標題:量子運算改寫人工智慧未來：從自然語言處理到能源效率的革命性突破
新聞來源:iKnow科技產業資訊室
原文網址:https://bit.ly/42qJDmP
原文:
量子運算的崛起為人工智慧(AI)帶來了重新定義的契機。根據Quantinuum最新發表的研究
，量子運算能克服傳統系統的限制，降低能源成本並提升擴展性，甚至開創全新的自然語
言處理(NLP)方法。該公司正全力打造全球首個基於量子運算的生成量子AI系統(Gen QAi)
，由無法被傳統電腦模擬的量子硬體支撐。
目前的AI模型，如ChatGPT，訓練過程需耗費巨大的計算資源。例如：僅GPT-3的訓練便消
耗近1,300 MWh電力，相當於130戶美國家庭一年的用電量。隨著模型規模持續擴大，對環
境和經濟的壓力愈加明顯。量子運算提供了一個更高效、更具可持續性的替代方案。
量子運算利用量子力學的糾纏與干涉特性，實現傳統系統無法達到的效率與精準度。
Quantinuum的研究團隊認為，藉由重塑AI方法，而非單純移植傳統方法到量子硬體，可以
最大化量子運算的潛力。
自然語言處理是AI的重要應用之一，Quantinuum專注於開發量子文字詞嵌入(quantum
word embedding)與量子遞迴神經網路(RNNs)。這些技術使用複數向量空間(或稱Hilbert
space)，能捕捉語言的概率與層級結構，帶來比傳統模型更豐富的表示能力。
量子文字詞嵌入透過將文字轉化為量子電路中的參數，利用Hilbert space的特性表達複
數向量。這種方法有效揭示了文字中的複雜結構，為語意分析帶來革命性進步。
量子RNN使用參數化量子電路進行混合量子-傳統運算。在一次實驗中，研究團隊利用僅4
個量子位元的RNN模型成功分類電影評論的情緒，性能與傳統模型相當，但資源消耗大幅
降低。
Transformer是支持現代大型語言模型的核心架構。Quantinuum開發的量子Transformer
“Quixer”專為量子硬體設計，能在語言建模任務中與傳統變Transformer競爭，展現出
量子運算在NLP領域的應用潛力。
研究人員探索了量子張量網路在NLP中的應用，這種數學結構能有效表示高維度數據。量
子張量網路的樹狀結構與量子處理器的特性完美匹配，使其能在有限量子位元下完成大規
模任務。
量子運算在能源效率上的優勢尤為突出。Quantinuum的實驗顯示，量子系統在隨機電路取
樣任務中比傳統超級電腦節省了30,000倍的能源，為實現綠色AI提供了新途徑。
傳統AI模型需依賴數十億參數，推高運算成本。而量子模型利用量子力學特性，以更少的
參數達成相似性能，為AI的永續發展鋪平了道路。
隨著量子硬體的快速進步，量子AI可能逐步取代或補充傳統系統。從自然語言處理到生物
運算，量子AI將能解決更具挑戰性的問題，同時降低資源消耗。
量子運算與AI的結合標誌著科技發展的新篇章。透過實現高效能與低能耗的量子AI模型，
Quantinuum正朝向重新定義AI的道路邁進。隨著技術成熟，量子AI將不僅提升AI性能，還
會對社會帶來深遠的影響，真正開啟「量子AI時代」。
心得:
量子運算為AI帶來全新契機，其效率與低能耗優勢正重新定義AI的未來。Quantinuum開發
的量子生成AI系統(Gen QAi)展現了量子技術在自然語言處理(NLP)中的潛力，如量子文字
詞嵌入和量子Transformer，能以更少的資源實現高效語言建模。量子AI不僅降低了環境
與經濟成本，還為AI模型提供更精準與創新的解決方案，標誌著AI邁向永續發展的全新時
代。