【都大探索】量子機器學習邁入實用 AI「如虎添翼」

一直以來，量子科技彷彿只存在於科幻電影或頂尖實驗室。不過，這種遙不可及的距離感正在逐漸消失。近年來，隨着各國政府與科技巨擘持續投入資源，量子計算（quantum computing）已逐步從實驗室邁向實際應用。

更值得關注的是，頗具前景的研究正在進行中，目標是開發出能在較高溫度環境下運作的量子位元類型，使部分新型量子電腦得以朝着「室溫運作」的方向發展，不再受限於絕對零度（即攝氏零下273.15度）的極低溫操作環境，這不僅有望降低技術門檻與成本，也可能讓量子計算及其重要分支——量子機器學習（quantum machine learning）成為人工智能（AI）發展的新方向。

要理解量子機器學習，我們或許要先從日常使用的傳統電腦說起。無論是手機、個人電腦，還是雲端的超級電腦，其運作原理相當直接：所有訊號都是由「0」和「1」構成。

這種方式在處理文字、圖片或影片時已十分高效，但面對例如藥物分子模擬、全球物流路線或即時城市交通系統調動等極度複雜的問題，即使傳統電腦運算速度再快，也要花上極長時間。

量子電腦的突破在於其基本運算單位、即量子位元（qubit），能同時處於多種狀態，並透過量子糾纏（quantum entanglement）彼此影響。所謂量子糾纏，是指多個量子位元發生糾纏後，其狀態不再相互獨立，而是形成一個整體系統。即使這些量子位元在空間上分隔，對其中一個的測量結果，仍會即時影響其他量子位元的狀態。

這種高度協調的特性，使量子系統能並行處理大量相互關聯的資訊。以處理問題的過程為例，傳統電腦必須逐一嘗試每條可能路徑，而量子電腦則能同時探索無數條路徑，從而大幅加速運算。

可推動智慧醫療發展

因此，當傳統電腦的運算能力面臨瓶頸，量子機器學習應運而生。機器學習（machine learning）讓電腦從海量數據中學習規律，以進行預測；而量子機器學習則嘗試利用量子計算的特性，大幅加速「學習過程」，在處理結構高度複雜、相互關聯的數據展現獨特優勢。需強調的是，量子機器學習的實際加速效果仍處於理論與實驗階段，尚待未來量子硬件技術突破，方能進一步驗證。

儘管量子機器學習距離實際應用仍有一段距離，許多本地和海外院校的研究單位已積極投入相關的研究。香港都會大學科技學院研究團隊亦在探索量子機器學習於醫療領域的應用潛能，包括基於生物訊號的心血管疾病分類的量子機器學習框架，以及構建用於腦電圖（EEG）分類的量子機器學習方法等，期望能為智慧醫療帶來突破。

然而，量子機器學習的發展仍面臨不少挑戰。首先是技術限制：現階段的量子電腦仍受制於量子位元數量有限，而且極度容易受到外間環境干擾而出現誤差。學術界稱它們為「含噪聲中等規模量子（NISQ）處理器」，就像一部性能強大但仍不穩定的新型引擎。此外，量子演算法的設計難度甚高，並非所有AI問題皆適合以量子方式處理。

其次是成本與普及性問題：即使量子電腦已開始實際運作，其建設、維護及操作成本依然非常高昂。因此，量子機器學習很可能仍主要應用於科研、國防或高價值產業領域，短期內難以迅速普及至大眾的日常生活。

最後，安全與倫理問題也不容忽視。量子計算強大的運算能力，理論上足以破解現行某些公開金鑰加密技術，對金融交易、個人私隱與網絡安全構成潛在威脅。若量子機器學習被不當使用或被少數機構所壟斷，其對社會造成的影響將不容小覷。

●熊景輝博士 香港都會大學科技學院電子工程與計算機科學系主任、副教授