양자 정보 기술은 양자 스핀, 양자 디코히런스 및 양자 얽힘을 사용하여 특정 양자 특징을 생성합니다.
아직도 여전히 존재하는 큐 비트 구조는 양자 효율이 낮고 양자 잡음이 크다는 특징이 있습니다. 따라서 지능화는 실현할 수 없습니다. 그러나 양자화는 일부 기존 장치를 대체할 수도 있지만 시간이 비교적 오래 걸립니다. 저는 많은 미디어와 접촉해 왔는데 혼자서 요약을 해봤습니다. 기술적인 관점에서 보면 인공지능은 공허한 개념이지만 기술이 어느 정도 발전한 후에는 다른 시각에서 인공지능을 바라볼 수 있습니다.
뉴스에서 볼 수 있는 인공지능은 기본적으로 비트 양자 (DQN), 양자 인식 (DQR), 양자 협업 (DQFT), 양자 논리 프로그래밍, 양자 정보 처리 등 입니다. 이러한 지능형 테마 중 양자 정보 기술은 가장 기본적인 기술이며 양자 이미지 기술은 주로 이미지의 분할 식별을 해결합니다. 양자 가능 프로그래밍 블록 체인은 또한 가까운 장래에 매우 인기있는 연구 방향일 것입니다.
투자 관점에서 보면, 물론 투자는 궁극적으로 개념에 달려 있습니다. 사물 인터넷과 같은 양자 IoT를 기대할 수 있는데, 양자 정보의 큐비트는 매우 좋은 투자 대상이 될 것입니다. 지능에 대한 정확한 정의가 없기 때문인데 좁은 의미에서 가장 일반적으로 사용되는 지능 척도는 로봇의 학습 능력입니다. 예를 들어, 카메라를 사용하여 사진을 찍을 때 반드시 지속적인 학습을 해야만 비로소 다음 사진은 사람인지 개인지를 인식할 수 있습니다. 그런데 인공 지능 로봇을 사용하면 답을 빨리 찾을 수 있습니다.
일부 학자들은 작년에 이러한 관점을 내놓았지만, 제조사마다 이에 대한 해석이 다릅니다. 예를 들어, 알리바바가 자체 개발 한 로봇은 이러한 기능이 있습니다. 그러나 많은 신생 기업은 아리바바가 모르는 것을 제공합니다. 또한 텐센트도 “잘 안다” 라는 설은 있지만 너무 가짜처럼 느껴집니다.
넓은 의미에서 지능은 일반적으로 인지 능력을 의미하는데, 예를 들어 다음 사진을 볼 때 이 판단은 주로 과거의 경험과 제한된 몇 개의 물리적 현상을 기반으로 합니다.
다시 말해서, 이런 의미에서 컴퓨터는 무언가를 "계산" 할 수 있고 로봇은 "사고"와 유사한 의식을 가질 수 있습니다. 컴퓨터의 경우, 만약에 그것에 대한 관련 연구가 공개되면 모든 사람들은 원리가 무엇인지 궁금해 할 것 입니다. 그러나 이 질문을 할 때 "관련성"이 무엇을 의미하는지 반드시 “미리” 파악 해야지 공개된 후에 비로소 묻은 것이 아닙니다. 공개된 문제에 대하여 답을 내가 줄 수 있고, 당신도 또한 질문을 할 수 있습니다. 그런 다음 나는 컴퓨터가 “학습”한 것을 추측할 수 있습니다. 여기서 말 하는 “계산”은 추측이 아니고 “말하는 것” 입니다. “그가 무엇을 하고 있는지 모른다”로 부터 시작하고 혹은 사람이 설정한 위 아래 문장을 컴퓨터로 하여금 직접 사고할 수 있게 합니다.
물론 사람들의 대부분 질문은 추측을 하지만 컴퓨터의 "사고"는 지속적인 학습과 끊임 없는 피드백 일 수 있습니다. 그렇다면 컴퓨터는 어떻게 "학습"을 할까요? 당연히 그것은 두뇌 과학입니다. 과학자들은 대뇌의 각 영역, 특히 시각 영역의 하드웨어가 다를 것이라고 추측합니다. 따라서 컴퓨터는 단독으로 뇌 감지를 1차적으로 진행하지만 지속적으로 피드백을 제공하고 동시에 새로운 영역도 추가합니다. 단독으로 감지한다? 이것은 너무 비효율적이고 항상 차이가 있으며 매우 불확실합니다. 그래서 순환반복해서 학습 하며 나아가서는 더 뛰어넘어야 합니다. 인공지능이 폭발적으로 활성화 한 후에 인공지능에 관한 업무를 하는 회사가 매우 많아 졌습니다. 구글, 아마존을 포함한 거대기업이 있다는 것을 발견할 수 있습니다.
