量子コンピューティングは人工知能よりも危険ですか?
このテクノロジーの威力と革新的な応用により、量子コンピューティング プロジェクトは多くの国の防衛研究の一部となる可能性があります。
今日の人工知能は、ペーパークリップと同じように自己認識を持っています。自社の AI システムが「生き返った」という Google エンジニアの奇妙な主張や、2029 年までにコンピューターが人間の知性を獲得すると予測する Tesla CEO イーロン・マスクのツイートなどの誇大宣伝にもかかわらず、このテクノロジーは依然として単純な日常業務を実行できません。 。これには、特に人間の直感や思考がほんの少しでも必要となる予期せぬ状況に遭遇した場合の車の運転が含まれます。
マスク氏自身が、各国が人工知能を規制しなければ、人工知能技術が人類の「最大の生存脅威」になる可能性があると警告していたことを考えると、人工知能を巡るセンセーショナルな動きは驚くべきことではない。 。しかし、コンピューターが人間のような知能を達成できるかどうかに関係なく、世界は別の、同様に破壊的な AI の悪魔を召喚しました。それはまさに、今日の AI が、アルゴリズムやその他のテクノロジーを使用して超人的な量の自動決定を処理する、粗雑で知性のないシステムにすぎないからです。データを作成し、情報を幅広く入手し、ディープフェイクを作成し、自律型致死兵器を発射するために関連機関や企業がデータを広く使用することは、人類に危険をもたらしています。
そして、人工知能に対する規制が存在しないことが、危険をさらに悪化させています。その代わりに、Google や Meta のような責任を負わないテクノロジー複合企業が、人工知能のあらゆる分野で裁判官や陪審員としての役割を果たしてきました。彼らは、危険を警告する自社の技術者を含む反対の声を沈黙させている。
人工知能という悪魔、あるいはむしろ、人工知能を装った粗雑なテクノロジーを封じ込めることに世界が失敗していることは、深い警告として役立つはずです。特に人工知能と組み合わせる場合、大混乱を引き起こす可能性を秘めたさらに強力な新興テクノロジー、それが量子コンピューティングです。私たちはこのテクノロジーの潜在的な影響を早急に理解し、規制し、手遅れになる前に悪者の手に渡らないようにする必要があります。世界は人工知能の規制を拒否するという過ちを繰り返してはなりません。
量子コンピューティングはまだ初期段階にありますが、今日の半導体ベースのコンピューターとはまったく異なる基盤で動作します。世界中で進行中のさまざまなプロジェクトが成功すれば、これらのマシンは非常に強力になり、従来のコンピューターでは数百万年かかるタスクを数秒で完了できるようになります。
半導体は情報を一連の 1 と 0 として表現します。これが私たちがデジタル技術と呼ぶ理由です。一方、量子コンピューターは量子ビットと呼ばれる計算単位を使用します。重ね合わせと呼ばれる量子物理学に直感に反する特性を追加することで、量子ビットは 1 と 0 の値を同時に保持できるようになります。これはわかりにくいと思われるかもしれませんが、その通りです。経験豊富なエンジニアでも習得するのは困難です。したがって、2 つの量子ビットは、シーケンス 1-0、1-1、0-1、および 0-0 をすべて並列かつ同時に表すことができます。これにより、計算能力が大幅に向上し、量子ビットが追加されるたびに指数関数的に増加します。
量子物理学が実験段階を離れて日常的な応用に参入すれば、多くの用途が見つかり、生活の多くの側面が変わるでしょう。量子コンピューターは、今日のシステムを圧倒する大量のデータを迅速に処理する能力により、より優れた天気予報、財務分析、物流計画、宇宙研究、創薬を可能にする可能性を秘めています。そして、一部の攻撃者はこれらを不正な目的に使用し、世界中のすべてのデジタル コンピュータの銀行記録、個人的な通信、パスワードを侵害する可能性があります。今日の暗号化では、古典的な数値手法を使用して妥当な時間内に解読することは不可能な、多数の数値の組み合わせでデータをエンコードしています。しかし、重ね合わせ、もつれ、不確実性などの量子力学的現象を利用する量子コンピューターは、非常に迅速に組み合わせを試行できるため、ブルートフォースによってほぼ瞬時に暗号を解読できる可能性があります。
はっきり言っておきますが、量子コンピューティングはまだ初期段階にありますが、正確にどこにあるのかは推測することしかできません。この技術の大きな可能性と革新的な応用により、量子コンピューティングプロジェクトはすでにさまざまな国の防衛研究の一部となる可能性があります。このような研究は秘密に包まれていることが多く、マイルストーンの達成については多くの話題や憶測が飛び交っています。フランス、ロシア、ドイツ、オランダ、英国、カナダ、インドがプロジェクトを進めていることが知られており、米国ではIBM、グーグル、インテル、マイクロソフトなどの企業が、さまざまな新興企業や防衛請負業者とともに量子コンピューティングに取り組んでいる。そして大学。
あまり宣伝されていないにもかかわらず、電磁信号を検出および測定できる量子センサーなど、いくつかの基本的なアプリケーションが信頼できる実証を受けています。このようなセンサーの 1 つは、国際宇宙ステーションから地球の磁場を正確に測定するために使用されます。
別の実験では、オランダの研究者が初歩的な量子通信ネットワークを通じて量子情報を送信しました。従来の光ファイバーを使用するのではなく、科学者らは 3 つの小型量子プロセッサを使用して、量子ビットを送信機から受信機に瞬時に送信しました。これらの実験はまだ実用化されていないが、量子コンピューターのネットワークを通じて光速よりも速く量子データを安全に送信できる将来の量子インターネットの基礎を築く可能性がある。これまで、これは SF の領域でのみ可能でした。
米国バイデン政権は、量子コンピューティング競争に負けるリスクが差し迫っていて悲惨であると考え、5月に2つの大統領指令を出した。1つは国家量子イニシアチブの諮問委員会をホワイトハウスに直接置くというものだった。もう1つは、量子コンピューティングが暗号システムにもたらす潜在的なセキュリティリスクを軽減しながら、米国が量子コンピューティングでリードすることを保証するよう政府機関に指示している。
この実験は、量子コンピューティングと人工知能を組み合わせて、従来のコンピューターの限界を超えることも目的としています。現在、大規模な機械学習モデルは、膨大な計算を実行する必要があるため、デジタル コンピューターでトレーニングするのに何か月もかかります。たとえば、OpenAI の GPT-3 には 1,750 億個のパラメーターがあります。これらのモデルが数兆個のパラメーターに成長すると (今日の愚かな AI が賢くなるためにはこれが必要です)、トレーニングにかかる時間が長くなります。量子コンピューターは、より少ないエネルギーとスペースを使用しながら、このプロセスを大幅にスピードアップできます。 2020 年 3 月、Google は初の量子人工知能ハイブリッド プラットフォームである TensorFlow Quantum を立ち上げ、大量のデータ内のパターンと異常の検索を新たなレベルに引き上げました。人工知能を量子コンピューティングと組み合わせることで、理論的には、人工知能の認識について批評家が警告してきた以上に革新的な結果をもたらす可能性があります。
量子技術の潜在的な範囲と能力を考慮すると、人工知能の過ちを繰り返してはなりません。アルゴリズムの偏見を世界に導入した規制の失敗、人間の偏見の悪化、陰謀論のソーシャルメディアでの支持、そして疑惑です。 AI機関が攻撃する。 AIが生成したフェイクニュースやソーシャルメディアの投稿によって民主主義が促進される。危険は機械が自律的に意思決定を行う能力にあり、コンピューターコードの欠陥が予期せぬ、しばしば有害な結果を引き起こす可能性があります。 2021 年、量子コミュニティはこれらの問題に緊急に対処するための行動喚起を発行しました。さらに、量子技術に関連する重要な公的および私的知的財産は、盗難や悪用から保護されなければなりません。
さらに、国防問題も絡んできます。セキュリティ技術の世界では、聖杯は暗号解析に関連するいわゆる量子コンピュータであり、ブロックチェーンなど、世界中のデジタル システムで使用されている公開鍵暗号の多くを解読できるシステムです。それは敵対勢力の手に渡った非常に危険な能力です。
したがって、研究を加速することに加えて、開発者、ユーザー、輸出に対する対象を絞った管理を遅滞なく実施する必要があります。特許、企業秘密、および関連する知的財産権は厳格に保護されるべきであり、冷戦時代の安全保障政策の主要な要素であった一種の技術管理への回帰です。量子コンピューティングの革命的な可能性は、リスクを新たなレベルに引き上げます。
最後に、人工知能と機械学習に関する深刻な倫理的問題を回避するために、各国はテクノロジーの力に見合った管理措置を開発し、民主的価値観、人権、基本的自由を尊重する必要があります。政府は規制、基準、責任ある使用について早急に考え始め、人工知能、ナノテクノロジー、バイオテクノロジー、半導体、核分裂などの他の革新的な技術を各国がどのように扱ってきたか、あるいは誤って扱ってきたかから学ばなければなりません。したがって、私たちは人工知能で犯したのと同じ間違いを再び犯さず、明日の量子時代に今から備えなければなりません。
以上が量子コンピューティングは人工知能よりも危険ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究
