量子计算比人工智能更危险?
由于该技术的强大功能和革命性的应用,量子计算项目很可能已经成为序许多国家国防研究的一部分。
今天的人工智能就像回形针一样具有自我意识。尽管大肆宣传——例如谷歌工程师奇怪地声称他的公司的人工智能系统已经“活了起来”,以及特斯拉首席执行官埃隆马斯克的推文预测到 2029 年计算机将拥有人类智能,但这项技术仍然无法完成简单的日常任务。这其中包括驾驶车辆,尤其是在遇到需要哪怕是最微小的人类直觉或思维的意外情况时。
考虑到马斯克本人曾警告说,如果各国不对其进行监管,人工智能技术可能成为人类“最大的生存威胁” ,围绕人工智能的耸人听闻并不令人惊讶。但无论计算机是否能够获得类似人类的智能,这个世界已经召唤了一个不同的、同样具有破坏性的人工智能恶魔:正是因为今天的人工智能只不过是一个粗鲁、不智能的系统,它使用算法和其他技术来处理超人数量的自动化决策数据,相关机构和企业广泛使用它来广泛获取信息、制造深度伪造和释放自主致命武器已经对人类构成危险。
而加剧危险的是缺乏任何人工智能监管。取而代之的是,谷歌和 Meta 等不负责任的技术集团在所有人工智能领域都扮演了法官和陪审团的角色。他们正在压制不同的声音,包括警告危险的他们自己的工程师。
世界未能遏制人工智能的恶魔——或者更确切地说,伪装成人工智能的粗糙技术——应该是一个深刻的警告。有一种更强大的新兴技术有可能造成严重破坏,特别是如果它与人工智能相结合:量子计算。我们迫切需要了解这项技术的潜在影响,对其进行监管,并防止它落入坏人之手,以免为时已晚。世界绝不能重蹈拒绝监管人工智能的覆辙。
尽管仍处于起步阶段,但量子计算的运行基础与当今基于半导体的计算机截然不同。如果世界各地正在进行的各种项目取得成功,这些机器将非常强大,可以在几秒钟内完成传统计算机需要数百万年才能完成的任务。
半导体将信息表示为一系列 1 和 0——这就是我们称之为数字技术的原因。另一方面,量子计算机使用一种称为qubit的计算单元。通过在量子物理学中加入一种称为叠加的违反直觉的特性,一个量子比特可以同时保持 1 和 0 的值。如果您觉得这令人困惑,那么就对了——即使是有经验的工程师也很难掌握。 因此,两个量子比特可以代表序列 1-0、1-1、0-1 和 0-0 , 全部并行且在同一时刻。这使得计算能力大大提高,每增加一个量子比特,计算能力就会呈指数增长。
如果量子物理学离开实验阶段并进入日常应用,它将找到许多用途并改变生活的许多方面。凭借其快速处理大量数据的能力,这些数据将压倒当今的任何系统,量子计算机有可能实现更好的天气预报、财务分析、物流规划、空间研究和药物发现。而一些行为者很可能会将它们用于邪恶目的,破坏世界上每台数字计算机上的银行记录、私人通信和密码。今天的密码学以大量数字组合对数据进行编码,使用经典数字技术不可能在合理的时间内破解这些数字。但是量子计算机——利用量子力学现象,如叠加、纠缠和不确定性——可能能够如此迅速地尝试组合,以至于它们几乎可以在瞬间通过暴力破解加密。
需要明确的是,量子计算仍处于萌芽阶段——尽管我们只能猜测到底在哪里。由于该技术的巨大潜力和革命性应用,量子计算项目很可能已经成为各国国防研究的一部分。这种研究往往是保密的,有很多关于达到里程碑的说法和猜测。众所周知,包括法国、俄罗斯、德国、荷兰、英国、加拿大和印度都在寻求项目,而在美国,包括 IBM、谷歌、英特尔和微软,以及各种初创企业、国防承包商和大学都在研究量子计算。
尽管缺乏宣传,但一些基本应用已经得到了可信的演示,包括能够检测和测量电磁信号的量子传感器。一种这样的传感器被用来精确测量来自国际空间站的地球磁场。
在另一项实验中,荷兰研究人员通过一个基本的量子通信网络传送量子信息。科学家们没有使用传统的光纤,而是使用三个小型量子处理器将量子比特从发送器立即传输到接收器。这些实验尚未显示出实际应用,但它们可以为未来的量子互联网奠定基础,在量子互联网中,量子数据可以安全地通过量子计算机网络传输,速度快于光速。到目前为止,这只有在科幻小说领域才有可能。
美国拜登政府认为输掉量子计算竞赛的风险迫在眉睫,而且非常可怕,因此它在 5 月发布了两项总统指令:一项将 国家量子倡议 咨询委员会直接置于白宫的权力之下,另一项指示政府机构确保美国在量子计算方面处于领先地位,同时降低了量子计算对密码系统构成的潜在安全风险。
实验还致力于将量子计算与人工智能相结合,以超越传统计算机的限制。如今,大型机器学习模型需要数月才能在数字计算机上进行训练,因为必须执行大量计算——例如,OpenAI 的 GPT-3 有 1750 亿个参数。当这些模型增长到数万亿个参数时——这是当今愚蠢的人工智能变得聪明的必要条件——它们将需要更长的时间来训练。量子计算机可以极大地加速这一过程,同时使用更少的能量和空间。2020 年 3 月,谷歌推出TensorFlow Quantum,第一个量子人工智能混合平台,将大量数据中的模式和异常搜索提升到一个新的水平。与量子计算相结合,从理论上讲,人工智能可以带来比批评者一直警告的人工智能感知更具革命性的结果。
鉴于量子技术的潜在范围和能力,绝对不能重蹈人工智能的覆辙——监管失败给世界带来算法偏见,加剧人类偏见,社交媒体支持阴谋论,以及对人工智能机构的攻击。由人工智能生成的假新闻和社交媒体帖子推动的民主。危险在于机器自主做出决定的能力,计算机代码中的缺陷会导致意想不到的、通常是有害的结果。2021 年,量子社区发出行动呼吁,紧急解决这些问题。此外,必须保护有关量子技术的关键公共和私人知识产权不被盗窃和滥用。
此外,还涉及国防问题。在安全技术界,圣杯是所谓的与密码分析相关的量子计算机——一种能够破解世界各地数字系统使用的大部分公钥密码学的系统,例如,它可以破解区块链。掌握在敌对势力手中是一种非常危险的能力。
因此,除了加速研究之外,还应毫不拖延地实施对开发人员、用户和出口的有针对性的控制。专利、商业秘密和相关的知识产权应该得到严格的保护——回归到冷战期间作为安全政策主要要素的那种技术控制。量子计算的革命性潜力将风险提升到了一个新的水平。
最后,为了避免人工智能和机器学习出现严重错误的伦理问题,各国需要制定既符合技术力量又尊重民主价值观、人权和基本自由的控制措施。各国政府必须紧急开始考虑法规、标准和负责任的使用,并从各国处理或错误处理其他革命性技术的方式中学习,包括人工智能、纳米技术、生物技术、半导体和核裂变。因此,我们绝不能再犯在人工智能方面犯过的同样错误,现在就要为明天的量子时代做好准备。
以上是量子计算比人工智能更危险?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

01前景概要目前,难以在检测效率和检测结果之间取得适当的平衡。我们就研究出了一种用于高分辨率光学遥感图像中目标检测的增强YOLOv5算法,利用多层特征金字塔、多检测头策略和混合注意力模块来提高光学遥感图像的目标检测网络的效果。根据SIMD数据集,新算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在检测结果和速度之间实现了更好的平衡。02背景&动机随着远感技术的快速发展,高分辨率光学远感图像已被用于描述地球表面的许多物体,包括飞机、汽车、建筑物等。目标检测在远感图像的解释中

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
