人工智能已经成为了我们现代生活的一部分，从机器学习的语音识别、到数字个人助理等切实有用的过程。实际应用中的一个关键问题是，这种智能机器学习的速度如何能够进一步提高？如何以及以何种方式实现这种改进？
随着人工智能领域的发展，对可以快速有效学习的算法的需求也在增加。人工智能中的一个重要范例是强化学习，在这种学习方法中，称为代理的决策实体与环境互动，并根据获得的反馈通过更新其行为来学习。
实际应用中的关键问题是代理的学习速度如何。尽管各种研究都利用量子力学来加快代理的决策过程，但尚未证明学习时间的减少。这项研究回答了这个问题，量子技术可以加快学习过程。
最近在量子技术方面的巨大进步已经证实了量子物理的功能，不仅因为其奇特怪异的理论，而且是因为实际地应用于现实生活中。因此，如何将量子技术与人工智能相结合？这是当代科学技术的重要问题。
在过去的几年中，许多科学家已经开始研究如何将这两个领域结合起来，研究量子力学可以以何种方式证明对机器人学习有益，反之亦然，机器学习可以以何种方式证明对量子力学研究有益。
一些有趣的研究结果表明，例如，机器人在下一步行动中做出更快的决策，或者使用特定的学习技术设计了新的量子实验。然而，机器人仍然无法更快地学习，这是日益复杂的自动机器系统发展的关键特征。
该研究在实验方面首次成功证明了实际机器人学习时间的加速。利用了单光子并将其耦合到由麻省理工学院设计的集成光子量子处理器中。该处理器被用作机器人并用于执行学习任务。
在实验中，机器人学习如何将单个光子路由到预定义的方向。论文第一作者、维也纳大学物理系与维也纳量子科学与技术中心的物理学家、瓦莱里亚·萨焦（Valeria Saggio）说：“实验表明，与不使用量子物理学的情况相比，学习时间大大减少了。”
比方说，想象一个站在十字路口的机器人来理解实验，该机器人的任务是学习转弯。机器人在执行正确的动作时会通过获得奖励来进行学习。现在，如果将机器人放置在我们通常的古典世界中，那么它将尝试左转或右转，并且只有在选择了正确转弯的情况下才能获得奖励。
相反，当机器人利用量子技术时，量子物理学的奇异方面开始起作用。机器人现在可以利用其最著名、最独特的功能之一，即所谓的叠加原理，想象机器人同时向左向右转。
在该研究中，研究人员提出一种强化学习实验，其中通过使用与环境的量子通信通道来加快代理的学习过程。研究进一步表明，将这种情况与经典交流结合起来可以评估这种改进，并可以对学习进度进行最佳控制。
转自：https://baijiahao.baidu.com/s?id=1693972484043299657&wfr=spider&for=pc
/3 
