Michael C. Mayberry（以下簡稱 Mike）在英特爾工作了34年，目前擔(dān)任英特爾公司高級副總裁、CTO兼英特爾研究院院長，他負(fù)責(zé)英特爾在前沿技術(shù)上的投資，掌管著英特爾在技術(shù)上未來發(fā)展方向。此外，他還是公司研究委員會領(lǐng)導(dǎo)人，負(fù)責(zé)推動英特爾大學(xué)定向研究項目的資源調(diào)配與優(yōu)先排序。

以下為Mike答問實錄，經(jīng)網(wǎng)易智能精編整理：

量子計算不是萬能的

問：量子計算如果達(dá)到比較高的使用程度之后，能夠取代哪些傳統(tǒng)計算領(lǐng)域？

Mike：量子計算并不是一個萬能的工具或技術(shù)，我認(rèn)為量子計算能力的發(fā)展并不會讓既有的其他計算方法變得過時，也就是說常規(guī)經(jīng)典的CPU還是有用的，不管深度學(xué)習(xí)還是未來的人工智能，這些都不會因為量子計算的崛起和發(fā)展就變得過時了。

但是，量子計算的優(yōu)點在于它的確可以幫助我們解決目前無法解決的問題，實際上困擾我們或者討論時間最長的一個話題就是模擬材料。我前面回答問題時提到的催化劑就是很好的例子，還有模擬新型的藥品，室溫超導(dǎo)材料等等。另外，目前有一些數(shù)學(xué)問題是沒有辦法用常規(guī)計算能力來解決的，比如說后量子時代的加密算法。

量子計算大規(guī)模商用還需十年

問：量子計算商用的標(biāo)志是什么？

Mike：所謂商業(yè)上的有用性，怎么樣才叫有用，目前業(yè)內(nèi)并沒有廣泛的共識，各個公司觀點不盡相同。

我們可能通常會比較關(guān)注于量子位的數(shù)量，但是對于每個量子位上面做的操作數(shù)量反而關(guān)注的不夠。在量子位上能夠做什么操作，并且能有多長時間穩(wěn)定的操作，這個很重要。

問：量子計算目前處于什么樣的階段，距離商業(yè)化落地還有多遠(yuǎn)？

Mike：我認(rèn)為，量子計算真正實現(xiàn)大規(guī)模商業(yè)化使用還需要10年時間，我們的確還有很長的路要走。

但是，我們可以先把量子計算用來解決常規(guī)計算很難以解決的問題，這一類的問題如果部分得到解決的話，會給我們整個世界帶來巨大的改變。比如說我們或許可以使用量子計算開發(fā)出一種催化劑，這種催化劑能夠改變汽車使用的燃油結(jié)構(gòu)或者它能夠捕捉空氣中的二氧化碳，如果能夠做到這一點將對氣候變化的大難題帶來革命性改變。即便如此還是有非常漫長的道路要走，不過我們覺得這是值得，它的方向非常好，很有前景。

在量子計算方面，實際上現(xiàn)在我們所做的工作只是馬拉松長跑中的第一英里，在真正實現(xiàn)商業(yè)有用性前還有很多事情要做。英特爾并不是癡迷于量子位的數(shù)量到底有多少，我們更看中的是糾錯能力。

問：量子計算從現(xiàn)在到爆發(fā)，還面臨哪些技術(shù)難題？

Mike：在量子計算技術(shù)得到非常快速的發(fā)展之前，我們還有四個挑戰(zhàn)。

第一，不管量子位做得有多好，我們都認(rèn)為它還是不足以好到完美，不是盡善盡美，所以我們需要有糾錯方面的工作來完成，以確保量子位有足夠長的生命期，長到它能夠完成一些有意義的算法或者說是計算。

第二，我們需要有在本地對量子位的控制，而不是這個控制是通過長長的纜線遙遠(yuǎn)地加以控制。

第三是在路徑上的安排。我們怎么能夠把這些量子位真正地放到一個物理的量子位系統(tǒng)當(dāng)中，怎么給它把路由做出來，做一個算法，有時候是直著走，有時候是要跳轉(zhuǎn)著做。

第四是在量子位之間的連接。我們需要把量子位能夠連接起來形成一個比較有規(guī)模的大的系統(tǒng)。現(xiàn)在我們有可能會有幾千個量子位，但是怎么能夠把這幾千個量子位連接起來是一個很大的挑戰(zhàn)。

探索量子芯片：以模擬材料切入點

問：英特爾為什么選擇模擬材料上作為量子計算研究的切入點？

Mike：因為材料本身就是量子系統(tǒng)，所以用量子計算去研究、去模擬量子系統(tǒng)是一個非常自然而然的方向。十年前大家就有這樣的想法，如果有了量子計算機(jī)首先來做材料方面的工作，因為材料本身就是量子的一個大系統(tǒng)。

問：英特爾今年1月推出了49-量子位測試芯片，現(xiàn)在測試效果怎么樣，有什么進(jìn)展？

Mike：我們目前在做的主要是特性方面的一些檢測，下半年會有第二版本。

問：衡量量子芯片領(lǐng)先的標(biāo)準(zhǔn)是什么？

Mike：之前，我們可能會衡量量子位上的量子數(shù)量，但是具體到整個芯片，作為一個整體來說它運作的情況是怎么樣，其實目前并沒有一個非常好的評判標(biāo)準(zhǔn)。舉個例子，比如說有一堆的量子位，每個量子位都要先啟動到一個可操作的狀態(tài)，那個狀態(tài)有生命期，先啟動一個或者兩個啟動，把它糾纏起來。在啟動、啟動的過程中，系統(tǒng)還沒有完全啟動那么多的量子位達(dá)到生命期的時候，你可以用了開始啟動的那幾個的時間，所以最后整個系統(tǒng)的生命期和單個量子位的生命期不是一個指標(biāo)。

接下來一旦整個系統(tǒng)啟動之后，我們需要做一系列的操作。這里涉及到一個數(shù)學(xué)問題，量子霸權(quán)。量子霸權(quán)是一個詞，它用來形容你已經(jīng)靠量子計算機(jī)做出了現(xiàn)在經(jīng)典計算機(jī)怎么都做不成的任務(wù)。如果這個任務(wù)做成了，就可以聲稱量子霸權(quán)達(dá)到了。但是就算我們能找出來的數(shù)學(xué)任務(wù)，可能在日常生活中沒有什么用。所以，做出證明量子霸權(quán)的數(shù)學(xué)算法任務(wù)之后，可能要找用處。

概率計算需要融合常識才能發(fā)揮作用

問：您是否認(rèn)為擅長概論計算的貝葉斯網(wǎng)絡(luò)會取代深度學(xué)習(xí)成為下一個技術(shù)熱點？

Mike：實際上貝葉斯網(wǎng)絡(luò)和概率計算是非常相似的事情，概率計算本身是統(tǒng)計學(xué)的，貝葉斯實際上也是基于統(tǒng)計學(xué)，所以這一點本質(zhì)上是非常相似。如果超越貝葉斯統(tǒng)計，除了貝葉斯模型比較著重的對于各種分支的概率計算之外，實際上我們還需要對不確定性進(jìn)行追蹤和分析，如果是在一個非確定性的情況之下，可能做出的決定是不做任何行為。也就是說不再只是到底選A還是選B，做出的決策可能是什么都不選、什么都不做，然后再額外補充新的信息和數(shù)據(jù)。

我舉一個現(xiàn)實生活中的例子，比如這個方向來一個行人，相反方向來一個摩托車，可能行人剛好被摩托車遮擋一下，但是人類從現(xiàn)實世界支持來說，會知道這個人雖然被遮擋，但是它并沒有消失。就類似這樣的常識性的東西。概率計算角度，是從概率角度判斷，那個地方有一個人，過一會兒他可能還會出現(xiàn)。所以可能需要兩種知識，概率計算的能力加上對于世界知識，二者兼具才能做得更好。可以理解為常識計算加上事件計算。

再舉一個非常好玩的例子，比如這個人過來，摩托車也過來，都停下來了，人坐上摩托車，跟著摩托車走了，對于人類完全可以理解，但目前對于機(jī)器來說是很困難的事情。

希望在自動駕駛汽車中植入自動剎車功能

問：近期自動駕駛安全事故頻發(fā)，如何避免這些問題？

Mike：我們現(xiàn)在面臨的挑戰(zhàn)是，在判斷一些不確定的情況和環(huán)境的時候，機(jī)器運作的方法和人類是不同的。我認(rèn)為，為了保障安全性可以在機(jī)器當(dāng)中植入一些做法，比如說內(nèi)置一些可以讓機(jī)器不走神的一種配置或者植入一些自動剎車的功能。如果不這輛汽車完全是無人駕駛的，它有一個自動剎車功能的話，至少安全性上有一定層級保護(hù)，我們可以在這個水平安全性之上再做額外工作。

剛才提到說最近發(fā)生的一些自動駕駛事故，很多是因為一種系統(tǒng)替代了另外一種系統(tǒng)的時候造成的交通事故，這些我們可以避免。

下一步，對小數(shù)據(jù)訓(xùn)練感興趣

問：英特爾如何衡量在研發(fā)上的投入和產(chǎn)出比？

Mike：我們還是需要把研究和開發(fā)區(qū)別來看，因為在風(fēng)險的涉及度上，研究和開發(fā)是不完全一樣的。從研究角度來說，我們會對于可能要考慮的項目做一個評判和評估，基本上四個潛在項目里我們最后會選一個來做，是四分之一的比例。如果這四分之一的比例被驗證是有價值的，后續(xù)的開發(fā)公司會跟上。

還有一個是我們在早期的時候會做一些驗證評估的工作，然后來做決定。這是因為我們會看在考慮當(dāng)中的項目，它可能會在后期有更高的產(chǎn)出比。如果說確實存在失敗的風(fēng)險，我們希望能夠比較早知道失敗會來臨，這樣付出的代價也會相應(yīng)小一點。對于有前景的研究項目，我們會把它規(guī)模化。

問：您對AI技術(shù)下一步的發(fā)展有什么期待？

Mike：我覺得最有趣的一種發(fā)展方向就是機(jī)器到底需要學(xué)習(xí)多少數(shù)據(jù)才能夠?qū)ψ约寒a(chǎn)生的答案有信心，目前來說機(jī)器可能要學(xué)上萬個甚至上百萬個例子才能對自己產(chǎn)生出來的答案有信心，但是人類的學(xué)習(xí)，這個數(shù)量級通常是在幾十個或者幾百個，所以我們希望能夠在學(xué)習(xí)所需要獲取的數(shù)據(jù)量上能夠縮小人和機(jī)器之間的差距，這是我比較感興趣的方向。