:::

焦點新聞

提升到類量子的高階人工智慧

更新日期:107年1月9日

圖1:郭大維校長十一月演講時與作者許炳堅教授合照圖2:(右起)臺大醫學謝豐舟教授_心理葉素玲前主任_教育部黃榮村前部長圖3:圖一:從「類神經網路」研究的經驗,借位與聯想到新提出的「類量子運算」研究。圖4:圖二:高階的人工智慧,以「類量子運算」做為電子電腦到量子電腦的過渡。晶片設計的系統化流程。

郭大維校長十一月演講時與作者許炳堅教授合照

(右起)臺大醫學謝豐舟教授_心理葉素玲前主任_教育部黃榮村前部長

圖一:從「類神經網路」研究的經驗,借位與聯想到新提出的「類量子運算」研究。

圖二:高階的人工智慧,以「類量子運算」做為電子電腦到量子電腦的過渡。晶片設計的系統化流程。

A. 人工智慧全面來襲

18世紀工業革命之後,人類的工作與生活型態起了翻天覆地的變化。每隔數十年就有新的工作模式出現,比舊有的模式更能夠適應新時代的需要,就像是社會科學的「類達爾文」進化一樣,每一個世代都在翻新。

(A.1) 電子電腦的人工智慧

在20世紀中葉,半導體技術成功被研發出來,並且製成了積體電路。往後的幾十年裡,電子產品的運算效能緊密地遵循摩爾定律(Moore’s Law)在進展,大約每兩年運算效能就加倍。到了21世紀,一個先進的矽晶片動輒包含了十幾億顆電晶體,甚至於幾十億顆電晶體的也比比皆是。

電子產品的應用效能逐漸地逼近人腦功能的水平。對於某些特定的應用,例如西洋棋與圍棋比賽,先進的電腦已經持續地打敗人類的高手棋士。在其他複雜的領域裡,例如汽車自動駕駛,電腦軟體控制系統的出事率已經遠低於人類駕駛的平均值了。

最近極為火紅的人工智慧(AI,artificial intelligence)科技,是高度使用電腦的自動化。人工智慧的發展經歷了前後三個主要階段。第一波浪潮是1956 – 1974年間的萌芽階段,當時的電腦運算能力非常有限,所以研究的重點集中在對於理論的探討。第二波浪潮是1980 – 1987年間的成長階段,當時的研究是以規則導向的專家系統(expert system)為主。電腦的運算能力已經有了顯著的提升,可惜還不到全面運用的階段。第三波浪潮是2010年起的收割階段,傳統的方法與類神經網路(artificial neural networks)相結合,並且善於利用強大的電子產品運算能力,被廣泛地運用在各行各業之中,在未來一、二十年內很可能取代了大約一半目前的人類工作。

(A.2) 高價值因為有大量需求,而且來源稀少

一件商品的合理售價如何來決定呢?當然是依據經濟學的供需法則。首先,有顧客想購買的商品才會有價值,否則就成了沒有價值的物品了。如果商品的供應量充足,那麼價錢就會相對地低廉。同樣地,如果商品的來源稀少而顧客的需求很大,那麼價錢就會飆漲。

一個人工作貢獻所對應的代價也遵循著同樣的法則。必須擁有很多顧客需要,而且其他人無法提供的特殊能力,才能夠獲得極高的報酬。這其中似乎有著明顯的矛盾之處,既然是其他人無法做得到的能力,為什麼某一個人卻能夠擁有呢?

其實有好幾種解套的方法。有一種方法就是以時間來換取,有先見之明,比其他人提前進入新的領域並且掌握其核心技術,然後要熬過一段落寞與被輕視的潛伏階段,才能夠獲得比別人先開花結果的甜美領先。往「前」看就是往「錢」看,中文字真的有深奧的智慧在裡面。另一種方法就是善於利用轉彎加速度,不在直線處超越別人,而是在轉彎與換跑道的時候一舉超越。

還有一種方法就是善於利用選擇性的放大與縮小,也就是以多重模式的非線性方式來進行。就像是類比電路設計的技巧,對於輸入訊號加以分類,如果是差異性(differential mode)的就表示很重要,應該把訊號的影響加以放大;如果是共通性(common mode)的就表示沒有任何特別之處,應該把訊號的影響加以縮小。

B. 類量子的高階人工智慧

電子電腦按照目前的發展速度,下一步就會逐漸踏進量子運算的領域。如果以運動力學來比喻,電子電腦對應於低速的傳統牛頓力學,採用粒子的看法;而量子運算對應於高速的運動,採用波動的看法。也就是說電子電腦的運算,奠基於布寧代數(Boolean algebra)的明確邏輯分流,把邏輯-0與邏輯-1的流向分辨得清清楚楚地,在處理等式(equality)問題時很順手,對於有大於或者小於的不等式(inequality)問題也難不倒。

(B.1) 從「類神經網路」提升到「類量子運算」

在日常生活裡,有些事情並非黑白分明,而是介於中間的灰色地帶。1965年,美國加州柏克萊大學電機電腦系的前主任渣碟(Lofti Zadeh)教授倡導了模糊理論(fuzzy logic),採用近似,而且可以不受限於傳統布寧代數的邏輯思維,來處理不確定性(uncertainty)問題。

由模糊理論再往前推展一大步,就會進入量子運算來保留邏輯-0與邏輯-1的同時存在(或者是黑與白的同時存在)。為了迎接量子運算到來之前需要做好妥善的準備工作,我們提出了「類量子運算」(Artificial Quantum Computing)來做為過渡。就像是1980年代許多研究人員提出了「類神經網路」(Artificial Neural Network)來做為人工智慧研究的過渡一樣。

附圖一詳細地顯示這兩者的關聯性。在過去的人工智慧發展的經驗裡,研究人員從生物與醫學領域的人類神經元模型出發,在1980年代發展出「類神經網路」的研究。整個研究持續進展到2010年代,神經網路的使用成為人工智慧的深度學習的主力。因此,我們可以經由借位(innovation)與聯想,把原有的模糊理論(fuzzy logic & system)研究,進一步擴展為「類量子運算」(artificial quantum computing)的架構,來做為邁向真正量子電腦的最佳過渡。

附圖二是晶片設計的系統化流程。學問的源頭可以擺在廣義的哲學,下一步就是方法論(methodology),還是在相當抽象的階段,然後是落實在處理某一領域問題的有效方法,再來就是演算法(algorithm)。上述是軟體與系統的部分,如果要做出特定的硬體來,就要找出對應的架構(architecture)。真正動手設計硬體,則可以分為線路設計、晶片設計與系統設計等三個層次,然後交給製程開發與大量製造的代工廠,再把完成的晶片交給封測廠去進行測試與封裝工作。

對應於電子電腦的一般晶片開發,上述的整個流程是暢通的。在人工智慧應用方面,輝達公司(Nvidia Corporation)開發了專有的圖像處理器晶片(GPU,graphics processing unit);另外,谷歌公司(Google Inc)也開發了張量處理器晶片(TPU,tensor processing unit)。

(B.2) 類量子的運算元

至於量子運算技術,仍在萌芽階段。加拿大的D-Wave系統公司販售了實驗性質的量子計算機,採用絕熱理論的量子退火技術並且使用128量子位元來解決最優化問題。2016年12月,中國大陸發射了「墨子量子電腦」,以量子退火(Quantum annealing)的技術來破解密碼。美國的國際商業機器公司(IBM)已經提供20量子位元的電腦給使用者。

我們則提議在學校的創新研究從「類量子運算」的方法論、處理方法、與演算法的階段先著手。

類量子運算可以做為處理的核心,以波動的方式讓邏輯-0與邏輯-1以聯集(union)的形式同時存在於一個量子位元(qbit,quantum bit)。此運算核心與外界的聯繫可以經由現有的電子電路當作介面,在輸入部分包括了數位電路、類比電路(analog circuit)或者是感應器(sensor)元件;至於輸出部分除了數位電路,也可以包括致動器(actuator)元件。

量子位元兼容並包的性質,可以簡潔與快速地處理好幾類型的問題,包括:

以概率為依據的(probability-based);以可能性為依據的(possibility-based);與奇異點(singularity)。

結語

類量子運算的研究在目前是與全世界領先團隊齊頭並進的階段,做為在臺灣參與國際高科技學術研究的團隊,我們應當加把勁,千萬不要無故地缺席。

捲置上方按鈕