在认知域，究竟谁最具有“颠覆性意义”，谁能成为新一轮变革浪潮的引领者？我们将通过“认知域科技创新系列谈”活动，汇聚各方专家学者的意见，聚焦认知域工程技术范式变革，共同探讨认知域技术创新的战略重点、发展策略、实施路径，为国家科技创新建言献策。
一般认为，认知域由人的情绪、情感、意志、信念等构成。在人们探寻认知域的过程中，需要对抽象的认知内容进行定量分析，认知计算随之产生。认知计算解决的主要科学问题是人类意识和决策的不确定性，而量子人工智能在研究解决不确定性问题方面具有独特优势。于是，人们提出了量子认知计算的概念。量子技术是否能够应用于认知计算？是否真得能够展现出量子技术的优越性？记者采访了复旦大学大数据研究院量子AI课题组负责人陈佳临。
量子技术为认知计算提供新路径
认知计算是认知科学的重要技术领域，是人工智能的重要组成部分，是模拟人脑认知过程的计算系统。认知计算包含信息分析、自然语言处理、机器学习等领域的新技术，能够助力决策者从大量非结构化数据中揭示非凡的洞察。陈佳临介绍，研究者们在利用量子AI技术解决认知计算问题时，面临四个方面的关键挑战，包含量子表示、模型压缩、认知机理和量子算法。
量子认知理论（Quantum Cognition）是当代认知科学中的一个新兴方向，通过对认知科学中的现象进行建模，运用量子力学理论来研究与描述人的认知及其决策。我们现在每天所接触的海量信息如文字、图像、声音、语言等，都是基于二进制比特所组成的。经典认知计算就是基于这样的比特单位0与1，而量子认知计算则是使用量子比特（Qubit）对信息进行存储与计算。《量子社会科学》的作者认为，“我们可以这样理解：将‘量子模型’应用于决策中，其核心在于将量子概率应用到了认知领域”。量子力学认为，人们对于自己选择的预期后果，常常反映在他们的最终决策上。也就是说，人们的预期与他们的最终决策是交互影响，或者是互相“纠缠”的。
在Jerome Busemeyer和Peter Bruza合著的《认知与决策的量子模型》中明确提出在认知和决策科学中，几乎所有以前的建模都依赖于经典概率理论，但存在许多无法解释的人类认知与决策行为。例如，看社交媒体时我们先看到假新闻再看到真新闻，和先看到真的再看到假的，会对我们的决策产生重大区别。经典概率理论无法简单的解释这种次序的影响，必须加入额外隐变量。但量子概率理论本身就内嵌了这种特性，实际上经典概率论是量子概率的一种特殊情况，因此量子概率理论能够解释许多用经典概率无法解释的人类认知与决策行为。
量子理论框架（徐珂 提供图片）
陈佳临介绍，IBM正在将量子计算机的巨大处理能力与像IBM的沃森这样的认知计算系统结合起来，这将导致人工智能的巨大进步。在最近于巴黎举行的Hello Tomorrow大会上，IBM沃森首席技术官表示，认知计算和量子计算之间存在“非常自然的协同作用”，他希望有一天能看到沃森在量子系统上运行。事实上，研究者们试图通过以下方法为认知域问题提供解决方案：一是通过结合量子理论与认知科学来增强对认知计算问题的理解；二是通过结合量子信息技术与逻辑因果推断来提升认知计算模型的可解释性；三是通过结合量子力学与神经网络来高效实现认知计算问题的推理。
量子AI解决认知计算问题具有潜在优越性
2021年4月，《科学》杂志发布“新125个科学问题”——《125个科学问题：探索与发现》，“量子AI是否可以模仿人脑”是人工智能板块的重要问题之一。陈佳临告诉记者，由于量子优越性，量子计算能为认知领域算法提供指数级或者二次加速。近年来，越来越多的国内外机构和研究者开始探索量子AI模型在认知域问题上的可行性及实用性，并取得了很好的成果。
量子AI示意图（徐珂 提供图片）
从信息表征的角度来看，现阶段量子AI的优越性主要体现在自然语言建模、多模态数据融合和张量网络表示等方面。
针对多模态数据融合的可解释性问题，研究者们提出使用量子多体表示自然语言以及词语间的复杂交互的设想。基本假设是将每一个词语看作是量子物理中的一个粒子，每个粒子由多维度的语义叠加构成，而一个句子则是由多个这样的粒子组成混合态。例如，“行”这个字作为名词，可以表示职业中的“行业”，也可以表示表格中“行列”，作为动词又可以表示“可以”的意思。有一个经典的绕口令“干一行行一行一行行行行行”，说得就是中文中的多音字、多义词，用法稍有差别则会改变整句甚至段落的意义。虽然传统机器学习可利用神经网络等方法来表示一词多义，但由于神经网络的黑箱特征，使此类方法复杂而且解释性不足。而利用量子技术，可以将这个“多义字”编码为其各种含义的“量子叠加态”，量子AI将更准确地分析出“行”在句子中的实际含义。目前，微软研究院、帕多瓦大学等机构的研究者正在建立借用量子AI框架来分析文本信息以及用量子的概念来表示模态之间的动态交互。尽管量子启发的多模态数据融合工作已经取得了一定的进展，随着数据集的不断发展变化，仍有很多值得继续研究的问题。
随着经典深度学习网络规模的不断扩大，其参数规模越发庞大，一些网络的参数甚至已经超过百亿。近年来在机器学习任务中使用量子多体的张量网络方法来压缩参数逐渐成为一种新的趋势。张量网络机器学习的主要思想是通过操作低阶张量，将参数的维度从指数级增长降为多项式级，从而避免维度灾难，并极大地缓解计算机的存储和计算压力。
针对预训练AI模型参数量巨大的问题，研究者们提出将参数矩阵重整化为量子多体表示来压缩模型参数，利用低阶张量网络重构多线性自注意力机制。当前的语言建模利用象征性方法表示单词语法并用分布式方法表示词向量，不同语法结构的句子所处的向量空间不同，语言建模存在无法泛化的问题。针对这个问题，剑桥大学近期提出了分布组合语义模型，在量子平台上运行自然语言模型，并在计算资源和存储资源两方面体现了量子优越性。
量子认知计算应用前景值得期待
在认知域对抗中，时机是关键中的关键，占有先机的一方可以选择进攻的时间、地点和手段，也就占有了主动权。量子AI技术可以帮助我们解决一些认知对抗的关键问题，例如攻击是否存在、攻击的起源以及攻击的特性等。量子AI技术甚至可能为特定的攻击者进行行为侧写，以帮助我们进行识别和分类。
陈佳临向记者介绍道，他们实验室正在开展量子认知计算方面的探索和研究，例如将量子电路应用于情绪计算。情绪计算是典型的多模态融合认知任务，既要将文字、声音和图像等特征进行融合，还要对场景会话的上下文进行建模，这对现有机器学习算法提出了很高的要求。在引入了量子计算思想后，团队正在训练一种混合量子神经网络，既能捕获多种模态之间的交互作用，也能反映不同主体之间语义的交互。该量子AI算法可以在具有噪声的量子芯片上进行验证，将拓宽我国现有量子芯片的应用场景。同时，受到量子退火的启发，团队还在研究受量子启发的随机搜索算法，寻找复杂环境下认知决策的方法。在此基础上，团队将对人与世界在认知域上的互动建立统一量子模型，力争取得一些突破性进展。
陈佳临指出，量子AI与认知计算的结合将有望提升 “制认知权”的能力。进入互联网时代，网络信息使得人类在认知域的斗争进一步加剧，网络中的文本、音频、图像、视频等多媒体信息的传播，使得实际真相或被还原、或被误解，导致公众的认知受到影响而改变。因此，对虚假信息、诱发不良认知偏见的信息等进行及时发现和识别，防止通过网络的扩散效应形成社会问题，对国家、社会、个人都具有重要意义。未来的量子AI系统将融合社交媒体、广播媒体、社交消息和社交网站的海量异构数据，在不需要人工干预的情况下，识别社交网络不良信息的起源位置、话题设置、情感和语言标签、发布频次甚至隐喻等等，预测社会认知情绪的概率分布情况，并形成地理空间和网络空间相互融合的态势图，这些将为保证认知域安全提供新的技术手段。
（光明日报全媒体记者 蔡侗辰 通讯员 徐珂）
