量子運算大突破!Google 公佈 72 位量子位元處理器,吹響量子霸權號角

Google 量子 AI 實驗室今天發佈了新的 72 位量子位元的量子處理器 Bristlecone。
評論
▲位於 Santa Barbara 的 Google 量子 AI 實驗室中,研究科學家 Marissa Giustina 正在安裝一塊 Bristlecone 晶片,photo credit: Google Research Blog
評論

 

原文刊登於 雷鋒網 , 作者 楊曉凡,INSIDE 獲授權轉載。

Google 量子 AI 實驗室今天發佈了新的 72 位量子位元的量子處理器 Bristlecone。雖然目前還沒有看到具體的實驗結果,但這塊晶片的未來有很大潛力,很有可能達成量子計算領域內的重要里程碑。Google 也在研究部落格發表了一篇 介紹文章

Google 量子 AI 實驗室(Google Quantum AI lab)的目標是建造可以用於解決真實世界問題的量子電腦,他們的研究策略是在可以和大規模、通用化、可糾錯的量子電腦向前相容的系統上探索短期解決方案。為了讓量子處理器運行經典模擬演算法之外的演算法,它當然需要更大的量子位元(qubit)數目,但它還需要更多。最關鍵的是,這個處理器必須在讀取以及單、雙量子位元匣之類邏輯操作中保持很低的錯誤率。

一年一度的美國物理學會(American Physical Society)會議正在洛杉磯舉行, Google 量子 AI 實驗室今天就在會議上公佈了他們新的量子處理器 Bristlecone。這是一個基於匣電路的超導系統,它的設計目標就是為 Google 的量子技術提供系統錯誤率和拓展性的研究測試平台,當然也可以探索量子模擬、量子優化以及量子機器學習方面的應用。

▲Bristlecone 是 Google 的最新量子處理器(左圖)。右側是這個晶片的結構示意圖,每一個「X」代表一個量子位元,相鄰最近的量子位元之間是相連的。
▲Bristlecone 是 Google 的最新量子處理器(左圖)。右側是這個晶片的結構示意圖,每一個「X」代表一個量子位元,相鄰最近的量子位元之間是相連的,photo credit: Google Research Blog

 Google 之前設計的 9 量子位元的線性矩陣已經展現出了低讀取錯誤率(1%)、低單量子位元匣錯誤率(0.1%)、以及最重要的低雙量子位元匣錯誤率(0.6%),這也是 Google 目前所能達到的最好結果。新的 Bristlecone 的指導設計思路就是延續之前技術中的物理特性,在耦合、控制、讀取中都使用了同樣的方法,但把矩陣規模大幅擴大到了 72 量子位元。 Google 之所以選擇把新的晶片設計到這個規模,是希望未來得以展示「量子霸權」(指對於某些問題, 量子演算法的效率遠遠優於經典演算法)、可以透過表層程式碼做一階和二階的錯誤糾正,以及幫助為真正的通用化硬體設計量子演算法。

▲展示錯誤率和量子位元數目之間關係的二維概念示意圖。圖中的紅線表示 Google 量子 AI 實驗室的研究方向,他們希望沿著這個方向、以構建出帶有錯誤糾正能力的量子電腦為目標,先取得一些短期應用成果,photo credit: Google Research Blog
▲展示錯誤率和量子位元數目之間關係的二維概念示意圖。圖中的紅線表示 Google 量子 AI 實驗室的研究方向,他們希望沿著這個方向、以構建出帶有錯誤糾正能力的量子電腦為目標,先取得一些短期應用成果,photo credit: Google Research Blog

在探究具體的應用之前,量化認識量子處理器的計算能力也是很重要的一件事。已經有別的理論物理團隊為這項任務開發了 benchmark 工具。對於錯誤率測試,可以向裝置輸入一個隨機的量子電流作為單個系統誤差,然後檢查樣本的輸出擾動並把它和經典方法模擬的結果做對比。

如果一個量子處理器運行時的錯誤率最夠低,它運行某些定義好的電腦科學問題的速度就可以遠超過經典方法的超級電腦,這也就是我們所說的「量子霸權」。測試中使用的隨機電流在量子位元數目和計算長度(深度)兩個方面都要夠大。雖然目前還沒有人達到錯誤率 0% 的目標,但是根據 Google 量子 AI 實驗室計算,只需要量子位元數目達到 49 位、電路深度超過 40、雙量子位元匣錯誤率低於 0.5% 就已經可以展現出明顯的「量子霸權」。

Google 相信,一次成功的量子處理器超越經典超級電腦的實驗將成為這個領域的分水嶺,而這也將是 Google 量子 AI 團隊追尋的重點目標。

▲位於 Santa Barbara 的 Google 量子 AI 實驗室中,研究科學家 Marissa Giustina 正在安裝一塊 Bristlecone 晶片,photo credit: Google Research Blog
▲位於 Santa Barbara 的 Google 量子 AI 實驗室中,研究科學家 Marissa Giustina 正在安裝一塊 Bristlecone 晶片,photo credit: Google Research Blog

Google 量子 AI 團隊之前已經在 9 位量子位元的裝置上取得了目前最佳的錯誤率,他們也正在努力嘗試在 Bristlecone 的所有 72 個量子位元上都取得類似的表現。一旦 Bristlecone 獲得全面成功,這也將為構建更大規模的量子電腦提供極具說服力的原理論證。要讓 Bristlecone 這樣的裝置以低系統錯誤率運行,也需要軟體設計、電子控制和處理器本身等一系列技術的協調工作,只有經過非常仔細的系統工程和多次版本更新才有可能達成。

對於用 Bristlecone 達成「量子霸權」, Google 量子 AI 團隊保持謹慎樂觀的態度,同時也覺得學習建造和運行這種性能等級的裝置是個令人興奮的挑戰。 Google 量子 AI 團隊也非常期待未來得以展示自己的實驗成果,以及和別的團隊共同協作嘗試更多實驗。


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。