硬件基礎，要想將量子機器學習算法應用于實際的數(shù)據(jù)分析和處理任務中，需要將數(shù)據(jù)轉(zhuǎn)化為量子態(tài)，上傳至計算機中，進行存儲、處理并導出，這就需要研制出具有成百上千超導量子比特的量子計算機，“在通用量子計算機建造成功之前，量子機器學習算法則很難在實際應用中展現(xiàn)出其數(shù)據(jù)處理方面的強大能力。”

張勝譽分析道，由于硬件資源的受限，量子機器學習的驗證和發(fā)展確實有很多瓶頸�！袄碚撋峡梢赃M行更多量子加速的研究，實踐上也可以結(jié)合硬件不停推進對物理化學中基本問題的理解�！彼�認為，這個領域最終的突破，可能需要理論和硬件手拉手往前走。

在劉激揚看來，量子機器學習還缺乏完備的理論框架及實際驗證。“由于量子機器學習只能在量子狀態(tài)下進行，而當前由經(jīng)典信息到量子信息的轉(zhuǎn)換研究較少，還有很多問題未解決�！�

“我們還不能從基礎理論角度來闡述量子機器學習算法的優(yōu)勢�！眲⒓�揚說，目前仍不能證明某個量子機器算法的性能比所有的經(jīng)典機器學習算法都好， 因為沒有找到同樣復雜度的經(jīng)典算法，但這并不代表這樣的經(jīng)典算法不存在，所以還有待進一步研究證明。

但是，在業(yè)界大佬們看來，量子機器學習是個充滿無限遐想的領域�！吧疃葘W習帶來的變化已經(jīng)遠超十年前的估計，量子計算機對量子多體系統(tǒng)的模擬會給我們帶來哪些顛覆性的認識，量子與機器學習結(jié)合會對我們自身和自然界的理解和改變帶來哪些影響，這里有非常大的想象空間�！睆垊僮u說。

張勝譽介紹道，騰訊一直持續(xù)關注量子機器學習的方向。“我們團隊和法國的合作者Iordanis Kerenidis一起設計了第一個可證明有加速的神經(jīng)網(wǎng)絡量子算法，團隊在機器學習對量子物理和量子化學的理解上也在不停向前探索。我們希望能在這個令人期待的領域中作出一些踏實的貢獻。”

在機器學習領域深耕多年的國雙，也一直關注著量子機器學習等相關領域的最新動態(tài)。劉激揚說，目前，該公司的產(chǎn)業(yè)人工智能平臺搭載包括機器學習、知識圖譜、自然語言處理等人工智能技術(shù)與算法，在數(shù)字營銷、司法大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)等領域都積累了豐富的實踐經(jīng)驗及成功案例，切實的幫助客戶提升生產(chǎn)運營效率。

“除了持續(xù)推動‘AI＋行業(yè)解決方案’服務模式落地外，我們會跟進量子機器學習的進展并積極部署，思索如何將這些新興技術(shù)融入國雙獨有的產(chǎn)業(yè)人工智能平臺，致力落實用技術(shù)改變產(chǎn)業(yè)，為客戶實現(xiàn)智能化轉(zhuǎn)型而努力�！眲⒓�揚說。