意大利研究人员最近通过在一台真正的量子计算机上运行一种特殊的算法，开发出了第一个功能正常的量子神经网络。由意大利帕维亚大学的Francesco Tacchino领导的研究小组在本月早些时候发表了他们关于ArXiv的研究论文，论文题目是“在实际的量子处理器上实现的人工神经元”。

　　基本上，他们开发了一个在量子计算机上运行的单层人工神经网络(ANN)。这种基本的人工神经网络被称为感知器，它是更强大的神经网络的基本组成部分。之前尝试构建一个感知器在一个量子系统都涉及个别量子位元治疗神经元网络中。这是一种繁琐而又疯狂复杂的方法，但却未能产生多少可操作的结果。

　　Tacchino和公司决定尝试一种不同的方法，在这里我们引入另一种设计, 在量子计算机，密切模仿Rosenblatt感知器，我们实验表明了这种方法的有效性，在用于云量子计算的IBM量子处理器上实现该算法的2量子位版本。

　　IBM的Q Experience computer是一种五量子位云访问量子系统，长期以来一直被宣传为与量子计算互动的一种方式，对于我们这些没有数百万美元的资金投入实验室和接触世界级物理学家和工程师的人来说。但是，它通常被认为是一种教育工具。量子计算机的一个大问题是没有任何软件、程序或编码。要为一台违反物理定律的机器编写代码是很困难的。但这并非不可能。

　　意大利团队通过成功地在IBM Q系统上运行感知器算法并使用合成神经网络进行图像分类任务证明了这一点。据我们所知，这是第一次这样做。现在它所能做的就是分辨出给定图像的三种基本模式中的哪一种。虽然这听起来不是很令人印象深刻，但把它放在量子优势的背景下是值得的。

　　根据研究人员:我们的算法比传统感知器模型具有指数优势，因为我们已经显式地用2个量子位表示和分类4位字符串，16位字符串只用4个量子位。这仅仅意味着，在量子系统上运行的神经网络，可能比在经典系统上运行的神经网络，具有指数级。人工智能和量子计算的结合所带来的影响是超乎想象的。

　　当我们开发出能够在宇宙和人类的原始底层语言之间充当译者的机器时，会发生什么？这是留给哲学家们最好的问题。但在物理学领域，随着研究人员对ANNs的了解越来越多，工程师们开发出更先进的量子计算系统，一种新的机器学习可能会出现，取代传统的深度学习网络。未来的智能机器将不会是ai或量子——它们将两者兼而有之。