谷歌发表论文

谷歌发表论文

10月24日，谷歌在《自然》杂志上发表了一篇关于量子计算的论文。称已经开发出一款54量子比特数（其中有效量子比特53个）的超导量子芯片“Sycamore”。基于该芯片对一个53比特、20深度的电路采样100万次只需200秒，而现在最厉害的经典超级计算机Summit完成这一过程需要10000年，谷歌由此宣称率先实现了“量子霸权”。

尽管这一成果得到了许多赞美之词，但也不乏质疑者。不过谷歌的量子计算能力若真如其所言，那么将可能对人工智能领域产生极大的助力。不只是谷歌，现在全球范围内不少 科技 巨头都在量子计算方面有所动作，并且已经取得了可观的成果。

虽然人工智能的概念早在1956年的达特茅斯会议上就已被提出，但迅速发展却是近几年的事情，其中原因与技术和环境的发展有密切相关。如今再加上量子计算作为助力，人工智能是否会更迅速地进入到“强人工智能”的阶段呢？量子霸权倘若到来又会对其他领域产生怎样的影响呢？

在量子计算领域深耕多年的IBM表示，自家有一种计算机完成谷歌提出的任务只需2.5天，根本没有10000年那么久。中科院量子信息重点实验室副主任郭国平也认为，谷歌所谓的10000年是基于量子计算特性“粗暴计算得出的数字”，而未能考虑到如今的超级计算机在网络传输、存储等性能方面的优化。由此看来，谷歌所谓“量子霸权”的说法有误导大众之嫌。

尽管如此，谷歌的这项成果依然值得称道，它不管是对谷歌自身还是一些热门的领域都是有着重要意义的。 而谷歌自己显然也是这么认为的，谷歌CEO桑达尔·皮查伊甚至将此次量子计算研究成果的意义与莱特兄弟发明飞机相提并论。

相对于传统计算，量子计算优势明显。就拿谷歌看重的人工智能领域来说，其源动力分别为大数据、算法和计算能力。大数据靠积累，而计算能力则由摩尔定律衍生而来。

重点在于，人工智能发展的障碍就是计算能力。如今的设备和技术让大数据的积累呈现爆发式增长，但如何处理海量数据是个大问题，如今生产数据的能力与处理数据的能力已然不能匹配。即使是谷歌引以为傲的AlphaGo，下一盘棋所消耗的能量都比人类多出几十万倍，这就是计算能力不足所致。

此时量子计算的作用就得以凸显，它的进展对人工智能领域或许会产生颠覆性的改变。 科技 大师雷·库兹韦尔曾预言“2045年，奇点来临，人工智能完全超越人类智能，人类 历史 将彻底改变”。

而皮查伊在最近的采访中表示，量子计算与人工智能属于“共生事物”，二者同处早期研究阶段。并且“人工智能可以加速量子计算，量子计算可以加速人工智能”。对于量子计算，皮查伊也是信心满满：“我们认为自己是一家深度计算机科学公司。摩尔定律在它的周期结束时，量子计算是我们将继续在计算领域取得进展的众多因素之一”。

在属于“综合性学科”的人工智能中，量子计算占据着如此关键的位置。并且量子计算不仅可以作用于人工智能领域，而是对当下与未来的不少热门领域都能起到重要的作用。那么量子计算到底是什么？又为何会引得诸多巨头花心思去研究呢？

量子计算，即利用量子力学的基本原理来加速解决复杂计算的过程。这种计算方式相较于传统计算机，能够更加迅速高效地处理海量的数据。在传统计算中，要靠微芯片材料与晶体管的进步提升算力，大体上就是在微芯片中嵌入电子开关，在0和1之间交替完成信息处理，芯片上的晶体管数量与芯片处理电信号的速度成正比，从而完成计算。但量子计算则可以兼容0和1，使得计算速度产生质的飞跃。

1965年，英特尔联合创始人戈登·摩尔提出，微芯片上单位面积内的晶体管数量会一年翻一番，但成本会同时减少一半。也就意味着价格不变，集成电路上可容纳的元器件的数目大概每隔18~24个月便会增加一倍，性能也将提升一倍。

这个定律一直对传统计算有着重大意义，但最近几年，依照摩尔定律发展的信息技术进步的速度正在逐渐减慢，尤其是在人工智能领域，摩尔定律显而易见地逐渐失效，中科院院士杜江峰曾在去年发表言论，称摩尔定律最多还能使用10年。

在这种情况下，量子计算的作用得以发挥。传统计算几十年才能解决的数据问题，量子计算可能只需1秒就搞定。不仅是在计算速度层面，还有在材料、设备等方面的最优选择与最佳组合，这些问题经典计算无法解决，可量子计算统统都能搞定。这就使得量子计算不仅在人工智能，并且可以在金融、医疗、物流、网络安全、基因组学等多个领域发挥重大作用。

在这些领域中，许多都是焦点与风口， 科技 巨头们对此自然极为重视。 包括谷歌、微软、英特尔、IBM、阿里巴巴和百度在内的企业纷纷在量子计算方面加以 探索 。

例如微软在2017年建立了拓扑量子位，可以让设备使用现存的更精细的量子位。微软量子团队主管托德·霍尔姆达尔认为，通过量子计算“有机会解决一系列此前无法解决的问题”，而想靠传统计算机来解决这些问题也许会耗尽“宇宙的生命”。

英特尔从2015年就开始与学术界的一些伙伴联合加速研发量子计算技术，到2017年成功测试了17量子比特超导计算芯片。在CES 2018举办期间，英特尔研发出了首个49量子比特的量子计算测试芯片。

阿里巴巴旗下的阿里云与中科院携手在2015年建立了“阿里巴巴量子计算实验室”，助攻多领域量子计算应用，如电商、人工智能、数据安全等。2018年，阿里云推出了有11个量子比特的量子计算云服务。

百度也于2018年成立量子计算研究所，主要研究量子信息理论和量子计算。这对其搜索引擎业务同样能起到推助作用。

这些巨头的主业与计算能力都有关联，更何况量子计算本身就代表着未来的趋势，一旦能够落地使用，将会使多个领域呈现颠覆式变化。如此一来，也就不难理解量子计算为何这么受欢迎了。

在不久的将来，如果还有人想继续从计算能力的指数增长中获益，传统计算已然无法依靠。因为以晶体管为基础的计算方式显然已经不再适合未来，量子计算就是下一个值得追逐的方向。不过量子计算出现的时间也不短了，为何近几年才开始加速？这种加速发展又会给人工智能领域带去何种转变呢？

谷歌在此次研究成果中提到的“量子霸权”，最初是由美国加州理工学院的物理学家约翰·普瑞斯基尔提出的，大意是现在最强的超级计算机能够完成5到20个量子比特的量子计算机所做的事情，但当量子比特超过49个，量子计算机的能力就会将超级计算机远远甩在身后。

谷歌如今是否实现了“量子霸权”尚有争议，但我们应该清楚，照现在这种发展速度，量子霸权注定会有实现的一天，而且这天的到来应该不会太迟。因为英特尔交付的49量子比特的量子计算机芯片，IBM的能处理50量子比特的量子计算机都已经接近了“量子霸权”的标准。其他的一些研究成果虽未达到这个程度，但进步也是很快的。

量子计算的发展推动了多领域的进步，反之一些领域的发展也成了量子计算技术飞速发展的助力。 近年来，人工智能领域无论是技术还是商用，都呈现出爆发式增长的态势。此外，已在加紧布局的5G使得网络传输与单位传输速率大幅提升。这些转变都增强了量子计算的能力，使其发挥出更大的作用，因而量子计算与这些领域相辅相成，共同进步。

在诸多领域中，人工智能与量子计算的关系尤为紧密，人工智能已被 科技 界与学术界公认为是量子计算的重要着力点。 例如，微软就曾经用拓扑量子计算机将其AI助手“小娜”的算法训练时间从一个月缩短到一天。此外，量子计算中自动优化的功能可自行修正人工智能数据系统中的错误，并不断处理新数据。

当前，AI处于“弱人工智能”阶段，但如果不断加入量子计算，那么那种传说中的有独立意志、 情感 认知能力的“强人工智能”或许会提早到来。因为量子计算不仅具备强大的数据处理能力，更有自我学习和修正的能力。

有观点认为，将黑猩猩置于人类的语言环境下使其进行学习，训练足够长的时间，也可以使黑猩猩学会人类语言。黑猩猩尚能训练到如此程度，更何况是集人类智慧大成的人工智能与量子计算。经过这种强强联合，人工智能一定会比人类更聪明、更有能力。同理，量子计算会对更多领域产生本质层面的颠覆，甚至会涉及到国与国之间的 科技 方面的竞争。也许在未来某天，我们关于 科技 的那些最激进的想象都能实现，或者比我们想象中的还要让我们惊讶。

当然想要看到这一天还要继续等待，目前量子计算尚未普及，而且巨头之间关于这一领域也会有激烈的竞争。在这一过程中与之相关的领域会如何发展，巨头之间竞争结果如何，还有待时间的检验。

谷歌学术论文他引150次什么水平

博士。Google学术搜索是一个可以免费搜索学术文章的Google网络应用。谷歌学术论文他引150次是博士水平，他引是指作者引用他人发表的文献，或某文献被他人。

概念激活向量的提出，对研究神经网络有什么帮助？

最近，谷歌大脑团队发表了一篇论文，文中提出了一种叫做概念激活向量（Concept Activation vectors，CAV）的新方法，这种方法为深度学习模型的可解释性提供了一个全新的视角。

可解释性仍然是现代深度学习应用的最大挑战之一。计算模型和深度学习研究领域近期取得了很大进展，创建了非常复杂的模型，这些模型可以包括数千个隐藏层、数千万神经元。虽然创建高级深度神经网络相对简单，但理解如何创建这些模型以及它们如何使用知识仍然是一个挑战。最近，谷歌大脑（Google Brain）团队发表了一篇论文《Interpretability Beyond Feature Attribution: Quantitative Testing with Concept Activation Vectors (TCAV)》，提出一种叫作「概念激活向量」（Concept Activation Vectors，CAV）的新方法，为深度学习模型的可解释性提供了全新视角。

可解释性与准确率：理解 CAV 技术，需要首先理解深度学习模型可解释性难题的本质。在这一代深度学习技术中，模型准确率与可解释性之间存在永久的冲突。可解释性与准确性之间的冲突也是实现复杂知识任务与如何实现这些任务之间的冲突。知识与控制、性能与可解释性、效率与简洁……这些问题都可以通过权衡准确率与可解释性来解释。

你想要最佳结果还是想理解这些结果是如何产生的？这是数据科学家在每个深度学习场景中都要回答的问题。很多深度学习技术本质上是复杂的，尽管在很多情况下它们产生的结果是准确的，但是它们难以解释。如果我们绘制一些著名深度学习模型的可解释性和准确率，可以得到：深度学习模型的可解释性不是一个单一的概念，可以跨多个层次来理解：要跨越上图定义的层次来解释模型，需要一些基础的构建块。在近期的一篇文章中，谷歌的研究人员概述了他们认为解释模型所需的基础构建块。

谷歌将可解释性原则总结如下：理解隐藏层做了什么：深度学习模型中的大部分知识是在隐藏层中形成的。要解释深度学习模型，必须要从宏观角度理解不同隐藏层的功能。理解节点是如何激活的：可解释性的关键不是理解网络中单一神经元的功能，而是要理解在同一空间位置一起激活的互相连接的神经元组。通过互相连接的神经元组分割网络可以从更简单的抽象层次来理解其功能。理解概念是如何形成的：深度神经网络如何形成可组装成最终输出的单个概念，理解这一问题是另一个关键的可解释性构建块。

谷歌大数据三篇论文什么时候发表的

你说的可能是这三个吧：

2003年发表了《The Google File System》
2004年发表了《MapReduce: Simplified Data Processing on Large Clusters 》
2006年发表了《Bigtable: A Distributed Storage System for Structured Data》

谷歌号称实现的“量子霸权”，究竟霸了个什么权？

前段时间，谷歌在 NASA 上发表了一篇论文草稿， 宣称“谷歌的 AI Quantum 研究小组的 53 量子比特处理器实现了“量子霸权，目前最强超算需要花费 10000 年的计算在量子计算机上只用 200 秒就够了” 。不过没多久这篇论文就被撤回了。

（ 利用可编程超导处理器实现量子优势 ）

虽说后来有人解释说是论文还在审查，被 NASA 提早发布了。可不是发了果照再撤回大家就能当没发生过。 又是最强又是霸权的，吃瓜群众早都兴奋了 。

连明年的美国总统候选人 Andrew Yang 都发声：世界上再没有破解不了的代码了。

霸权通常和地位联系在一起，像什么世界霸权，军事霸权，文化霸权什么的，很容易给人一种处在能够操控、压制他人的强势地位的感觉。一听到 XX 霸权这样的词语，总会让我们心头一颤。

那这个“量子霸权”究竟霸了个什么权，对我们又有什么影响呢？

为了不让大家产生什么误解，先告诉大家结论： “量子霸权”和我们所理解的霸权根本不是一回事 ，而且就目前来看， 短时间内也不会对我们带来任何影响 。

“量子霸权”，翻译自 Quantum Supremacy ，最早出现在 《 MIT Technology Review 》( 麻省理工 科技 评论，是由麻省理工学院出版的杂志 ) 关于谷歌与 IBM 开展量子计算研究竞争的评述中。

他们认为， 当量子计算机发展到 50 量子比特的时候，就能实现 “ 量子霸权 ”，超过世界上任何传统计算机，能够解决传统计算机解决不了的问题 。

如果不是很了解量子的概念，大可以先把量子计算机当成一种先进的电脑，量子比特当成一种特别的比特。

大家都知道传统计算机是靠数字 0 和 1 的二进制进行存储和运算的，一个比特代表一个数，一堆比特就成了数据。量子比特则是可以同时表达 1 和 0 的另类。

我们把小黑胖比作比特，方便大家理解。

小黑胖可以吃鸡腿，也能啃猪蹄，但从常识来说，同一时间他只能吃其中一种。

但量子小黑胖就不一样了， 他能在吃鸡腿的同时也在啃猪蹄 ，如果不掰开他的嘴看看，你永远不知道他吃什么。

于是有人预言，当 50 个量子小黑胖一起吃东西时，就能吃掉不管多少个普通小黑胖都没法在一顿饭的时间里吃掉的肉山。

可谁也不知道那么多量子小黑胖在一起会不会打起来；会不会干脆打起来了麻将，不吃东西了。

于是大家决定， 如果谁成功凑齐这么多量子小黑胖并让他们吃掉那座肉山，就说他实现了“ 量子霸权 ” 。

事情就是这样

相信有差友都开始骂人了， 这是哪门子的“ 霸权 ”啊？

虽然不存在什么量子小黑胖，也没人能一边吃鸡腿同时啃猪蹄，更理解不了为什么掰开嘴之后里边只剩下了一种食物，但“量子霸权”就是这么回事。

谷歌针对某个问题，弄出了这么一台量子计算机。然后证明了在这个问题上最厉害的超算都算不过量子计算机。

不过天见可怜，估计评述的作者也想不到，他只是想感慨量子计算机的算力优势，没想到这个单词在中国朋友这还有这么复杂的意思。

其实让托尼来形容，估计也想不出啥准确的词，或许可以叫 “ 量子牛逼 ” ？

至于它的算力有多强，给大家举个栗子。

0 就像硬币的正面， 1 就像硬币的反面，传统计算机里面，每次抛硬币要么是正面要么是反面。

如果扔两枚硬币，传统计算机要像小孩子一样，同一时刻只能在正正、正反、反正、反反这四种状态中选一种。而量子不做选择，所有状态同时全都要。

可能差友对这种近乎耍赖的行为没什么概念，那我们再换颗实际点的栗子。

大家说好去找万匹丝，路飞坐船从东海出发，你鸣人却用多重影分身分头找。还敢说你鸣本开没开挂！

虽说不管多么复杂的算法，通过不断重复的计算都能得到答案，但是有些问题算起来就是成千上万年，得到答案的时候可能早都不需要了。

为什么现在的人工智能更像个人工智障，为什么人类迟迟破了不了基因的秘密，为什么邮递员的最短路线算不出来。。。 还不是因为算不过来 ！

但这些为什么大部分都会在量子计算下被摧枯拉朽地解决。

毫无疑问，现在的密码对上量子计算机的下场只有一个， 输的连裤衩都不剩 。

传统加密方式在挂壁面前毫无意义，个人的、银行的、机关的，就连区块链的秘钥被试出来也就是分分钟的事。。。

现有的加密算法

不过这是“ 现在 ”的密码系统对比有了完善算法的“完全体”量子计算机的情况， 现在真正意义上的量子计算机还没影呢 。

2000 年时 IBM 首席科学家迪文森佐提出了量子计算机应该满足的五条标准， 可现在还没谁能全部达标（ 包括谷歌这次 ） ，谷歌这次的算法和密码破解也没一毛钱关系。

算力会进步，加密方式也在变强。

512 位的 RSA 加密算法在 1999 年就被破解了。

768 位的 RSA 加密算法也只撑了 10 年 。

虽然目前广泛采用的 RSA 1024 还好好的，但居安思危，早有人提议启用 RSA 2048 ，甚至是 RSA 4096 。

就连数字证书中常用的 SHA-1 算法，在 2017 年也被谷歌破解。

但，目前为止也没见哪个国家的核弹密匙被盗用。

退一万步 ，量子计算的对手也该是同样开挂的量子加密。

就像矛和盾，铁矛刺穿木盾当然毫不费力，但因此就说矛比盾强，边上的铁盾肯定不乐意。

道理是这么个道理，不过大家肯定还关心： 咱们国家有铁盾了没，厚实不？

虽然量子计算方面各国还是一个你追我赶的状态，但在量子加密领域我国可以说是一骑绝尘。

早在 2016 年，我国就已经把量子卫星“ 墨子号 ”送上天，并在 2017 年通过 “ 墨子号 ” 与奥地利科学家进行了量子加密的视频通话~

除了盾硬，矛也得造。政府的大力扶持， 科技 企业的不断投入， 我国在量子计算领域也稳坐第一梯队 。

阿里巴巴达摩院 2017 年就和中科院合作成立了 “ 中科院阿里巴巴量子计算实验室 ”，与一众 科技 巨头争夺 “ 量子霸权 ”。

华为投入研究量子计算之余，也在提升行业生态和人才基数：华为云提供云量子模拟，沃土计划培养未来量子计算人才。

“ 量子霸权 ”才是个开头呢，后面的 科技 竞争还需要源源不断的人才支撑。

托尼没这么大本事弄出一大块人才成长的沃土，但有平均水准超高的差友们啊！虽说没谁看这么篇文章就要努力研究量子 科技 去，但多少能让更多人知道量子计算是怎么回事。

哪怕只有一点点， 社会 关于量子 科技 的环境都在变好。

这就值了。