使量子计算成为分析策略的一部分所需的四个转变
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-06-07
即使是我们这些认为我们在“量子计算行业”工作的人，也并不是真正从事量子计算业务
现实情况是我们致力于帮助公司做出更好的数据驱动决策，在经典计算突破其极限的领域尤其如此，例如用于药物发现和材料发现的分子模拟、递送路线优化和其他极其复杂的计算问题，由量子设备生成的分析与高性能、高性能经典计算机协同工作，可以帮助公司突破现有限制，创建更好的模型，找到更好的解并发现单独使用经典计算无法实现的相关性或解决起来非常困难，需要很多年才能解决，在这里强调“协同工作”元素很重要，由于需要预处理和后处理数据，量子解决方案将始终是量子经典的混合体，另外今天的量子计算机的量子位相对较少（类似于经典计算机中的位），这意味着具有讽刺意味的是，量子计算机的生产应用将只包括极少数但非常强大的量子步骤。
“量子就绪”阶段，即公司开始构建量子经典混合应用程序
是我们从我们拥有的数据中创造更多价值的旅程的下一步，作为一个领导公司并发明了新型量子人工智能技术的人，这是非常令人兴奋的，说到观点当我们进入未来 3-5 年的量子计算发展时，记住这一点很重要，我们所有人都应该谦虚地了解我们在宇宙中的位置以及量子适合的位置——尤其是在企业中，这些计算机将首先用于生产。
这就引出了一个问题：我们如何在短期内真正使量子计算在生产级环境中发挥作用？
当我们将量子计算的近期价值作为分析对话而不是关于我们拥有的神奇量子位的故事时，技术“炒作”就变得不那么重要了（例如，哪个硬件供应商拥有数量的量子位或保真度）月）以及更多关于我们将如何使用这种新的计算方法来解决看似棘手的业务问题的信息，今天我们在数据科学和机器学习领域发现了这些解决问题的用例，量子计算可以应对 挑战的方式，特别是考虑到它可以处理的数据量和可以控制的随机性，可以赋予它一个优势，不仅在于处理速度本身，还在于模型的拟合和准确性，终结果是真正的生产优势，即使在短期内也是如此。
使量子计算可行的四个转变
我们在客户工作中了解到，企业需要进行四个必要的转变，才能将量子计算从边缘技术的探索转变为创造真正价值的生产就绪技术，从保险单到构建能力，许多研究量子计算的企业和政府组织将其视为一种“技术保险单”，可以防止他们迟到，而不是主动构建生产就绪资产，有一种心态，我们将被量子颠覆，所以我们必须走在前面，这种心态是有帮助的，但在实践中，找到量子人才和构建能力不可能一蹴而就，具体来说企业不能用几个涉足量子领域，做一些教育，并称之为准备，这就像玩一场不输而不是赢的游戏——这将是一场艰难的游戏，就像采用人工智能一样，事实是人们需要在部署阶段之前就开始建立基础设施、合作伙伴关系和劳动力发展，否则就已经落后了，我们在技术采用方面一次又一次地看到：电子商务、云、大数据，以及近的人工智能和机器学习。
更好的方法是将量子计算视为当前经典 AI/ML 策略和工作流（包括 DSML）的一个组成部分
同时现在构建该基础设施，换句话说，为了胜利而建立，这是实现长期量子计算成功的个入口。
从算法到工作流
这种转变要求不再使用量子算法作为解决数学问题的创新方法，而是要弄清楚量子计算机如何帮助为整个计算工作流程提供动力，该工作流程包含决策者所需的真实数据、输出和仪表板，重要的是要记住，虽然下一代基础设施的一小部分特定部分将是量子的，但其中大部分仍然是经典的，今天存在的量子计算相对强大，但它不是在真空中运行，在可预见的未来，量子硬件不会存在于您的数据旁边，从算法到工作流程的成功转变需要许多利益相关者和运营商之间的协作，有效的工作流架构可帮助个人专注于他们的专业领域，作为更大努力的一部分，例如，算法专家、供应链管理 ETL 专家和交付物流领域专家都可能有助于创建一个解决方案。
举个例子，由于基础设施和 ETL 工作流程构建得很差，因此仅靠的量子算法不会为因数据摄取过程而变慢的系统提供计算加速，对于那些希望获胜的组织而言，将量子计算集成到工作流程中的整体协作方法将变得越来越重要——否则经典的开销可能会抵消量子步骤产生的任何优势。
转变 3：从碎片化到统一化
企业尤其是企业和政府级别的组织，在高度分散的数据架构和计算领域中运营，量子计算将加剧这种碎片化，可能有 集群、量子硬件和软件、ETL 过程、数据库、S3 存储桶和 Java 框架——仅举几个关键组件，虽然这个数据和计算领域可能在一定程度上起作用，但它可能效率不高，统一所有组件需要一个工作流，它可以组织混乱的数据和计算沼泽。工作流的工作是协调和统一所有组件（量子和经典），以便在生产中有效地使用它们。这就是现在可以在量子驱动需求的推动下改进的方式。
转变 4：从探索到运营
如果我从我们与企业和政府的合作中学到了什么，那就是你不能等待闪亮的、容错的量子计算机在几年后出现，只需拨动开关，将量子包含在你的数据和分析中过程。我们也从经典的 DSML 中学到了这一点——它只是不能那样工作。这不会是片刻；这是一个旅程，尚未完成创建基础设施和能力的工作的组织将无法选择包含量子的力量，它的方式做工作，不仅要通过模型的创建，还通过建立QuantumOps和AIOps基础设施，包括预处理和后处理，一个例子是将 ETL 作业和多种类型的计算放在同一个工作流中，此外请考虑数据和计算所在的位置——公共云、私有云、内部部署、HPC 资源等。
建议不仅要关注模型构建
还要关注模型操作化，因为为部署而开发的模型数量惊人，但从未真正实现过操作，具体而言，到 2024 年底75% 的企业将从仅试行 AI 转向实施 AI（这将使流数据和分析基础设施增加五倍），量子计算也处于类似的轨道上，尽管它在成熟度上落后于人工智能，然而量子使这种转变变得更加重要和尖锐，因为我们不仅仅是在谈论经典世界中预先存在的算法，我们还在“量子尺度”上使用量子物理学为计算增加了一个新的复杂度。出于这个原因，我们需要谨慎地大规模操作量子模型，以便量子成为一种生产技术并产生影响而不是炒作。
你今天能做什么？
那么您的企业如何使用量子计算来体现本文开头承诺的分析和决策的新优势？共有三个步骤，与业务部门内的数据科学家和数据消费者合作，确定一个 AI/ML 问题，量子计算可以在其中开启新的加速或性能改进。生成模型是一个很有前途的起点，使用真实数据源创建真实的计算工作流，主要利用经典计算，使用当今的量子设备可以实现一两个强大的量子步骤。
随着技术的成熟，部署向前兼容的量子或受量子启发的工作流程
现实情况是我们致力于帮助公司做出更好的数据驱动决策，在经典计算突破其极限的领域尤其如此，例如用于药物发现和材料发现的分子模拟、递送路线优化和其他极其复杂的计算问题，由量子设备生成的分析与高性能、高性能经典计算机协同工作，可以帮助公司突破现有限制，创建更好的模型，找到更好的解并发现单独使用经典计算无法实现的相关性或解决起来非常困难，需要很多年才能解决，在这里强调“协同工作”元素很重要，由于需要预处理和后处理数据，量子解决方案将始终是量子经典的混合体，另外今天的量子计算机的量子位相对较少（类似于经典计算机中的位），这意味着具有讽刺意味的是，量子计算机的生产应用将只包括极少数但非常强大的量子步骤。
“量子就绪”阶段，即公司开始构建量子经典混合应用程序
是我们从我们拥有的数据中创造更多价值的旅程的下一步，作为一个领导公司并发明了新型量子人工智能技术的人，这是非常令人兴奋的，说到观点当我们进入未来 3-5 年的量子计算发展时，记住这一点很重要，我们所有人都应该谦虚地了解我们在宇宙中的位置以及量子适合的位置——尤其是在企业中，这些计算机将首先用于生产。
这就引出了一个问题：我们如何在短期内真正使量子计算在生产级环境中发挥作用？
当我们将量子计算的近期价值作为分析对话而不是关于我们拥有的神奇量子位的故事时，技术“炒作”就变得不那么重要了（例如，哪个硬件供应商拥有数量的量子位或保真度）月）以及更多关于我们将如何使用这种新的计算方法来解决看似棘手的业务问题的信息，今天我们在数据科学和机器学习领域发现了这些解决问题的用例，量子计算可以应对 挑战的方式，特别是考虑到它可以处理的数据量和可以控制的随机性，可以赋予它一个优势，不仅在于处理速度本身，还在于模型的拟合和准确性，终结果是真正的生产优势，即使在短期内也是如此。
使量子计算可行的四个转变
我们在客户工作中了解到，企业需要进行四个必要的转变，才能将量子计算从边缘技术的探索转变为创造真正价值的生产就绪技术，从保险单到构建能力，许多研究量子计算的企业和政府组织将其视为一种“技术保险单”，可以防止他们迟到，而不是主动构建生产就绪资产，有一种心态，我们将被量子颠覆，所以我们必须走在前面，这种心态是有帮助的，但在实践中，找到量子人才和构建能力不可能一蹴而就，具体来说企业不能用几个涉足量子领域，做一些教育，并称之为准备，这就像玩一场不输而不是赢的游戏——这将是一场艰难的游戏，就像采用人工智能一样，事实是人们需要在部署阶段之前就开始建立基础设施、合作伙伴关系和劳动力发展，否则就已经落后了，我们在技术采用方面一次又一次地看到：电子商务、云、大数据，以及近的人工智能和机器学习。
更好的方法是将量子计算视为当前经典 AI/ML 策略和工作流（包括 DSML）的一个组成部分
同时现在构建该基础设施，换句话说，为了胜利而建立，这是实现长期量子计算成功的个入口。
从算法到工作流
这种转变要求不再使用量子算法作为解决数学问题的创新方法，而是要弄清楚量子计算机如何帮助为整个计算工作流程提供动力，该工作流程包含决策者所需的真实数据、输出和仪表板，重要的是要记住，虽然下一代基础设施的一小部分特定部分将是量子的，但其中大部分仍然是经典的，今天存在的量子计算相对强大，但它不是在真空中运行，在可预见的未来，量子硬件不会存在于您的数据旁边，从算法到工作流程的成功转变需要许多利益相关者和运营商之间的协作，有效的工作流架构可帮助个人专注于他们的专业领域，作为更大努力的一部分，例如，算法专家、供应链管理 ETL 专家和交付物流领域专家都可能有助于创建一个解决方案。
举个例子，由于基础设施和 ETL 工作流程构建得很差，因此仅靠的量子算法不会为因数据摄取过程而变慢的系统提供计算加速，对于那些希望获胜的组织而言，将量子计算集成到工作流程中的整体协作方法将变得越来越重要——否则经典的开销可能会抵消量子步骤产生的任何优势。
转变 3：从碎片化到统一化
企业尤其是企业和政府级别的组织，在高度分散的数据架构和计算领域中运营，量子计算将加剧这种碎片化，可能有 集群、量子硬件和软件、ETL 过程、数据库、S3 存储桶和 Java 框架——仅举几个关键组件，虽然这个数据和计算领域可能在一定程度上起作用，但它可能效率不高，统一所有组件需要一个工作流，它可以组织混乱的数据和计算沼泽。工作流的工作是协调和统一所有组件（量子和经典），以便在生产中有效地使用它们。这就是现在可以在量子驱动需求的推动下改进的方式。
转变 4：从探索到运营
如果我从我们与企业和政府的合作中学到了什么，那就是你不能等待闪亮的、容错的量子计算机在几年后出现，只需拨动开关，将量子包含在你的数据和分析中过程。我们也从经典的 DSML 中学到了这一点——它只是不能那样工作。这不会是片刻；这是一个旅程，尚未完成创建基础设施和能力的工作的组织将无法选择包含量子的力量，它的方式做工作，不仅要通过模型的创建，还通过建立QuantumOps和AIOps基础设施，包括预处理和后处理，一个例子是将 ETL 作业和多种类型的计算放在同一个工作流中，此外请考虑数据和计算所在的位置——公共云、私有云、内部部署、HPC 资源等。
建议不仅要关注模型构建
还要关注模型操作化，因为为部署而开发的模型数量惊人，但从未真正实现过操作，具体而言，到 2024 年底75% 的企业将从仅试行 AI 转向实施 AI（这将使流数据和分析基础设施增加五倍），量子计算也处于类似的轨道上，尽管它在成熟度上落后于人工智能，然而量子使这种转变变得更加重要和尖锐，因为我们不仅仅是在谈论经典世界中预先存在的算法，我们还在“量子尺度”上使用量子物理学为计算增加了一个新的复杂度。出于这个原因，我们需要谨慎地大规模操作量子模型，以便量子成为一种生产技术并产生影响而不是炒作。
你今天能做什么？
那么您的企业如何使用量子计算来体现本文开头承诺的分析和决策的新优势？共有三个步骤，与业务部门内的数据科学家和数据消费者合作，确定一个 AI/ML 问题，量子计算可以在其中开启新的加速或性能改进。生成模型是一个很有前途的起点，使用真实数据源创建真实的计算工作流，主要利用经典计算，使用当今的量子设备可以实现一两个强大的量子步骤。
随着技术的成熟，部署向前兼容的量子或受量子启发的工作流程
这些步骤虽然并不容易，但却是您今天可以采取的实际行动，以使用近期量子设备产生真正的结果。他们将凌乱的数据和分析架构转变为精心编排的工作流，这是远离炒作并通过量子计算实现真正业务影响的途径。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
