从谷歌来看看量子计算机应用的历程
Martinis和他的团队必须掌握许多技术，因为量子比特是如此变化多端。它们可以用多种不同的方法实现——Martinis的方法是用微电流来冷却铝环直至它们变成超导体。但不管采用什么方法，它们表示数据的方法都是微妙的量子状态，这种状态极易被热量和电磁噪声扭曲或破坏，并将计算破坏殆尽。
量子比特用它们脆弱的物理性质所做的事，正相当于传统芯片上的晶体管用电流完成的事——也就是用0和1的二进制来表示信息。但是，量子比特还有一种称为叠加态的状态，能同时表示0和1。处于叠加态的量子比特还能以一种叫做量子纠缠的现象相互联系，也就是说一个量子比特的行为能瞬间影响到另一个量子比特。有了这些效应，量子计算机中的单个运算就完成传统计算机中很多很多运算才能完成的任务。在某些情况下，随着处理数据量的增加，量子计算机比传统计算机的优势会实现指数级的增长。
无法保持量子比特的稳定状态正是我们尚未造出量子计算机的原因。但是，Martinis已经在此问题上研究了11年，他认为他已经接近答案了。他的量子比特的退相干时间(也就是量子比特保持叠加态的时长)是几十微秒——比D-Wave芯片的数据高1万倍。
Martinis对他们团队的硬件很有信心。这种信心甚至让他认为除了量子退火机以外，他还能为Google建造出其他形式的量子计算机，甚至比量子退火机还更强大。它将被称为通用量子计算机(universal quantum computer)，可被编程来处理任何问题，而不仅仅是一种数学问题。实际上，人们对这种方法背后的理论比量子退火机了解得更多，一部分是因为花费在量子计算研究上的大多数时间和金钱都用在了通用量子计算上。但是量子比特的可靠性还不够高，不足以将该理论转化成切实可行的通用量子计算机。
直到三月，Martinis和他的团队首次论证了位于通用量子计算机所需的可靠阈值之上的量子比特。他们让一个有9个量子比特的芯片运行了一个称为 surface code的错误检验程序，该程序对量子计算机的运行十分必要(IBM已经能让部分 surface code在4个量子比特上运行)。Martinis说：「我认为，我们对这种技术的验证已经到达了能够按比例放大的程度。这次是来真的。」
Martinis的目标是大约2年内，在他推出Google新量子退火机的同时，也完成一台完全的通用量子计算机。那将会成为计算机科学领域的里程碑，但它不可能立即帮到Google的程序员。在威斯康辛州大学领导量子计算研究团队的Robert McDermott说，由于surface code的复杂性，即使一个有着100个量子比特的芯片能运行错误检验程序，但它不能完成任何额外的工作。然而Martinis认为，一旦他能提高量子比特的可靠性，在通用量子芯片上实现100个量子比特，就能打开通往更多量子比特的大门。他说：「这是我们擅长的事。尽管保持相干很困难，但是按比例扩大却很容易。」
机器学习是愚蠢的算法吗?
当Martinis解释为什么Google需要他的技术时，他对于人工智能领域的工作者们毫不留情：「机器学习算法真的是一种愚蠢的做法，」他的话语中带有一丝怀疑，「(机器学习算法的实现)需要学习太多的范例。」
事实上，Google和其他计算机公司所使用的机器学习技术与人类或动物学习新技能或知识的方式相比是可悲的。教会一个软件某种新的技能，比如，如何在照片中识别出汽车和猫，通常需要成千上万张精心挑选并注有标签的范例图片。尽管一种称为深度学习的技术最近在软件通过学习来诠释图像和语句的准确度方面有了显著的进步，但若是要学习更复杂的才能，比如理解语言中的细微差别等，仍然超出了机器的能力范围。
Martinis的芯片如何才能使Google的软件变得不那么愚蠢?弄清这件事的任务落到了Neven身上。他认为量子比特的惊人力量将缩小机器学习和真实生物学习之间的差距——并且重塑人工智能这个领域。他说，「机器学习将转变为量子学习。」这可能意味着软件可以从混乱的数据，或是较少的数据，甚至是在没有明确指示的情况下进行学习。例如，Google的研究人员已经设计了一种算法，通过应用该种算法，他们认为即使在多达一半的范例数据被错误标记的情况下仍然可以让机器学习软件习得某种新的技能。Neven若有所思地说，这种计算能力可能是突破当今人类所能赋予计算机的能力上限的关键。 「人们都在谈论我们能否实现富有创造力的机器——我们能够建立的最富有创造力的系统将会是量子人工智能系统」他说。
更现实地来看，在目前仅仅只有D-Wave的机器可供操作的情况下，Google的研究人员能做的只是推测他们应用Martinis制作的芯片之后，能真正实现或者应该去实现的究竟是些什么。即便他们开始着手实践，也需要时间来创造和构建操作大量外设所需的基础设施，之后才能真正对Google的商业业务有实质性的贡献。
Neven坚信，Google的量子工匠以及他的团队可以顺利地通过这些考验。他设想在不远的将来，成排的超导芯片在为Google工程师们接入互联网所建立的数据中心里一字排开。他说，「我预测，在10年内最后只会剩下量子机器学习——你再也不用传统的方式来工作了。」面带笑容的Martinis谨慎地接受这一愿景。「我喜欢这一点，但实现它挺难的，」他说， 「他(Neven)可以用嘴说，但我必须建立并实现这一想法。」
【从谷歌来看看量子计算机应用的历程】相关文章：
8.学好计算机应用