Rumah Peranti teknologi AI Adakah pengkomputeran kuantum lebih berbahaya daripada kecerdasan buatan?

Adakah pengkomputeran kuantum lebih berbahaya daripada kecerdasan buatan?

Apr 24, 2023 am 09:16 AM
AI algoritma Pengkomputeran kuantum

​Disebabkan kuasa dan aplikasi revolusioner teknologi ini, projek pengkomputeran kuantum mungkin telah menjadi sebahagian daripada penyelidikan pertahanan di banyak negara.

Kepintaran buatan hari ini adalah sedar diri seperti klip kertas. Walaupun gembar-gembur - seperti dakwaan aneh seorang jurutera Google bahawa sistem AI syarikatnya telah "hidup" dan tweet CEO Tesla Elon Musk yang meramalkan bahawa komputer akan memiliki kecerdasan manusia menjelang 2029 - Tetapi teknologi itu masih tidak mampu melakukan tugas harian yang mudah . Ini termasuk memandu kenderaan, terutamanya apabila menghadapi situasi yang tidak dijangka yang memerlukan walaupun sedikit gerak hati atau pemikiran manusia.

Adakah pengkomputeran kuantum lebih berbahaya daripada kecerdasan buatan?

Sensasialisme yang menyelubungi kecerdasan buatan mengambil kira bahawa Musk sendiri telah memberi amaran bahawa jika negara tidak mengawalnya, teknologi kecerdasan buatan mungkin menjadi "ancaman kewujudan terbesar" manusia. Tidak menghairankan . Tetapi tidak kira sama ada komputer boleh mencapai kecerdasan seperti manusia, dunia telah memanggil syaitan AI yang berbeza dan sama-sama merosakkan: tepat kerana AI hari ini tidak lebih daripada sistem kasar dan tidak pintar yang menggunakan algoritma dan teknologi lain untuk memproses jumlah data yang luar biasa untuk pembuatan keputusan automatik, dan penggunaan meluasnya oleh agensi dan perniagaan yang berkaitan untuk mendapatkan maklumat secara meluas, mencipta pemalsuan mendalam, dan melepaskan senjata maut autonomi telah menimbulkan bahaya kepada manusia.

Dan memburukkan lagi bahaya ialah kekurangan sebarang peraturan AI. Sebaliknya, konglomerat teknologi yang tidak boleh dipertanggungjawabkan seperti Google dan Meta bertindak sebagai hakim dan juri dalam semua bidang kecerdasan buatan. Mereka membungkam suara-suara sumbang, termasuk jurutera mereka sendiri yang memberi amaran tentang bahaya.

Kegagalan dunia untuk membendung syaitan kecerdasan buatan—atau, sebaliknya, teknologi kasar yang menyamar sebagai kecerdasan buatan—sepatutnya menjadi amaran yang mendalam. Terdapat teknologi baru muncul yang lebih berkuasa yang berpotensi untuk menimbulkan malapetaka, terutamanya jika ia digabungkan dengan kecerdasan buatan: pengkomputeran kuantum. Kita perlu segera memahami potensi kesan teknologi ini, mengawalnya dan mengelakkannya daripada jatuh ke tangan yang salah sebelum terlambat. Dunia tidak boleh mengulangi kesilapan kerana enggan mengawal selia kecerdasan buatan.

Walaupun masih di peringkat awal, pengkomputeran kuantum beroperasi pada asas yang sangat berbeza daripada komputer berasaskan semikonduktor hari ini. Jika pelbagai projek yang dijalankan di seluruh dunia berjaya, mesin ini akan menjadi sangat berkuasa sehingga mereka boleh menyelesaikan tugasan dalam beberapa saat yang memerlukan komputer tradisional berjuta-juta tahun.

Semikonduktor mewakili maklumat sebagai siri satu dan sifar – itulah sebabnya kami memanggilnya teknologi digital. Komputer kuantum pula menggunakan unit pengkomputeran yang dipanggil qubit. Dengan menambahkan sifat berlawanan dengan fizik kuantum yang dipanggil superposisi, qubit boleh memegang nilai 1 dan 0 secara serentak. Jika anda rasa perkara ini mengelirukan, anda betul—ia sukar untuk dikuasai walaupun jurutera berpengalaman. Oleh itu, dua qubit boleh mewakili urutan 1-0, 1-1, 0-1 dan 0-0, semuanya selari dan pada masa yang sama. Ini menghasilkan peningkatan ketara dalam kuasa pengkomputeran, yang meningkat secara eksponen dengan setiap qubit tambahan.

Jika fizik kuantum meninggalkan peringkat percubaan dan memasuki aplikasi harian, ia akan menemui banyak kegunaan dan mengubah banyak aspek kehidupan. Dengan keupayaan mereka untuk memproses sejumlah besar data dengan pantas yang akan mengatasi mana-mana sistem hari ini, komputer kuantum mempunyai potensi untuk membolehkan ramalan cuaca, analisis kewangan, perancangan logistik, penyelidikan angkasa dan penemuan dadah yang lebih baik. Dan sesetengah pelakon mungkin menggunakannya untuk tujuan jahat, menjejaskan rekod bank, komunikasi peribadi dan kata laluan pada setiap komputer digital di dunia. Kriptografi hari ini mengekod data dalam kombinasi besar nombor yang mustahil untuk dipecahkan dalam jumlah masa yang munasabah menggunakan teknik berangka klasik. Tetapi komputer kuantum - yang mengeksploitasi fenomena mekanikal kuantum seperti superposisi, keterjeratan dan ketidakpastian - mungkin boleh mencuba kombinasi dengan begitu cepat sehingga mereka boleh memecahkan penyulitan dengan kekerasan hampir serta-merta.

Untuk lebih jelasnya, pengkomputeran kuantum masih di peringkat awal—walaupun kita hanya boleh meneka di mana tepatnya. Disebabkan potensi besar dan aplikasi revolusioner teknologi ini, projek pengkomputeran kuantum mungkin sudah menjadi sebahagian daripada penyelidikan pertahanan pelbagai negara. Penyelidikan sedemikian sering diselubungi kerahsiaan, dan terdapat banyak cakap-cakap dan spekulasi tentang mencapai kejayaan. Perancis, Rusia, Jerman, Belanda, United Kingdom, Kanada dan India semuanya diketahui sedang menjalankan projek, manakala di Amerika Syarikat, syarikat termasuk IBM, Google, Intel dan Microsoft sedang mengusahakan pengkomputeran kuantum, serta pelbagai syarikat permulaan, kontraktor pertahanan, dan universiti.

Walaupun kekurangan publisiti, beberapa aplikasi asas telah ditunjukkan yang boleh dipercayai, termasuk penderia kuantum yang mampu mengesan dan mengukur isyarat elektromagnet. Satu sensor sedemikian digunakan untuk mengukur medan magnet Bumi dengan tepat dari Stesen Angkasa Antarabangsa.

Dalam percubaan lain, penyelidik Belanda menghantar maklumat kuantum melalui rangkaian komunikasi kuantum asas. Daripada menggunakan gentian optik konvensional, para saintis menggunakan tiga pemproses kuantum kecil untuk menghantar qubit dengan serta-merta dari pemancar ke penerima. Eksperimen ini masih belum menunjukkan aplikasi praktikal, tetapi mereka boleh meletakkan asas untuk internet kuantum masa hadapan di mana data kuantum boleh dihantar dengan selamat melalui rangkaian komputer kuantum pada lebih pantas daripada kelajuan cahaya. Sehingga kini, ini hanya boleh dilakukan dalam bidang fiksyen sains.

Pentadbiran A.S. Biden menganggap risiko kehilangan perlumbaan pengkomputeran kuantum begitu hampir dan mengerikan sehingga mengeluarkan dua arahan presiden pada bulan Mei: Satu untuk meletakkan lembaga penasihat Inisiatif Kuantum Kebangsaan terus di Rumah Putih Di bawah pihak berkuasa, satu lagi mengarahkan agensi kerajaan untuk memastikan bahawa Amerika Syarikat mendahului dalam pengkomputeran kuantum sambil mengurangkan potensi risiko keselamatan yang ditimbulkan oleh pengkomputeran kuantum kepada sistem kriptografi.

Percubaan ini juga bertujuan untuk menggabungkan pengkomputeran kuantum dengan kecerdasan buatan untuk mengatasi batasan komputer tradisional. Hari ini, model pembelajaran mesin yang besar mengambil masa berbulan-bulan untuk berlatih pada komputer digital kerana pengiraan besar-besaran yang mesti dilakukan—GPT-3 OpenAI, sebagai contoh, mempunyai 175 bilion parameter. Apabila model ini berkembang kepada bertrilion parameter—satu keperluan untuk AI bodoh hari ini untuk menjadi pintar—mereka akan mengambil masa yang lebih lama untuk dilatih. Komputer kuantum boleh mempercepatkan proses ini dengan sangat baik sambil menggunakan kurang tenaga dan ruang. Pada Mac 2020, Google melancarkan TensorFlow Quantum, platform hibrid kecerdasan buatan kuantum pertama, yang membawa carian untuk corak dan anomali dalam jumlah data yang besar ke tahap baharu. Digabungkan dengan pengkomputeran kuantum, kecerdasan buatan secara teori boleh membawa kepada hasil yang lebih revolusioner daripada pengkritik telah memberi amaran tentang persepsi kecerdasan buatan.

Memandangkan potensi skop dan keupayaan teknologi kuantum, kita tidak boleh mengulangi kesilapan kecerdasan buatan - kegagalan kawal selia yang memperkenalkan kecenderungan algoritma ke dunia, memburukkan lagi berat sebelah manusia, sokongan media sosial terhadap teori konspirasi, dan syak wasangka terhadap Institusi AI menyerang. Demokrasi didorong oleh berita palsu dan siaran media sosial yang dijana AI. Bahaya terletak pada keupayaan mesin untuk membuat keputusan autonomi, dengan kecacatan dalam kod komputer yang membawa kepada keputusan yang tidak dijangka dan selalunya berbahaya. Pada tahun 2021, komuniti kuantum mengeluarkan seruan untuk bertindak untuk menangani isu ini dengan segera. Selain itu, harta intelek awam dan swasta kritikal yang berkaitan dengan teknologi kuantum mesti dilindungi daripada kecurian dan penyalahgunaan.

Selain itu, isu pertahanan negara turut terlibat. Dalam dunia teknologi keselamatan, Holy Grail ialah komputer kuantum yang berkaitan dengan analisis kriptografi—sebuah sistem yang mampu memecahkan kebanyakan kriptografi kunci awam yang digunakan oleh sistem digital di seluruh dunia, seperti rantaian blok. Ia adalah keupayaan yang sangat berbahaya di tangan kuasa musuh.

Oleh itu, selain mempercepatkan penyelidikan, kawalan yang disasarkan ke atas pembangun, pengguna dan eksport harus dilaksanakan tanpa berlengah-lengah. Paten, rahsia perdagangan, dan hak harta intelek yang berkaitan harus dilindungi dengan ketat—kembali kepada jenis kawalan teknologi yang merupakan elemen utama dasar keselamatan semasa Perang Dingin. Potensi revolusioner pengkomputeran kuantum mengambil risiko ke tahap yang baru.

Akhir sekali, untuk mengelakkan masalah etika yang serius dengan kecerdasan buatan dan pembelajaran mesin, negara perlu membangunkan langkah kawalan yang selaras dengan kuasa teknologi dan menghormati nilai demokrasi, hak asasi manusia dan kebebasan asas. Kerajaan mesti mula memikirkan dengan segera tentang peraturan, piawaian dan penggunaan yang bertanggungjawab, dan belajar daripada cara negara mengendalikan atau menyalahgunakan teknologi revolusioner lain, termasuk kecerdasan buatan, nanoteknologi, bioteknologi, semikonduktor dan pembelahan nuklear. Oleh itu, kita tidak boleh membuat kesilapan yang sama seperti yang kita buat dengan kecerdasan buatan lagi dan bersedia sekarang untuk zaman kuantum esok.

Atas ialah kandungan terperinci Adakah pengkomputeran kuantum lebih berbahaya daripada kecerdasan buatan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Algoritma pengesanan yang dipertingkatkan: untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi Algoritma pengesanan yang dipertingkatkan: untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi Jun 06, 2024 pm 12:33 PM

01Garis prospek Pada masa ini, sukar untuk mencapai keseimbangan yang sesuai antara kecekapan pengesanan dan hasil pengesanan. Kami telah membangunkan algoritma YOLOv5 yang dipertingkatkan untuk pengesanan sasaran dalam imej penderiaan jauh optik resolusi tinggi, menggunakan piramid ciri berbilang lapisan, strategi kepala pengesanan berbilang dan modul perhatian hibrid untuk meningkatkan kesan rangkaian pengesanan sasaran dalam imej penderiaan jauh optik. Menurut set data SIMD, peta algoritma baharu adalah 2.2% lebih baik daripada YOLOv5 dan 8.48% lebih baik daripada YOLOX, mencapai keseimbangan yang lebih baik antara hasil pengesanan dan kelajuan. 02 Latar Belakang & Motivasi Dengan perkembangan pesat teknologi penderiaan jauh, imej penderiaan jauh optik resolusi tinggi telah digunakan untuk menggambarkan banyak objek di permukaan bumi, termasuk pesawat, kereta, bangunan, dll. Pengesanan objek dalam tafsiran imej penderiaan jauh

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

See all articles