本文力求用简单的语言介绍当前最热、最深奥的前沿科技：人工智能、量子计算。
不求精确，但求好懂。
人工智能与量子计算，通向黑暗世界的地狱之门？还是通向随机世界的上帝伊甸园？
---------从量子退火计算机与深度学习的原理看黑暗世界
大热的人工智能，重新让量子计算这个神秘的超级算力设备相关的话题热了起来。熟悉这两个领域的专家，应该都知道，无论是目前谷歌alpha go人工智能背后的深度计算，还是量子计算机里第一个做到实用的Dwave 128位量子计算机，其所依赖的都是大自然的“神秘”力量：
人们无法理解深度学习学出来的模型、更无从更改和准确控制这个模型的输出，量子退火也是依靠“大自然”来模拟大自然，并不是在人类算法控制下的精确计算。
为什么有那么多超级人类担忧甚至抵制人工智能，这或许就是原因之一，甚至是根本原因。下面将通过介绍人工智能（特别是深度学习）、量子计算（以目前接近可用的量子退火计算机为例）的基本管理，解释上面这个论断的原理。
因为这两个话题实在有些专业，所以，我尽量不引用教科书，尤其是那些充满了奇怪符号的公式（其实数学公式不过是换了一种语言来表达同一个意思，如果不能用人类语言描述清楚的，公式也肯定描述不清楚）。
让alpha go屹立江湖的深度计算，并不是什么新技术，她是仿生模拟人脑的神经元计算的升级版本，在60多年的AI人工智能发展史上，是众多的研究工具中的一个，其他的方法还有（不必在意这些专有名词，你可以直接跳过去）：
1 Search and optimization 搜索及优化
2 Logic 逻辑和推理
3 Probabilistic methods for uncertain reasoning 不确定推理的概率方法
4 Classifiers and statistical learning methods分类和统计学习方法
5 Control theory 智能控制
6 GOFAI and languages 符号与语言
其中，模拟人脑神经元结构是最容易想到的方法，神经元的构造高中的时候我们都学过：
神经元可以抽象成连着输入与输出的黑盒子，给定一个输入（刺激），经过黑盒子后得到一个输出（反应）：
用数学描述黑盒子的功能（function，咱们课本上是一个很玄的专用翻译：函数），就是仿生人工智能要干的事：
实际的神经元模型比这个稍微复杂一点，如下：
上面的图中，a1、a2、……、an是输入， t是输出，需要计算（机器学习）的参数有w1、w2……wn、b，以及需要选择的函数类型f。
所谓机器学习，就是在已知输入 a 的情况下，找到一个能够映射到已知输出 t 的办法（f和w）。
举个栗子，把一张猫的图片输入进去，计算出来如果不是猫，就继续迭代修改参数，直到计算出来是猫。接着再给一张猫的图片，……，直到模型越来越准确。
把大量这种黑盒子串联、并联在一起，就是大脑的模型了，大脑有300亿个神经元，所以这个模拟是很庞大的，并行的数量、和串行的深度，都非常巨大。
这就是为什么，这个模型早在1943代就由沃伦·麦卡洛克和沃尔特·皮茨提出来了，但是直到21世纪后才再次焕发的原因：需要大量的计算能力，特别是并行计算能力。
至于为什么是这一组参数和这个函数，而不是另外的，没有道理可讲，没有人类可以理解的逻辑推理。
当然实际的过程稍微复杂，比如：为什么叫深度学习（deep learning）呢？因为一层模型发现准确度很差，于是增加层数：
随着模型的复杂，增加的层数越来越多：
“学习”到的大量参数，构成了这个超级黑盒子，也就是所说的模型了，由于这些参数不是逻辑推导出来的，而是一种反馈、试错、逼近的模型，当模型完成时，牵出去溜溜，结果在执行中出错（比如把美国黑人识别成了大猩猩，别笑，我说的是真实发生的），我们无法通过修改参数、来达到控制输出的目的，因为，修改参数后的输出是不确定的（未知的），也就是我们无法当场改变他的输出，只能拉回家继续大量的学习特定知识，才有可能逐步逼近、提升准确度。这就是深度学习的全部逻辑，也就是黑暗世界的来源！
对于非致命应用无关紧要，最多吃个性别、的官司。但是，如果是一个执行任务的机器人警察或者士兵、或者干脆是个汽车，当他们在你周围活动的时候，就让人后背发凉了。当未来的机器错杀了人，我们是无法知道直接原因出在哪里的。也许有人浪漫的说：机器人三定律，机器人永远不能杀人。怎么会出现这种情况呢？问题出在：机器人怎么知道你是人？如果他认为你是一个大猩猩呢？
我们的世界，从此变成了一个量子世界：不确定的世界……
有人可能不屑一顾。如果我们看看这个星球上最智能的物种：人类，用了多少年的代价才进入相对的文明时代，。这还是建立在人类之前的动物已经进化了数亿年基础之上！
退一步，即使不用人工智能做致命的工作，深度学习目前也还有很多局限性，除了前面提到的巨大的并行计算能力，还有就是需要大量的数据”喂“她。
在最近的 AI By The Bay 大会上，Google 的人工智能研究员 Chollet说：「目前的监督感知和强化学习算法需要大量的数据，在长远规划中是很难实现的，这些算法只能做简单的模式识别。」
相比之下，人类「从很少的案例中学习，可以进行长远规划，他们能够形成一种情境的抽象模型，并 [操纵] 这些模型实现极致的泛化。
即使是简单的人类行为，也很难教授给深度学习算法。例如我们需要学习在路上避免被汽车撞上，如果使用监督学习，那就需要巨量的汽车情境数据集，且明确标注了动作（如「停止」或「移动」），然后你需要训练一个神经网络来学习映射不同的情况和对应的行动。
如果采用强化学习，那你需要给算法一个目标，让它独立地确定理想的行动。为学习到在不同情况下躲避汽车，计算机可能需要先被撞上千次。Chollet 警告说：「仅仅通过扩大今天的深度学习技术，我们无法实现通用智能。
躲避汽车，人类只需要告知一次就行。我们具有从简单少量的例子中概括出事物的能力，并且能够想象（即模拟）操作的后果。我们不需要失去生命或肢体，就能很快学会避免被车撞上。
除了大数据的局限，在应用场景和模式上，目前得到验证的领域，主要有图像和视频中的物体识别、以及语音识别等有限场景。
对于还想继续探索的读者，再科普几个概念：卷积、人工智能处理器（TPU）：
上面这个图里面，用到的计算，输入a乘以参数w，也就是数组a 乘以数组 w， 是两个数列的相乘：a1x w1 + a2 x w2 + …… + an x wn，如果能够同时计算多个数的乘法，就叫做并行计算（又叫做矢量计算，因为所谓矢量，就是不止一个数字，两个数字能在平面上画出一条线，线就是矢量，三个数字能够在三维空间里画出一条线，也就是三维矢量。）：
数组的乘法就是矩阵乘法。
什么叫卷积呢（ convolution）？
从计算形式上来说，就是按照时间推移不断的求矩阵乘法。
（下面的介绍有点晦涩，可以跳过。）
输入的刺激有可能是一个波形，也就是一个随着时间变化的函数g（t），输出就是两个函数的乘积f*g（t）。
两个函数的乘积，就好比是两艘相向行驶的船随着时间的推移逐渐开始交错、叠加、分离的过程。
画到坐标里，就好像是把g这艘船对折了过来，然后再按照时间向前推移，与相对不动的f这艘船相乘再求和。也就是先对折（con）、再求乘积的和（volve）。
表达成数学公式就是：
两个矩形函数的卷积动画示意图：
卷积完成的输出是一个三角波。
据说卷积这个词是欧拉老师最先叫的，convolution的动词convolve就是拉丁语的con + volve，也就是先接触、再按照时间向前滚动。
总上，深度学习的基本运算就是矩阵乘法、卷积。
矩阵乘法AXB
两个函数的卷积
有了矩阵乘法、卷积，人工智能处理器TPU就容易解释了：TPU就是专门用来计算矩阵乘法、卷积的处理器。
对于人工智能处理器（TPU/NPU），多啰嗦几句。因为国人只要一提到各种U（处理器，比如CPU--中央处理器）就莫名的兴奋，因为一直被西方资本主义压迫，越是得不到、就越有各路江湖神仙大显神通、发明了各种U出来，汉芯、、东方红1A……，在计算机时代远去后消停了一阵子，因为手机时代已经越来越少人关注啥处理器了，最多炒一炒日本屏幕、国产猫（modem）。但是进入人工智能时代后，特别是当谷歌推出了TPU后，江湖大神又开始活跃了，人工智能CPU呀、AI指令集呀，都冒出来了。
其实，矩阵乘法、卷积运算，不是新东东，图像处理里也有大量的并行数据处理，这也就是为什么GPU（图形处理器）突然在人工智能时代火了的原因。相对GPU，TPU就更加专注了，省略了GPU里的纹理处理等单元、增大了芯片内置的memory、提升数据吞吐，因为学习过程是一个数据密集型应用。
限于篇幅和时间，量子退火计算下次介绍，不过，提前剧透一下，被各路神仙捧为超时空心灵感应的量子纠缠、恐怕是一个伪科学，至少目前还无法实现吗，因为量子科学家们用公式推导出来：信息的传播无法超越光速。既然没法超越光速，纠缠的两个量子之间的信息传递、跟拉一根电话线差不多。也就无从谈起穿越时空的神学问题了。
更多热点文章，请加本公众号。
追本溯源，刨根究底，才能找到真理的源头……
寻找历史开始的地方，是历史，更是未来……
前期热点文章链接：
【文明与历史】
（1）解放军澳门救灾，场面震撼！外媒称：点解唔带枪？
（2）经济撕裂与文明大冲突：下一个十年的世界大趋势
（3）日本之行印象（一）勤劳，精益，互信;压抑，细密，迷失---日本的骄傲与悲情
（4）日本之行印象（二）岛国文明与夜郎自大----从日本的民族性看历史事件
（5）绵绵不尽家国梦、忧天从来大丈夫 ----观《战狼2》随笔
（6）毁三观的不是宇宙大爆炸，而是孔子春秋笔法
【望星空】
（1）把宇宙138亿年压缩到1年: 看完怀疑人生
（2）苍天有情自何始：地球生命起源之谜（1）
（3）天地玄黄、宇宙洪荒：宇宙大爆炸理论介绍
（4）地球生命起源之谜（2）：大分歧，三派逐鹿俱称先
更多文章，请关注本公众号：
关注本公众号请长按下面二维码，弹出菜单中选择“识别图中二维码”
