發表在今天的《自然》雜誌的一篇重磅論文中，一個由奧地利、德國、荷蘭和美國的科學家國際合作團隊，透過將單光子的量子處理器用作機器人來加快了機器學習過程，專家評論說，這一研究成果將有助於量子人工智慧在未來應用中的發展。

人工智慧已經成為了我們現代生活的一部分，從機器學習的語音識別、到數字個人助理等切實有用的過程。實際應用中的一個關鍵問題是，這種智慧機器學習的速度如何能夠進一步提高？如何以及以何種方式實現這種改進？

隨著人工智慧領域的發展，對可以快速有效學習的演算法的需求也在增加。人工智慧中的一個重要範例是強化學習，在這種學習方法中，稱為代理的決策實體與環境互動，並根據獲得的反饋透過更新其行為來學習。

實際應用中的關鍵問題是代理的學習速度如何。儘管各種研究都利用量子力學來加快代理的決策過程，但尚未證明學習時間的減少。這項研究回答了這個問題，量子技術可以加快學習過程。

最近在量子技術方面的巨大進步已經證實了量子物理的功能，不僅因為其奇特怪異的理論，而且是因為實際地應用於現實生活中。因此，如何將量子技術與人工智慧相結合？這是當代科學技術的重要問題。

在過去的幾年中，許多科學家已經開始研究如何將這兩個領域結合起來，研究量子力學可以以何種方式證明對機器人學習有益，反之亦然，機器學習可以以何種方式證明對量子力學研究有益。

一些有趣的研究結果表明，例如，機器人在下一步行動中做出更快的決策，或者使用特定的學習技術設計了新的量子實驗。然而，機器人仍然無法更快地學習，這是日益複雜的自動機器系統發展的關鍵特徵。

該研究在實驗方面首次成功證明了實際機器人學習時間的加速。利用了單光子並將其耦合到由麻省理工學院設計的整合光子量子處理器中。該處理器被用作機器人並用於執行學習任務。

在實驗中，機器人學習如何將單個光子路由到預定義的方向。論文第一作者、維也納大學物理系與維也納量子科學與技術中心的物理學家、瓦萊里亞·薩焦（Valeria Saggio）說：“實驗表明，與不使用量子物理學的情況相比，學習時間大大減少了。”

比方說，想象一個站在十字路口的機器人來理解實驗，該機器人的任務是學習轉彎。機器人在執行正確的動作時會透過獲得獎勵來進行學習。現在，如果將機器人放置在我們通常的古典世界中，那麼它將嘗試左轉或右轉，並且只有在選擇了正確轉彎的情況下才能獲得獎勵。

相反，當機器人利用量子技術時，量子物理學的奇異方面開始起作用。機器人現在可以利用其最著名、最獨特的功能之一，即所謂的疊加原理，想象機器人同時向左向右轉。

在該研究中，研究人員提出一種強化學習實驗，其中透過使用與環境的量子通訊通道來加快代理的學習過程。研究進一步表明，將這種情況與經典交流結合起來可以評估這種改進，並可以對學習進度進行最佳控制。

透過在緊湊且完全可調的整合奈米光子處理器上實施此學習協議，該裝置與電信波長光子對接，並具有快速的有源反饋機制，在可以輕鬆整合到未來大規模量子通訊網路中的設定中展示了該代理的系統量子優勢。

這種透過使用量子計算可以增強機器學習的這一實驗性演示，顯示了將這兩種技術結合在一起的廣闊前景。論文主導、菲利普·沃爾瑟說：“我們才剛剛開始瞭解量子人工智慧的可能性，因此，每一項新的實驗結果都為該領域的發展做出了貢獻，而該領域目前被視為量子計算領域中最富有成果的領域之一。 ”