量子机器学习历史回顾（第1版）

最近有一些机会，引发了笔者对这个领域的思考。压力山大，怕所传达的信息具有误导性、太过片面、没有经过深思熟虑，又或者太过消极与浅显，对不起你们的期待。这让我时常惶恐不安。我一直低头研究某一个细小分支，很担心自己的言论有以点概全的嫌疑。

公众号已经创建有两年了，量子机器学习这个领域有越来越多的人关注，我也在思考应该发一些什么样的文章会更适合新接触这个领域的朋友们。作为这个公众号的创办者，觉得有义务整理下这个领域的一些发展历史、相关文献等等，供大家参考。幸运的是，在不断的整理中，我对于这个领域又有了进一步的认识。

同样很抱歉，由于个人精力有限，有很多分支我并不了解，所以无法通过简单的接触就做评论。如果大家对某一方面感兴趣，欢迎做深入调查。

请大家务必带着批判性思维来阅读本文。

以下两张图，分别简单的回顾了经典机器学习发展历史和量子机器学习的发展历史。值得注意的是，这是第一版，只包含很小一部分历史（近年来的成果颇多，基本没有列上去），如果大家希望在这条时间线中增加一些内容，请务必留言给我，我会考虑在后续版本中陆续添加

（如果排版的阅读体验不佳，也欢迎留言给我，后续也会改进。）

（由于公众号上传图片像素有要求，因此图片不清晰，如果大家想要高清图片，欢迎私信给我；恕不能提供原始制作文件，还望见谅。）

一张图回顾经典机器学习历史

一张图回顾量子机器学习历史

历史总是惊人的相似

却又不是简单的重复

我们首先简单的回顾下：

【机器学习的两次寒冬，是因为什么原因？】

第一个冬天是20世纪80年代前，由于计算机内存有限、处理速度不足、数据库容量小、一些理论存在缺陷等等原因使机器学习无法真正的应用于解决实际问题，为什么说是寒冬呢？因为政府、企业开始缩减资金的投入。

第二个冬天是20世纪80年代末到90年代初，这个时候机器学习经历了一些蓬勃发展，专家系统受到狂热追捧，但是实用性受限，美国国防部领导认为人工智能并非下一个浪潮，于是又开始缩减资金。

【机器学习的两次春天，是因为什么原因？】

80年代的技术爆炸源于基于规则的专家系统的诞生，这些方法迅速被企业界采纳，并引起了人们对机器学习的新兴趣。

第二次技术爆发来源于潜在计算能力的增长与大量可利用的数据，这些因素重新启动机器学习领域。许多企业正在将其公司推向数据，并将机器学习纳入其流程、产品和服务，以便在竞争中取得优势。

【为什么说历史总是惊人的相似？】

从机器学习的历史，我们可以来思考下量子机器学习的历史，量子算法从Shor算法和Grover算法开始热了一段时间，然后就是沉寂。量子算法难以设计确实有很多因素，一方面反直观、一方面设计出一定优于经典算法的量子算法非常难。

之后09年HHL算法发表，但也并没有什么实在的应用。直到2014年左右有了量子支持向量机算法和量子主成分分析，才开始进入一个热潮。同时Peter Wittek在2014年出了一本quantum machine learning的书籍，量子机器学习这个领域开始火热起来。近两年，也就是2019年前后关于受量子启发的经典算法的研究也开始兴起，突破了我们对经典机器学习算法和量子机器学习算法时间复杂度边界的认知。

现在量子机器学习基本进入了一个比较冷静的阶段，大家开始思考，量子机器学习算法对在实际应用中是否真的有效？

回到刚才的问题，为什么说历史总是惊人的相似？机器学习寒冬时期面临的各种问题，可能也是量子机器学习领域现在面临的各种问题：量子计算机尚无法解决实际问题，处理能力受限，操纵比特数受限，算法理论缺陷等等；另一方面，量子机器学习也因为量子信息的快速发展、机器学习的狂热而受追捧，但量子机器学习真正的应用于实际可能还有很漫长的一段路要走。

我们现在来思考第二个问题：

【为什么说不是简单的重复历史】

虽然在某些模型上，一些量子机器学习算法只是类似于经典机器学习算法的一个“复刻”，但仍然面临了各种量子算法独有的问题。比如，在算法理论程度上，超越经典算法的量子算法设计本身就非常的困难；另一方面，将算法应用到实际物理设备上也是相当困难。

同样，量子存储、纠错、相干等量子独有的基础问题如何克服？量子计算机、芯片的发展及商用化需要多久？理论上目前声称的各种量子算法在加入与经典设备的交互后在性能上的的消耗是否会直接削减掉量子算法的优势？是否有一些量子算法在实现上能够真正的突破经典计算的极限，实现经典计算无法完成的任务？哪些问题才是真正有实用性的问题？等等。

除了这些挑战之外，我们其实也有很多的机遇。目前在全球在量子计算机上的投入都是非常多的，从各国政府到各个龙头企业。科研学者对这个领域的关注也是非常密切的，这是一个非常好的阶段，各个方面的问题都有在攻破，现在有一些成果虽然有夸大的嫌疑，但是总的发展方向和进步是非常快速的。

同样，量子机器学习算法在设计的思考方向上也给我们带来了各种可能，从单纯的量子算法，到量子算法与经典算法的结合，到受量子启发的经典算法等等；处理的信息在设计上也拓宽了经典数据本身的限制。我们有理由期待，量子机器学习在某一些计算任务上，一定是会超越经典计算机的算力的。

你说量子机器学习这个领域会不会进入寒冬？这个问题也许不应该是我们考虑的问题，这个决策权在政府、在企业领导，不在我们。我们能做的是什么？怎么样找到合适的问题，然后解决掉它。也就是在这样一个个微小的点上，不断推动它正向的发展。

量子机器学习这个领域未来的发展方向有无限的可能，可以想象的是，我们都希望这个领域的研究最终朝着一个实用性的目标前进，毕竟机器学习这个领域就是为了把任务交给机器来做，那加入量子这个帮手的话，也当然希望是有所助益的，是量子算法也好，是受量子启发的经典算法也罢，或者是经典算法研究量子的各种性质等等，都是希望对现在的机器学习领域有所助益的。如果说人工智能是英姿飒爽的战士，机器学习就是一把上好的利剑，而量子机器学习很有可能就是让这把宝剑更加锋利的强大工具。

未来可期，希望我们不断突破量子这永远无法被看穿的神秘，不断享受它无限的惊喜和可能。

希望大家踊跃留言，帮助作者、一起改进这个主题内容～再次感谢大家！

END

您希望在这个领域中深造，欢迎加入我们

扫一扫或搜索QQ群：552304117 

（请备注学校-专业-姓名）