京公网安备 11010802034615号
经营许可证编号:京B2-20210330
量子计算、人工智能与区块链
未来5年到10年,是全球新一轮科技革命和产业变革从蓄势待发到群体迸发的关键时期。随着全球新一轮科技革命的飞速发展,颠覆性技术革新风起云涌,其中最引人瞩目的包括量子计算、人工智能与区块链等。这些颠覆性技术与中国传统文化有无联系?与基础科学(如数学、物理学)有何关系?如何客观认识这些前沿技术?本期特刊发2018年1月获中华人民共和国国际科学技术合作奖的美国籍理论物理学家、中国科学院外籍院士张首晟的报告。
目前,量子计算、人工智能与区块链是整个信息技术行业中最重要的三大基础技术。在将来,要使信息技术真正能够得到跨越发展,必须重视基础科学,既需要物理学,又需要数学,因为物理和数学跟信息技术革命有紧密的联系。
天使粒子”的发现改变了量子计算机的研发困境
在讲量子计算之前,先讲一讲跟“天使粒子”有关的科学发现故事。现代很多有意思的科学发现,都跟哲学观念的改变有所关联,包括中华民族那些根深蒂固的古老哲学观念。比如,好像世界从来都是正负对立的世界,有正数必有负数,有阴必有阳,有善必有恶。这种对立的世界观,在基本粒子的物理世界里也有呈现。
历史上曾有一位非常伟大的理论物理学家狄拉克,他把爱因斯坦的狭义相对论和量子力学统一起来,在统一的过程中他做了一个非常简单的数学运算,开了一个根号。在开根号的时候,始终会出现正负两个解,一般人可能只关心“正解”,不关心“负解”。狄拉克把“负解”解释成所有的粒子必然有反粒子,并预言所有的粒子必然有反粒子。
1928年的时候,物理界并没有发现反粒子,大家都对他提出非常大的质疑,说他的方程肯定不对。他坚持自己的方程是对的。过了5年,他非常幸运,果然在宇宙辐射的射线里面,物理学家找到了电子的反粒子,就是正粒子,命名为狄拉克海。
此后,基本粒子物理了有质子找到了反质子,有中子也找到了反中子,并且得到了应用。比如正电子在医疗领域里面已经有了广泛应用,有一种医疗测试叫PET,利用正电子和负电子可以成像,要测阿尔兹海默症,最好的办法就是做PET。
今天,中国人对科学发展非常关心。科学发展最大的驱动力是什么?我认为是对生活的好奇心。历史上的理论物理学家,如牛顿,在苹果树底下,苹果掉下来激发了他的灵感,万有引力就发现了。爱因斯坦在坐电梯的时候,感觉到电梯的上下和引力的作用非常相似,由此创造了伟大的广义相对论。
另外,科学的发展应该不迷信权威。狄拉克成为非常有名的理论物理学家后,科学家都非常坚信在世界上有粒子,必然有反粒子。但另外一位伟大的理论物理学家马约拉纳,他出于好奇心,问世界上会不会有一些粒子并没有反粒子?他发明了马约拉纳方程,这个方程奇妙地描写了有一种粒子没有反粒子,或者它自己就是自己的反粒子。
后来,整个物理学界都在找梦寐以求的两个粒子,一个粒子叫“上帝粒子”,2012年在欧洲的加速器中找到,预言它的那位物理学家希格斯得了诺贝尔奖,还有一个就是“马约拉纳费米子”。
我是做理论物理工作的,理论物理学家的工作一般是作出预言,让实验物理学家来测试。我的实验小组在2010年的时候就预言了在一个组合型的器件里面可以找到马约拉纳费米子。不过我们还需要找到一个信号能够证明这种粒子的存在。
有一天,我想马约拉纳粒子只有一面,没有反面,所以在某种意义上它是通常粒子的一半。我们理论小组做了大胆的预言:既然马约拉纳粒子跟通常粒子不一样,在某种意义上它只是通常粒子的一半。所以它的电导率会不一样,通常的粒子电导率是0、1、2、3整数倍,它必然会导致半整数倍的电导台阶。我们预言它会有0.5或1/2的台阶。后来我们理论小组就和实验小组做了一个紧密的合作,做了实验观察,的确在0.5的地方,大家可以看到是实验的原始图案,在0.5的地方出现了台阶,证明了马约拉纳费米子的存在。我们取名为“天使粒子”,大家非常喜欢这个名字。
“天使粒子”跟信息技术发展有什么关系?
现在的计算机已经分成两类,经典计算机和量子计算机。有些问题经典计算机就很容易解决,比如把两个大的数乘起来,经典计算机可以算得很快。但一个数看能不能拆成另外两个数的乘积,比如15可以写成3乘以5,这个数比较小的话你自己也可以算出来。但是给你一个很大的数,经典的计算机要算这个数到底是不是两个数的乘积需要花很长的时间,因为它用的算法是穷举法,把所有可能被除的数一个个除过来,最后才能确认这到底是不是两个数的乘积,经典计算机算起来非常慢。
经典计算机只能用穷举法,最后才算出一个答案。但量子世界是非常神奇的世界,是平行的世界。比如一个著名的试验,如果我放出一个粒子,比如光子,它有两个孔,要不是左边,要不是右边。但是量子世界有一种本真的平行在里面,一个基本粒子在某一个瞬间同时穿过了两个孔。要么是左,要么是右的话,图像就不是显示的图像。
量子的世界本身是平行的。如果用量子世界来做计算的话就能够秒算,把所有的可能性一下子算出来,因为量子世界有它本真的平行性,这是量子计算最基本的概念。但是要真正造出这个量子计算机是非常困难的,比如最基本的单位,经典计算机最基本的单位是比特,就是信息要不是0就是1,用0、1就能够表达所有的信息,这是经典计算机的概念。但在量子世界里面,一个粒子同时穿过左孔,又穿过右孔,处在某一种叠加的状态。一个量子比特讲不清是0还是1,它是处在0和1叠加的状态里面。大家听一个比喻,薛定谔猫就处在死和活的叠加状态里面。这是一种非常奇妙的现象。但是由于这种基本的现象,说明一个量子的比特本身是不太稳定的,你去观察一下周围就知道它要不就是在左边,要不就是在右边,要不是0,要不就是1,任何一个噪声就会对量子比特产生很大的干扰。
最近,量子计算机成为全球和美国著名公司特别关注的东西,谷歌、微软、IBM、英特尔都在做投资,但根本上不能解决这个问题,因为一个量子比特是非常不稳定的,如果哪天告诉我们做了50量子比特,但关键的问题是有用的比特是多少,如果只有一个有用的比特,往往在这种量子计算的框架下需要10个、20个甚至40个、50个纠错的比特来为它服务,使得量子计算很难真正实现。
但天使粒子的发现根本改变了量子计算机研发的困境,这是从量变到质变的过程。量子比特本身自带纠错的能力,就是我把通常一个量子比特能够拆分成两个天使粒子的。通常的粒子有两面,天使粒子只有一面,所以天使粒子通常只相当于一个粒子的一半。所以通常一个量子比特就可以用两个天使粒子来储存它。一旦用了两个粒子储存它,它们在遥远的地方,它们相互是有纠缠的。在经典世界里面的噪音,它们相互之间是没有纠缠的,这样的话就没法用噪声来破坏由天使粒子所储存的量子,所以这是一个革命性的改变。
所以,我在不久前在美国物理学会演讲,说天使粒子是激动人心的发现,用来做量子计算机是多少比特就多少比特,不用附加纠错的比特,自带纠错功能,这会对量子计算机的研制起到突飞猛进的作用。
机器人哪一天能够做科学发现,那一天智能机器就超过人了
人工智能作为一个基本概念,20世纪60年代就已经提出来。今天人工智能能够有突飞猛进的发展,主要是很多新技术的汇总。根据摩尔定律的迭代,每过18个月能够翻倍,如果用量子计算的话,就不只是按摩尔定律18个月翻倍,而是完全从量变到质变。这些年来,人类计算能力不断增长。互联网和物联网的诞生,产生大量的数据。智能算法有突飞猛进的变化。大数据能帮机器学习。不过,人工智能的基础是各种数据,再好的算法,再强大的计算机没有数据的话也无法成为人工智能。
人工智能,现在虽然看到了它在突飞猛进,但我觉得还处在非常早期。为什么这么讲呢?做一个简单的类比,比如我们曾经看到鸟飞,人也非常想飞,但早期学习飞行只是简单仿生,在人类的手臂上绑上翅膀,这就是简单的仿生,但真正达到飞行的境界是由于人类理解了飞行的第一性原理——空气动力学,有了物理原理和数学方程之后就可以人为设计最佳的飞行器,现在的飞机飞得又高又快又好,但并不像鸟,这是非常核心的一点。
现在人工智能多是在简单地模仿人的神经元,但我们更应该思考的,是在这里面有一个基础科学重大突破的机会,我们要真正去理解那个智慧和智能的基本原理,这样才能真正使人工智能有根本性的变化。
到底用什么样的依据能够真正衡量人工智能达到人的标准?有人可能听说过图灵测试,图灵测试是说人跟机器对话,但不知道对方到底是人还是机器。整个对话的过程中,你如果花了一天的时间根本感觉不出来,那就说明机器人好像已经达到人的水平。虽然图灵是一个伟大的计算机科学家,但我并不赞同这个判断方法。人的很多情感并不是理性的情感,要让一个理性的机器学一个非理性的人的大脑可能并不是那么容易。
所以我想提出一个新判断方法,智能机器人哪一天真正拥有超越人的智力?我认为人最伟大的一点,就是我们能够有科学的发现,哪一天机器人真能够做科学的发现,那一天机器就超过人了。
最近我在人工智能方面写了一篇文章,将会在美国的科学院杂志上发表,里面会提到,人类最伟大的科学发现,有相对论、量子力学等,在化学里面最伟大的发现就是元素周期表的发现。智能机器在没有任何辅导的情况下,能不能自动发现元素周期表?可不可以帮助人类发现新药,用机器学习的办法能否发现新材料?这些是判断人工智能水平的标准。
实现区块链和人工智能互相共存发展,它们会是最有价值的
在今天的世界,个人会产生出很多数据,个人的基因数据、医疗数据、教育数据、行为数据等,这是发展人工智能特别需要的。很多数据都是掌握在中心机构里面,没有达到真正的去中心化。区块链的产生,能够产生一个去中心化的数据市场。
我把区块链的整个理念用一句话来描写,叫“In Math we trust”,这种理念是建筑在数学基础上的。整个区块链和整个信息技术领域里面最基础的东西,是基础数学,是能在数据市场里面保护个人隐私,又能够做出合理的统计性的计算。比如有一种非常神奇的计算方法叫零知识证明,它能够向你证明我的数据是非常有价值的,但又不告诉你真正隐私的数据在哪儿。
有了区块链之后,数据市场能够使社会变得更加公平。现代社会最大的不公平是人们容易歧视一些少数派。但在机器学习的过程中最需要的就是那些少数派拥有的数据。如果今天机器学习的精准率达到90%了,使90%提高到99%,它需要的不是已经学过的数据,而是跟以前不一样的数据。往往是少数的数据对机器学习来讲是最有价值的。一旦我们的数据建筑在区块链的基础上,再加上这些奇妙的数学算法之后,我们就能够拥有良性的数据市场。在这个世界里面,达成区块链和人工智能互相共存的理念,它们是会最有价值的。
整个区块链,大众对它的认识还不是最根本的第一性原理认识。用最基本的物理学原理来讲,达成共识就好比大家都同意同一个“账本”,相当于在物理学里面,磁铁本来是杂乱无章的,但到了铁磁态里面它们指向的方向都是同一样的。
达成共识在自然世界里面也有,这种现象叫熵减的现象。达成共识,大家都朝一个方向的话,这个状态的熵远远比杂乱无章的熵要小。达到这个共识是非常难的,因为熵总是在增的。
在区块链上能达到一个共识系统都是用一种算法,需要消耗能量。这件事情听起来不合理,账户为什么要耗费能量,但从物理学第二定理来讲,这是非常合理的一件事情,因为达成共识本身是熵减,但整个世界的熵一定要增加,所以在达成共识的同时一定要把另外一些熵排除出去。这种没有中心化的机制跟自然世界里面磁铁从杂乱无章的状态达到有序的铁磁状态非常相像,消耗能量付出代价也是必然的趋势。
所以理想的信息世界,是未来每个人拥有自己所有的数据,完全去中心化的储存,这样黑客也不可能黑每个人的数据。然后用一些加密的算法在区块链上真正能够达到既保护个人的隐私,又能够做出良好的计算,不会发生像Facebook中很多个人的数据被盗用那样的事情。
今天我们要解决的量子计算、人工智能、区块链技术的问题,都是整个人类的问题,中国科学家会面临非常大的机遇,除了要把应用科技做好,还应该有真正原创的基础科学突破,比如上述介绍的物理和数学原理,尽管这些东西听起来比较抽象,比如熵增原理,正负电子。世界的奇妙,正在于基础科学能够给整个信息技术行业提供广阔的全新发展前景。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
一、问题:为什么 ID 会"断号" 很多刚接触 MySQL 的同学都会有一个困惑:表里的主键 ID 是自增的,删了中间几行数据之后,ID 变 ...
2026-10-22一、问题场景:为什么会重复 JOIN 同一个子查询 在写复杂 SQL 时,经常遇到这种需求:同一张表或同一个聚合子查询,要和主表关联 ...
2026-10-22人力资源专员是HR体系的执行入口。招聘信息发布、简历初筛、面试安排、考勤汇总、入离职手续、劳动合同与档案管理,大多由这个岗 ...
2026-10-22人力资源经理问“必学技巧”,真正要解决的不是知识清单不够长,而是时间有限、业务催得紧,学完却用不上。更有效的路径是:先用 ...
2026-10-22内容营销岗位的核心任务,不是“把文案写得更漂亮”,而是围绕目标受众,用持续的内容供给影响认知、推动转化并沉淀复购。它至少 ...
2026-10-22理财经理培训课程很多,难的是判断“先学什么、后学什么、学完能做什么”。与其按课程名称罗列,不如先看岗位任务:客户分层与维 ...
2026-10-22理财经理的知识结构,可以先用一句话概括:合规与产品知识决定“不出错”,客户经营与资产配置决定“够不够专业”,市场研判与数 ...
2026-10-22经济学背景做数据分析,优势不在工具,而在问题意识:供需如何相互作用、成本与收益如何权衡、变量之间是相关还是因果。真正的缺 ...
2026-10-22需要,但要把“需要”理解准确。经济学本身就在处理数据:GDP、物价、就业、企业营收、问卷调研,都是经济分析的原料。真正的区 ...
2026-10-22经济学分析能力不是单一技能,它至少由三层构成:把现实问题转成可检验假设的理论框架能力、用数据与统计方法验证假设的工具能力 ...
2026-10-22金融分析师的知识提升,先补的不是更多模型,而是让结论可复核的底层能力。按任务顺序,大致是四层:财务与业务理解、指标口径管 ...
2026-10-22金融分析师的“通用技能”,指换到不同机构、不同行业组仍用得上的底层能力,而非某家公司内部系统的操作经验。按任务拆,日常要 ...
2026-10-22先给结论:数据分析证书不是金融分析师的准入条件,招聘方也不会因为一张证书就直接判断你能做分析。要不要考,取决于你当前任务 ...
2026-10-22金融分析师的核心技能,不是“会看K线”或“会讲宏观”,而是能把一家公司、一个行业或一类资产,转化为可核查的数据判断与书面 ...
2026-10-22产品经理的知识提升,不是把需求文档、原型、SQL、数据分析、项目管理都学一遍,而是先对准目标岗位的真实任务,找出自己最缺的 ...
2026-10-22产品专员提升工作知识,最有效的方式不是先囤课程,而是围绕日常交付的四件事来补:需求调研与优先级判断、原型与PRD表达、竞品 ...
2026-10-22产品运营专员提升个人能力,常见误区是先把Excel、SQL、Python列成一张学习清单,然后从第一个工具开始学。更有效的做法是先回答 ...
2026-10-22产品运营的能力提升,最怕从“课程目录”出发:今天学增长模型,明天背SQL语法,学完却说不清自己负责的功能为什么激活率低。更 ...
2026-10-22产品经理的技能和影响力不是两条分开的赛道。技能决定你能不能把问题分析清楚、把方案设计对;影响力决定你的判断能否被团队接受 ...
2026-10-22产品经理要学的数据分析能力,不是“会写SQL”或“会用BI工具”这么简单。更准确地说,是围绕需求评估、功能迭代、指标监控、实 ...
2026-10-22