目前国外大公司如微软、谷歌、英特尔和IBM投入远超数千万美元的资源，国内大公司还没有积极参与量子计算研究，我国产业界目前还缺乏这样的人才。

关于量子计算的挑战，应明生表示有太多，实现量子计算主要的一个困难是量子态退相干引起的错误。1997年理论物理学家Alexei Kitaev提出拓扑量子计算能够避免这样的错误，这个想法是神来之笔。之所以叫拓扑量子计算是因为用到拓扑学性质。

最后应明生表示：个人觉得量子计算可能是计算机科学很长一段时间内最具革命性的事情，特别希望年轻一代能够抓住这个机会。现在，量子计算给了我们一个难得的机会，如果我们错过了这个机会，几十年后再翻开教科书，可能还是没有太多我们的贡献。

以下是采访全文。

人类天天强迫机器“深度学习”，自己倒不一定愿意“深度学习”

“量子计算机是不是强人工智能的必要条件还不知道，但可能不是充分条件。实现所谓的“强人工智能”，恐怕速度不是唯一的制约因素。”

【新智元】新版本的AlphaGo在乌镇用TPU 2强大的算力和强化学习等算法打败柯洁。量子计算机体系中，还有会TPU和GPU这种架构嘛？

【应明生】谢谢您的邀请。 我以前没有被采访的经验。接受您采访的心理与一个上了年纪的人偶尔想穿一件新衣服是一样的。不过现在有些后悔，因为您问的第一个问题我就回答不好，很狼狈。媒体报道量子计算新闻时总是谈在机器学习中的应用，而且量子机器学习也确实是最近很热闹的一个研究方向，但这不是我的主要研究领域，我知识面有限，只能就我所看到的文献谈一点看法。量子计算与神经网络结合，早在大约十年前一个不是很出名的刊物就出版过一个special issue。但比较严肃的研究是最近几年的事情，我觉得量子计算机是否能够更好地训练神经网络目前还没有得到很好的理解；至于量子计算是否能够更好地处理图形、图像，则几乎没有得到认真的研究。另外，即使理论上有很好的结果，离实际应用也还需要很长的时间。因此，将来是否会有量子的TPU和GPU, 我不知道。

【新智元】在量子计算机中深度学习算法或者机器学习算法会有什么样的发展？

【应明生】前面已经说过了，最近量子机器学习很热闹。与不是这个领域的人们想象的可能不一样，其实它包括两个方向：其一是机器学习的方法在量子物理中的应用，也就是说学习的对象将是量子世界中的。大家都知道，大数据的一个重要的来源是科学数量。那么，机器学习能否帮助处理来自量子物理中的数据？当然包括深度学习在内的机器学习算法应该是有用的，但又不能直接用，因为只能通过测量获得量子系统的部分信息，而且测量后状态则改变了，j2直播，要预测其行为就更加困难。这就需要发展适用于学习量子世界中的对象的特有方法。

另一个方面是，学习的任务与通常机器学习的任务完全一样，但希望发现比经典计算机算法更快的量子算法。这是一个很困难的领域，虽然已经有一些很好的工作，比如SethLloyd等的主成分分析(PCA)量子算法；微软的一些学者尝试做量子Boltzmann机、量子深度学习等。但这方面的工作还不够多，而且如何使用还需要认真研究。因此，把这方面的成果说得太大对于一个学科方向的健康发展未必是好事情。有兴趣的读者可以看一看ScottAaronson发表在2015年Nature Physics上的一篇评论性文章。

最近整个计算机界到处都在谈论机器学习、深度学习。我倒是觉得年轻人也许可以考虑做量子机器学习，因为这个领域刚刚起步，还有机会做出根本性的贡献。当然，进入这个领域除了机器学习方面的知识，还需要量子信息方面的知识。不过年轻的时候花几年时间做“深度学习”，而不急着发很多的文章也许是一件好事情。开个玩笑，人类是很有趣的，天天强迫机器“深度学习”，自己倒不一定愿意“深度学习”。

【新智元】目前量子计算机是否都属于图灵机范畴？

【应明生】 这要看您的“图灵机范畴”指的是什么。 量子计算的数学模型是80年代中期David Deustch定义的量子图灵机，它与经典图灵机的概念框架是一样的，但一个本质区别是其内部的状态变迁遵循的是量子力学规律，由幺正(unitay)变换刻画。

顺便说一件有趣的事情。计算机的冯.诺伊曼体系结构是众所周知的，而冯.诺伊曼也是量子力学数学基础的奠基人，但他没有想到量子计算机。图灵在很年轻的时候就读过量子力学，但他也没有直接定义量子图灵机。看来像冯.诺伊曼和图灵这样伟大的人也受到时代的约束。

除了量子机器学习，其它量子AI方面没有任何实质进展

“人类历史上如果只有培根，没有亚里斯多德是不可想象的事情。因此，Logical AI未来一定会以新的形式重生。”

【新智元】量子计算机一旦成功，其计算力的提升会给人工智能的发展带来什么样的影响？量子计算机是否是我们实现强人工智能的必备条件呢？