Page 235 - 信息的脉络
P. 235
·第三部分·
用云计算技术，算力被大大增强。算法上采用特制的递归神经网络算法。最终研
究者将病患样本的基因异常与致病基因公开数据库相对照，进而得出诊断。随着
基因测序技术的不断进步，测序的成本在以“超摩尔速度”直线下降。相信 AI 技
术结合生物技术，将会带给人类更多的惊喜。
AI 与量子计算的融合
人工智能的发展得益于计算机算力和数据量的巨大提升，尤其是计算机算力
的提升，使得处理大数据的时间大大缩短。但是相比于量子计算带来的计算能力，
人工智能还有巨大的提升空间，如果在量子计算机上实现 AI 算法，会产生什么样
的火花？ IBM 的一项研究表明，在机器学习任务上，已经找到了量子计算能够加
速数据分类的证据，基于量子的机器学习加速器就在路上。
2013 年有研究指出，量子计算机能够加速一些“无监督”学习任务，在这些
任务中，算法可以自己发现模式。但是，这种方法只是理论上充满希望，实际技
术却是不可能实现的。巴黎索邦大学量子通信专家 EleniDiamanti 说：“很多机器
学习，技术已经达到水平，但应用仍不可行。”
过去的 10 年里，研究人员开始研究量子计算机如何影响机器学习。量子计算
机的一个独特优势是叠加现象，当“经典位”在‘0’和‘1’之间切换时，“量子位”
可以是两者的复杂组合，量子算法使用叠加来减少得到正确答案所需的计算步骤。
诚如 IBM 物理学家 Kristan Temme 所言，相比强行解决问题，更应该去发现机会，
这些机会可能最终出现在更加细微的细节中。
尽管量子计算取得了可喜成绩，但研究人员仍然认为，量子计算不会完全取
代经典计算，而是一种对经典算法的补充，每种类型的计算机都有自己的优势。
智能生命体
我们传统对生命的定义必须要求生命由细胞构成。但这种要求不太适用于未
来机器智能和外星文明。《生命 3.0》作者迈克斯·泰格马克将生命的定义更为广
阔：它是一个能保持自身复杂性并能进行复制的过程。复制的对象并不是由原子
组成的物质，而是能阐明原子是如何排列的信息，这种信息由比特组成。当一个
细菌在复制自己的 DNA 时，它并不会创造出新的原子，只是将一些原子排列成与
原始 DNA 相同的形态，以此来复制信息。换句话说，我们可以将生命看作一种自
我复制的信息处理系统，它的信息软件既决定了它的行为，又决定了其硬件的蓝图。
我们很容易理解，即使拥有强大的计算能力和存储能力的机器人也无法和人
相比，如一台帮助调制鸡尾酒的机器人，哪怕调出来的就非常甘醇，也不能说它
• 219 •
