SSI用量子计算来玩AI

刚到家,早上说今天回来要写SSI为什么这么牛B,那就必须得写

SSI是什么公司?

Safe Super Intelligence

就是中间这个秃子的公司

ilya 前openAI 首席科学家(现在的mark chen确实有点水)

Daniel Gross、Ilya Sutskever、Daniel Levy(从左至右)

我们的blog不是玩人物传记,所以必须快速解释SSI为什么牛B,为什么什么产品都没发布,公司就不到10人就估值30B 美刀?

因为要拿量子计算做AI

没错,你没听错,而且现在已经开始了,只不过是GPU+QPU(量子计算单元混合部署的模式)

提到量子计算,大多数人想到的因式分解来暴力破译密码,要不就是拿量子态模拟化工生物啥的(因为世界是量子的,传统计算比如GPU要模拟一个真实的量子行为,比如CRP蛋白质反应,得老鼻子GPU了,可不是alapha fold那种预测能实现得难度,量子计算就很擅长这个)

但是其实量子计算也贼擅长矩阵计算,你们知道吗?

解释一下

手先:

比如你有3个bit位

|0/1|,|0/1|,|0/1|

这个大家都知道,给电压和没电压,让电路成不同得态,产生0/1bit,这就是传统计算机 (CPU/GPU)都一样

比如1.5V得一个 core,理想情况下 1.5V是1, 0 V就是逻辑0呗

但是实际操作上,比如你1.2也给你算1,这就是计算机得底层纠错能力,但是这玩意好纠错,有个误差就行,大差不差,所以传统计算算得就能用

但是量子就不一样了

比如你有3个Qbit位(量子bit位)

|0/01/1|,|0/01/1|,|0/01/1|

它可以同时存在0,1

这个01得玩意我们叫叠加态,数学公式如下

|ψ⟩ = α|0⟩ + β|1⟩

就比如你扔硬币,它属于一直再转得状态,说又是0,又是1让人不好理解,其实就是0到1得一个概率分布

测量塌缩: 当我们对量子比特进行测量时,叠加态会 塌缩 (collapse) 到其中一个基态,也就是 01。 测量结果是随机的,但概率由概率幅 α 和 β 决定。 就像硬币落地,旋转状态消失,变成明确的正面或反面。

叠加态的优势: 叠加态是量子计算强大能力的核心。 它可以让量子计算机同时处理 0 和 1 的所有可能性,从而实现并行计算,解决经典计算机难以解决的复杂问题。

另外量子bit又纠缠作用,说白了就能一起变

比如刚才这3个bit,可以表达为 000到111,也就是从0到7,8个数字,但是你从0到7,你要1个bit ,一个bit得变化,也就是要算8次

但是量子bit就折腾1次,这只是3个bit,如果更多呢?其实是个指数级别的算力降低

比如我们题目里面说的拿量子计算机做AI

AI其实目前玩的就是矩阵乘

比如一个BSH* HH,算力消耗就是BH^2S

最大头就是H,也就是模型的hidensize,现在一般要8192起吧?

如果要用2对数来算其实就是13

也就是用13个量子bit就可以表达8192这个hidensize

那你算算你模型就可以多小了,你消耗的算力和能量就会多小?

AGI的一个重要的实现部署能力就是低功耗!(人脑只有40瓦的灯泡耗电量的故事,我就不讲了)

有人说我草,态牛B了,那为什么不都用量子计算机呢?第一因为它的算法目前看就这几个比传统计算机有优势,就跟现在GPU不能完全替代CPU一样,QPU就是GPU和CPU的另外一个U,以后大家还是合作的工作的状态

另外刚才我讲了传统计算机有自己的控制误差底层纠错能力,但是Qbit就不太行,它的能量太小了,比如用超导的系统来做,一个量子Qbit就只有1个光子的能量而已,贼脆弱,特别容易收到环境干扰和内部误差的影响

而SSI的工作就是在缩小GPU集群的基础上旁边怼一个QPU集群,两个集群有高速通路,然后共同形成一个神经网络来进行训练(哪层受到量子错误的干扰会比较少,放在QPU合适呢?留个悬念大家自己想去)

所以SSI还啥也没弄出来呢,就能给到30B的估值

这个其实到不是太新的概念,以前就用quantum enhanced AI,不过没想到SSI真的开始实现了,ilya确实NB!

当然因为它叫safe吗?肯定也不只这一块,但是我主要对这块敢兴趣,光这个就值30B也并不过分,这要是成了,300B也是它

最后说一下MS前几天推出的量子芯片Majorana和google的Willow啥区别

其实Willow是老方案就是超导,超导,量子态稳定,但是条件有点苛刻,可以说是按着既定路线走下去,媳妇熬成婆的案例(google现在创新真的越来越乏力),现在可以玩105个Qbit了

另外MS这个其实更惨,它的方案叫拓扑量子bit,其实都差点做成废案。。。

但是没想到真折腾出来了,它的特点是基于马约拉纳粒子(Majorana Zero Modes, MZMs)的拓扑超导体材料(砷化铟+铝),利用量子态的拓扑性质保护信息,理论上更稳定且错误率更低 ,错误率低原因是:

拓扑结构天然抗干扰,奇偶性存储信息减少环境噪声影响,逻辑量子比特寿命达毫秒级。

错误率中位数低于0.1%(单比特门0.035%,双比特门0.33%)

但是!

它只有8个qbit比起Willow来讲确实有点寒颤,但是它理论也是可以玩百万qbit的,而且尚未大规模验证纠错效率。就不知道以MS的心性能不能坚持到做出百万qbit那天

相关推荐
机器之心1 分钟前
刚刚,苹果基础模型团队负责人庞若鸣被Meta挖走!加入超级智能团队、年薪千万美元
人工智能
G.E.N.41 分钟前
开源!RAG竞技场(2):标准RAG算法
大数据·人工智能·深度学习·神经网络·算法·llm·rag
西西弗Sisyphus1 小时前
如果让计算机理解人类语言- Word2Vec(Word to Vector,2013)
人工智能·word·word2vec
前端双越老师1 小时前
30 行代码 langChain.js 开发你的第一个 Agent
人工智能·node.js·agent
东坡肘子2 小时前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
KaneLogger2 小时前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼2 小时前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339863 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室4 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘