本文發表於《大眾科學》的前部落格網路，反映了作者的觀點，不一定反映《大眾科學》的觀點
鳴謝：WolframAlpha
如果您將當今最流行的四個熱門詞彙串在一起會發生什麼？結果有意義嗎？鑑於今天是4月1日（也是復活節星期日），我認為探索一下會很有趣。將其視為一個復活節彩蛋……從中可能會孵化出有趣的東西。並且要明確說明：雖然我只是在胡亂地將熱門詞彙串在一起，但我在這裡要說的細節是完全真實的。
鳴謝：WolframAlpha
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保未來能夠繼續報道關於塑造我們當今世界的發現和思想的有影響力的故事。
但在我們真正開始討論整個熱門詞彙串之前，讓我們先討論一下每個熱門詞彙的一些背景知識。
“量子”
說某事物是“量子的”聽起來非常現代。但實際上，量子力學已經有一個世紀的歷史了。在過去的一個世紀中，它一直是理解和計算物理科學中許多事物的核心。但即使經過一個世紀，“真正的量子”技術仍未到來。是的，有一些東西，例如雷射、MRI 和原子力顯微鏡，依賴於量子現象，並且需要量子力學才能被髮明出來。但是，就工程實踐而言，所做的一切基本上仍然是完全經典的，沒有任何量子特性。
然而，今天，有很多關於量子計算的討論，以及它可能如何改變一切。實際上，我在 20 世紀 80 年代早期就研究過量子計算（所以，是的，這不是一個最近的想法）。我不得不說，我一直有點懷疑它是否真的能起作用——或者人們可能獲得的任何“量子收益”是否會被衡量正在發生的事情的低效率所抵消。
但無論如何，在過去的 20 年左右，在制定量子電路和量子計算的思想方面已經做了各種出色的理論工作。許多事情都是使用 Wolfram 語言完成的，包括我們正在進行的專案，旨在生成一種明確的符號方式來表示量子計算。但到目前為止，我們所能做的只是計算量子計算，因為 Wolfram 語言本身只是在普通的經典計算機上執行。
有些公司已經構建了他們所說的（小型）真正的量子計算機。實際上，我們一直希望將 Wolfram 語言連線到它們，以便我們可以實現 QuantumEvaluate 函式。但到目前為止，這還沒有發生。所以我真的無法保證 QuantumEvaluate 將（或將不會）做什麼。
但主要的想法基本上是這樣的。在普通的經典物理學中，人們幾乎可以說世界上會發生確定的事情。一個檯球朝這個方向或那個方向移動。但在任何特定情況下，它都是一個確定的方向。然而，在量子力學中，其思想是電子，例如，本質上不是朝一個特定的、確定的方向移動。相反，它基本上朝所有可能的方向移動，每個方向都有特定的幅度。只有當您堅持測量它移動到哪裡時，您才會得到一個確定的答案。如果您進行多次測量，您將只會看到它朝每個方向移動的機率。
嗯，量子計算試圖做的是以某種方式利用“所有可能的方向”的思想，以便有效地並行完成大量計算。這是一項棘手的工作，只有少數幾種問題的理論已經被研究出來——最著名的是整數分解。而且，是的，根據該理論，一臺大型量子計算機應該能夠快速分解一個大整數，從而使當今的密碼基礎設施崩潰。但到目前為止，任何人甚至聲稱已經沿著這些思路構建的只是一臺微型量子計算機——它肯定還不能做任何非常有趣的事情。
但是，好的，量子力學的一個關鍵方面是，電子可以採取的不同路徑之間可能存在干涉。這在數學上類似於光甚至水波中發生的干涉，只是在經典物理學中。然而，在量子力學中，干涉應該具有更內在的東西，導致糾纏現象，在這種現象中，人們基本上永遠無法“看到正在干涉的波”——只能看到效果。
然而，在計算中，我們尚未利用任何型別的干涉。因為（至少在現代），我們總是試圖處理離散位——而典型的干涉現象（例如在光中）基本上涉及連續數字。我個人的猜測是，光學計算——它肯定會到來——將成功地提供一些驚人的加速。然而，它不會是真正的“量子”（儘管它可能會像那樣進行營銷）。（對於技術人員來說，計算理論結果如何應用於基於干涉的連續過程是一個複雜的問題。）
“神經”
十年前，計算機沒有任何系統的方法來判斷一張圖片是關於大象還是茶杯。但在過去五年中，由於神經網路，這基本上變得容易了。（有趣的是，我們三年前製作的影像識別器基本上仍然是最先進的。）
那麼，主要思想是什麼？嗯，早在 20 世紀 40 年代，人們就開始認真思考大腦就像一臺電機。這導致了“神經網路”的數學模型——事實證明，神經網路在計算能力上等同於數字計算機的數學模型。在隨後的幾年中，數十億臺實際的數位電子計算機被製造出來。在此過程中，人們（包括我）嘗試了神經網路，但沒有人能讓它們做任何非常有趣的事情。（儘管多年來它們一直默默地用於光學字元識別等。）
但隨後，從 2012 年開始，很多人突然變得非常興奮，因為神經網路似乎終於能夠做一些非常有趣的事情，最初尤其是在影像方面。
那麼發生了什麼？嗯，神經網路基本上對應於一個大型數學函式，它透過連線許多較小的函式而形成，每個函式都涉及一定數量的引數（“權重”）。一開始，大型函式基本上只是給出隨機輸出。但是，透過設定函式的方式，可以“訓練神經網路”，方法是調整其內部的引數，以便該函式給出人們想要的輸出。
這不像普通的程式設計，在普通的程式設計中，人們明確定義計算機應遵循的步驟。相反，其思想只是給出人們希望神經網路執行的操作示例，然後期望它在它們之間進行插值，以找出對於任何特定輸入應執行的操作。在實踐中，人們可能會展示一堆大象影像和一堆茶杯影像，然後對引數進行數百萬次小更新，以使網路在輸入大象時輸出“大象”，而在輸入茶杯時輸出“茶杯”。
但這是關鍵思想：神經網路應該以某種方式從它所展示的具體示例中進行泛化——並且它應該說任何“像”大象示例的東西都是大象，即使它的特定畫素非常不同。或者，換句話說，可能會輸入到網路的許多影像都屬於“大象”的“吸引盆地”，而不是“茶杯”的“吸引盆地”。在機械類比中，人們可能會說，水可能會落在景觀上的許多地方，但仍然最終流向一個湖而不是另一個湖。
在某種程度上，原則上可以訓練任何足夠複雜的神經網路來完成任何事情。但已經變得清楚的是，對於許多實際任務（事實證明這些任務與我們的大腦似乎很容易做到的某些事情非常重疊），使用可行的 GPU 時間實際訓練具有數百萬個元素的神經網路來做有用的事情是現實的。而且，是的，在 Wolfram 語言中，我們現在有了一個相當複雜的符號框架，用於訓練和使用神經網路——其中包含大量自動化（其自身使用神經網路）來處理所有事情。
“區塊鏈”
“區塊鏈”一詞最初是在 2008 年比特幣的發明中使用。但當然，區塊鏈的思想有其先驅。在其最簡單的形式中，區塊鏈就像一個賬本，其中連續的條目以依賴於所有先前條目的方式進行編碼。
使這項工作成功的關鍵是雜湊的概念。雜湊一直是我最喜歡的實用計算思想之一（當我大約 13 歲，在 1973 年時，我甚至獨立地提出了它）。雜湊的作用是獲取一些資料，例如文字字串，並從中生成一個數字（例如在 1 到 100 萬之間）。它透過使用一些複雜的函式“研磨資料”來實現這一點，該函式對於相同的輸入始終給出相同的結果，但對於不同的輸入幾乎總是給出不同的結果。Wolfram 語言中有一個名為 Hash 的函式，例如，將其應用於上一段文字會得到 8643827914633641131。
好的，但這與區塊鏈有什麼關係呢？嗯，早在 20 世紀 80 年代，人們就發明了“密碼雜湊”（實際上，它們與我在計算不可約性方面所做的事情密切相關）。密碼雜湊具有以下特點：雖然很容易計算出特定資料的雜湊值，但很難找到一個會生成給定雜湊值的資料。
假設您想證明您在特定時間建立了特定文件。嗯，您可以計算該文件的雜湊值，並將其釋出在報紙上（我相信貝爾實驗室實際上在 20 世紀 80 年代每週都會這樣做）。然後，如果有人說“不，您在某個日期之前還沒有該文件”，您可以直接說“但是看，它的雜湊值已經出現在每份報紙上了！”。
區塊鏈的思想是，人們擁有一系列區塊，每個區塊都包含某些內容以及雜湊值。然後，重點是計算該雜湊值的資料是區塊內容和前一個區塊的雜湊值的組合。因此，這意味著區塊鏈中的每個區塊實際上都確認了之前的所有內容。
在像比特幣這樣的加密貨幣中，主要思想是能夠驗證交易，例如，能夠僅透過檢視區塊鏈來保證沒有人花費同一比特幣兩次。
人們如何知道區塊是否被正確新增，所有雜湊值是否都被計算出來等等？嗯，關鍵在於，世界各地有一個由數千臺計算機組成的去中心化網路儲存區塊鏈，並且有很多人（嗯，實際上現在在實踐中沒有那麼多）競爭成為新增每個新區塊的人（並在其中包含人們提交的他們想要的交易）。
規則是（或多或少）第一個新增區塊的人可以保留其中交易提供的費用。但是每個區塊都由很多人“確認”，包括將此區塊包含在他們的區塊鏈副本中，然後在其中繼續向區塊鏈新增區塊。
在最新版本的 Wolfram 語言中，BlockchainBlockData[-1, BlockchainBase->"Bitcoin"] 給出了我們看到的已新增到比特幣區塊鏈的最新區塊的符號表示。當可能再新增 5 個區塊時，我們可以非常肯定每個人都對該區塊是正確的感到滿意。（是的，這裡與量子力學中的測量有一個類比，我很快就會談到。）
傳統上，當人們儲存賬本（例如交易賬本）時，他們會有一箇中心位置來維護主賬本。但是，使用區塊鏈，整個過程可以分散式的，因此您不必信任任何單個實體來保持賬本的正確性。
這導致了比特幣等加密貨幣可以在沒有中央控制、政府或銀行參與的情況下蓬勃發展的想法。在過去的幾年中，人們透過投機加密貨幣賺取大量資金而產生了許多興奮。
但貨幣不是人們可以使用區塊鏈的唯一事物，以太坊率先提出了以下想法：除了交易之外，人們還可以在每個節點執行任意計算。目前，對於以太坊，每次計算的結果都會在網路中的每臺計算機上執行以進行確認，這非常低效。但更大的重點只是計算可以在網路上自主執行。並且計算可以相互互動，定義“智慧合約”，這些合約自主執行，並說明在不同情況下應該發生什麼。
幾乎任何重要的智慧合約最終都需要了解世界上的一些事物（“今天下雨了嗎？”、“包裹到了嗎？”等等），而這必須來自區塊鏈之外——來自“預言機”。碰巧的是（是的，這是幾十年工作的結果），我們的Wolfram 知識庫（為 Wolfram|Alpha 等提供支援）為當今構建此類預言機提供了唯一現實的基礎。
“人工智慧”
早在 20 世紀 50 年代，人們就認為，人類智慧可以做的幾乎任何事情，很快就有可能使人工智慧（機器智慧）做得更好。當然，事實證明這比人們預期的要困難得多。實際上，“創造人工智慧”的整個概念幾乎聲名狼藉，幾乎沒有人願意將他們的系統作為“做人工智慧”來推銷。
但大約五年前——特別是隨著神經網路的意外成功——所有這一切都改變了，人工智慧又回來了，而且比以往任何時候都更酷。
然而，人工智慧應該是什麼？嗯，從全域性來看，我將其視為自動化人類以前必須自己做的事情的長期趨勢的延續——特別是透過計算來實現自動化。但是，是什麼使計算成為人工智慧的示例，而不僅僅是，嗯，計算？
我圍繞我稱之為計算等價原理的東西構建了一個完整的科學和哲學結構，該原理基本上說，可能的計算宇宙——即使是由簡單系統完成的——也充滿了儘可能複雜的計算，當然也像我們的大腦可以做的那樣。
然而，在工程和構建程式中，存在一種巨大的趨勢，即試圖阻止任何過於複雜的事情發生——並設定事物，以便我們構建的系統恰好遵循我們可以預見的步驟。但是計算遠不止於此，事實上，我一生中的大部分時間都在構建利用這一點的系統。
Wolfram|Alpha 就是一個很好的例子。它的目標是獲取儘可能多的關於世界的知識，並使其可計算，然後能夠儘可能專業地回答關於世界的問題。從經驗上看，它“感覺像人工智慧”，因為您可以像人類一樣用自然語言向它提問，然後它計算出的答案通常具有出乎意料的複雜性。
Wolfram|Alpha 內部的大部分內容的工作方式與大腦可能的工作方式完全不同，這至少是因為它利用了我們文明在過去幾百年中開發的形式主義，這使我們能夠比大腦自然而然地更系統。
現代神經網路所做的一些事情（例如，我們 Wolfram 語言中的機器學習系統所做的事情）可能更像大腦的工作方式。但在實踐中，真正使事物“看起來像人工智慧”的原因僅僅是它們基於我們無法輕易理解其行為的複雜計算而執行。
現在，我看到的觀點是，在計算宇宙中，存在著驚人的計算能力。問題只是要能夠利用它來實現有益的人類目的。是的，“人工智慧”可以自行進行各種與我們大腦一樣複雜的計算。但問題是：我們能否將它所做的事情與我們關心的事情對齊？
而且，是的，我一生中的大部分時間都在構建 Wolfram 語言，其目的是提供一種計算通訊語言，人類可以用適合計算的形式表達他們想要的東西。計算宇宙中存在大量“人工智慧力量”；我們的挑戰是以對我們有用的方式利用它。
哦，我們希望有一些計算智慧合約來定義我們希望人工智慧如何表現（例如，“對人類友好”）。而且，是的，我認為 Wolfram 語言將是表達這些事物並構建我們想要的“人工智慧憲法”的正確方法。
共同主題
一開始，似乎“量子”、“神經”、“區塊鏈”和“人工智慧”都是非常不同的概念，沒有太多共同點。但實際上，事實證明它們有一些驚人的共同主題。
最強烈的共同主題之一與複雜性生成有關。事實上，在它們不同的方式中，我們正在談論的所有事物都依賴於複雜性生成。
我所說的複雜性生成是什麼意思？有一天我將不必解釋這一點。但現在我可能仍然需要這樣做。而且不知何故，我發現自己總是展示同一張圖片——我一直以來最喜歡的科學發現，規則 30 元胞自動機。這是它
鳴謝：WolframAlpha
這裡的重點是，即使規則（或程式）非常簡單，系統的行為也會自發地生成複雜性和明顯的隨機性。而且發生的事情足夠複雜，以至於它顯示了我稱之為“計算不可約性”的東西，因此您無法減少檢視其行為所需的計算工作：您基本上只需要遵循每個步驟即可找出將要發生的事情。
存在各種各樣的重要現象，這些現象圍繞著複雜性生成和計算不可約性展開。最明顯的就是很容易獲得複雜的計算——這在某種意義上使人工智慧成為可能。
但是，好的，這與區塊鏈有什麼關係呢？嗯，複雜性生成是使密碼雜湊成為可能的原因。正是它允許簡單的演算法產生足夠的明顯隨機性，從而成功地用作密碼雜湊。
在像比特幣這樣的東西的情況下，還有另一個聯絡：協議需要人們進行一些投資才能向區塊鏈新增區塊，而實現這一目標的方式（奇怪的是）是透過迫使他們進行不可約計算，這些計算實際上會花費計算機時間。
神經網路呢？嗯，最簡單的神經網路根本不涉及太多複雜性。如果人們繪製出它們對於不同輸入的“吸引盆地”，它們將只是簡單的多邊形。但在有用的神經網路中，吸引盆地要複雜得多。
當人們接觸到迴圈神經網路時，這一點最明顯，但它發生在任何神經網路的訓練過程中：存在一個計算過程，該過程有效地生成複雜性，以此來近似世界中做出的區分（“大象”與“茶杯”）之類的事情。
好吧，那麼量子力學呢？嗯，量子力學在某種程度上充滿了隨機性。傳統量子力學數學形式主義的基本公理是，人們只能計算機率，並且無法“看到隨機性之下的東西”。
我個人認為，這很可能只是一個近似值，如果人們可以“深入瞭解”空間和時間之類的東西，我們將看到隨機性實際上是如何產生的。
但即使在標準的量子力學形式主義中，也存在一個互補的位置，在這個位置上，隨機性和複雜性生成很重要，它是在有點神秘的測量過程中。
讓我們從討論物理學中的另一種現象開始：熱力學第二定律，或熵增定律。該定律指出，如果您從例如一堆氣體分子在一個非常有序的配置（例如全部在一個盒子的角落裡）開始，那麼它們很可能會很快隨機化（例如，隨機散佈在整個盒子中）。而且，是的，這種趨向隨機性的趨勢是我們一直看到的。
但奇怪的部分是：如果我們檢視例如單個氣體分子的運動定律，它們是完全可逆的——因此，正如它們所說分子可以使自身隨機化一樣，它們也說它們應該能夠使自身去隨機化。
但為什麼我們從沒見過這種情況發生？這一直有點神秘，但我認為有一個明確的答案，它與複雜性生成和計算不可約性有關。關鍵是，當氣體分子使自身隨機化時，它們實際上是在加密給定的初始條件。
將氣體分子放置成它們會去隨機化而不是隨機化並非不可能；只是為了有效地解決如何做到這一點，需要破解加密——或者本質上做一些非常類似於比特幣挖礦中所涉及的事情。
好的，那麼這與量子力學有什麼關係呢？嗯，量子力學本身從根本上是基於機率幅和可能發生的各種事物之間的干涉。但我們對世界的體驗是，確定的事情會發生。從量子力學到這一點的橋樑涉及量子測量的相當“外加”的思想。
這個概念是，一些小的量子效應（“電子最終具有自旋向上，而不是向下”）需要被放大到人們真正可以確定發生了什麼事的程度。換句話說，人們的測量裝置必須確保與一個電子相關的微小量子效應級聯，從而使其擴散到許多許多電子和其他事物上。
這是棘手的部分：如果人們希望避免可能的干涉（以便我們可以真正感知到“確定的”事情已經發生），那麼人們需要有足夠的隨機性，以至於事物不能以某種方式同樣地向後移動——就像在熱力學中一樣。
因此，即使人們想象的用於實用量子計算機的純量子電路通常具有足夠簡單的數學結構，以至於它們（大概）本質上不會生成複雜性，但測量它們所做的事情的過程不可避免地必須生成複雜性。（而且，是的，這是一個合理的問題，即這是否在某種意義上是人們看到的隨機性“真正”來自的地方……但那是另一個故事。）
可逆性、不可逆性等等
可逆性和不可逆性是一個非常常見的共同主題，至少在“量子”、“神經”和“區塊鏈”之間是這樣。如果忽略測量，量子力學的一個基本特徵是它是可逆的。這意味著，如果人們取一個量子系統，並讓它隨時間演化，那麼無論輸出什麼，人們總是至少在原則上能夠將其倒轉執行，以精確地重現人們開始時的狀態。
典型的計算不是那樣的可逆的。考慮一個OR 門，它可能是計算機中的基本元件。在 p OR q 中，如果 p 或 q 為真，則結果為真。 但僅知道結果為“真”，您就無法弄清楚 p 和 q 中的哪一個（或兩者）為真。換句話說，OR 運算是不可逆的：它沒有保留足夠的資訊供您反轉它。
在量子電路中，人們使用門，例如，它們接受兩個輸入（例如 p 和 q），並給出兩個輸出（例如 p' 和 q'）。並且從這兩個輸出中，人們總是可以唯一地重現兩個輸入。
好的，但現在讓我們談談神經網路。通常構思的神經網路從根本上是不可逆的。原因如下。想象一下（再次）您製作一個神經網路來區分大象和茶杯。為了使它起作用，大量不同的可能輸入影像都必須對映到例如“大象”。這就像 OR 門，但更像是。僅知道結果是“大象”，就沒有唯一的方法來反轉計算。而這正是重點：人們希望任何足夠像人們展示的大象圖片的影像仍然輸出為“大象”；換句話說，不可逆性至少對於這種型別的神經網路的整個操作至關重要。
那麼，好的，那麼人們怎麼可能製造量子神經網路呢？也許根本不可能。但如果是這樣，那麼大腦是怎麼回事？因為大腦的工作方式似乎非常像神經網路。然而，大腦是物理系統，據推測它們遵循量子力學。那麼大腦是如何可能的呢？
在某種程度上，答案與大腦散熱有關。嗯，熱量是什麼？從微觀上看，熱量是分子等物質的隨機運動。陳述熱力學第二定律（或熵增定律）的一種方式是，在正常情況下，這些隨機運動永遠不會自發地組織成任何型別的系統運動。原則上，所有這些分子都可以開始以恰好轉動飛輪的方式移動。但在實踐中，什麼都不會發生。熱量只是保持為熱量，而不會自發地轉化為宏觀機械運動。
好的，但假設涉及例如分子碰撞的微觀過程是精確可逆的——事實上，根據量子力學，它們是可逆的。那麼關鍵是，當涉及大量分子時，它們的運動會變得非常“加密”，以至於它們看起來是隨機的。如果人們可以檢視所有細節，仍然會有足夠的資訊來反轉一切。但在實踐中，人們無法做到這一點，因此係統內發生的任何事情似乎都“變成了熱量”。
那麼，產生“神經網路行為”呢？嗯，關鍵是，當系統的一部分例如系統地“決定說是大象”時，返回到初始狀態所需的詳細資訊正在被隨機化，並轉化為熱量。
公平地說，但這掩蓋了很多內容。實際上，我認為沒有人知道人們實際上如何設定以這種方式表現的量子系統（例如量子電路）。這樣做會非常有趣，因為它可能會告訴我們很多關於量子測量過程的資訊。
為了解釋人們如何從量子力學（其中一切都只是一個幅度）轉變為我們對世界的體驗（其中確定的事情似乎會發生），人們有時最終會試圖訴諸意識的神秘特徵。但關於量子神經網路的關鍵是，它是量子力學的，但它“得出了明確的結論”（例如，大象與茶杯）。
是否有這種事物的好玩具模型？我懷疑人們可以從顯示相變行為的元胞自動機的量子版本中建立一個——實際上與真實量子磁性材料的詳細力學非常相似。必要的將是系統具有足夠的元件（例如自旋），以至於補償其明顯不可逆行為所需的“熱量”將遠離觀察到不可逆行為的部分。
讓我做一個可能有點令人困惑的旁註。當人們談論“量子計算機”時，他們通常談論的是在量子位（二進位制位的量子模擬）上執行的量子電路。但有時他們實際上指的是不同的東西：他們指的是量子退火裝置。
想象一下你有一堆多米諾骨牌，並且你試圖在平面上排列它們，以便與它們上面的標記相關的某種匹配條件始終得到滿足。事實證明，這可能是一個非常困難的問題。它與計算不可約性有關（或許還與整數分解之類的問題有關）。但最終，為了找出，比如說，在各處都能最好地滿足匹配條件的配置，人們可能實際上不得不嘗試所有可能的配置，看看哪個效果最好。
好吧，假設多米諾骨牌實際上是分子，並且匹配條件對應於排列分子以最小化能量。那麼，找到最佳整體配置的問題就類似於找到分子的最小能量配置的問題，這在物理上應該對應於可以由分子形成的最穩定的固體結構。
而且，好吧，計算這個可能很困難。但是實際的物理系統呢？當人們冷卻它時，其中的分子實際上會做什麼？如果分子很容易達到最低能量配置，它們就會這樣做，並且人們會得到一個漂亮的晶體固體。
人們有時會假設“物理學會總是解決問題”，即使問題在計算上很困難，分子也總是會找到最優解。但我認為這實際上並非如此——而且我認為實際上會發生的是，材料會變得糊狀，不太像液體也不太像固體，至少在很長一段時間內是這樣。
儘管如此，仍然存在這樣一種想法，即如果人們從量子力學的角度來設定這個能量最小化問題，那麼物理系統將成功地找到最低能量狀態。而且，是的，在量子力學中，可能更難陷入區域性最小值，因為存在隧道效應等等。
但這裡令人困惑的部分是：當人們訓練神經網路時，最終不得不有效地解決像我描述的那樣的最小化問題（“哪些權重值使網路將其輸出相對於人們想要的結果的誤差最小化？”）。因此，人們最終有時會談論“量子神經網路”，意思是類似於多米諾骨牌陣列的結構，其設定是為了具有在數學上等同於神經網路的能量最小化問題。
（另一個聯絡是，卷積神經網路——例如用於影像識別的那種——其結構非常像元胞自動機，或者像動態自旋系統。但在訓練神經網路來處理影像中的多尺度特徵時，人們似乎最終會得到類似於在自旋系統或其量子對應物的臨界點看到的那種尺度不變性，正如重整化群方法所分析的那樣。）
好吧，讓我們回到我們整個流行語串。區塊鏈呢？嗯，關於區塊鏈的一個重點是在某種意義上要儘可能不可逆。一旦某些東西被新增到區塊鏈中，人們就希望它是不可想象的，它應該永遠不會被撤銷。
這是如何實現的？嗯，這與熱力學或量子測量中的工作方式出奇地相似。想象一下有人向他們的區塊鏈副本添加了一個區塊。嗯，那麼這個想法是，世界各地的許多其他人都會在他們自己的區塊鏈節點上製作該區塊的副本，然後從那裡繼續獨立地新增更多區塊。
如果許多維護區塊鏈節點的人決定串通不新增區塊，或修改區塊等等，那將會發生糟糕的事情。但這有點像氣體分子（或量子測量中的自由度）。當一切都分散在足夠多的不同元件中時，極不可能所有這些元件會再次集中在一起以產生某種系統性影響。
當然，人可能不太像氣體分子（儘管，坦率地說，他們觀察到的總體行為，例如在人群中推搡，通常非常相似）。但世界上各種各樣的事情似乎都依賴於隨機性的假設。實際上，這可能對於維持市場中交易發生時的穩定性和魯棒性是必要的。
好吧，所以當區塊鏈試圖確保存在“確定的歷史”時，它所做的事情與量子測量必須做的事情非常相似。但為了更進一步地閉環，讓我們問一下量子區塊鏈會是什麼樣子。
是的，人們可以想象使用量子計算來以某種方式打破標準區塊鏈中的密碼學。但在我看來，更令人感興趣（也更現實）的可能性是使區塊鏈的實際操作本身成為量子力學的。
在典型的區塊鏈中，區塊如何新增，以及誰來新增，在某種程度上是任意的。在“工作量證明”方案（如比特幣和當前以太坊中使用的）中，為了找出如何新增新區塊，人們會搜尋“nonce”——一個要投入的數字，以使雜湊以某種方式輸出。總是有許多可能的nonce（儘管每個nonce都很難找到），典型的策略是隨機搜尋它們，依次測試每個候選nonce。
但是人們可以想象一個量子版本，其中人們實際上是在並行搜尋所有可能的nonce，並因此產生許多可能的區塊鏈，每個區塊鏈都具有一定的量子幅度。為了完善這個概念，想象一下——例如在以太坊的情況下——在區塊鏈上完成的所有計算都是可逆量子計算（例如，使用量子版本的以太坊虛擬機器來實現）。
但是人們會用這樣的區塊鏈做什麼呢？是的，這將是一個有趣的量子系統，具有各種各樣的動力學。但是為了真正將其與世界連線起來，人們必須將資料輸入和輸出區塊鏈——或者，換句話說，人們必須進行測量。而測量的行為實際上會迫使區塊鏈選擇一個確定的歷史。
好吧，那麼“神經區塊鏈”呢？至少在今天，到目前為止，使用神經網路最常見的策略是首先訓練它們，然後讓它們工作。（人們可以透過僅向它們提供一組固定的示例來“被動地”訓練它們，或者人們可以透過讓它們實際上“詢問”它們想要的示例來“主動地”訓練它們。）但是，透過與人類的類比，神經網路也可以具有“終身學習”，在其中它們會根據它們正在經歷的“經驗”不斷更新。
那麼神經網路如何記錄這些經驗呢？嗯，透過改變各種內部權重。在某些方面，發生的事情就像區塊鏈發生的事情一樣。
科幻小說有時會談論大腦到大腦的直接記憶轉移。在神經網路的背景下，這可能意味著只是從一個神經網路中取出一大塊權重並將其放入另一個神經網路中。而且，是的，將一個網路中的特定層轉移到另一個網路中（例如，轉移關於影像中哪些特徵值得挑選出來的資訊）可以很好地工作。但是，如果你試圖在網路深處插入“記憶”，那情況就不同了。因為記憶在網路中的表示方式將取決於網路的整個歷史。
這就像在區塊鏈中：你不能只是替換一個區塊並期望其他一切都能正常工作。整個事物已被編織到隨著時間推移發生的事情的序列中。神經網路中的記憶也是如此：一旦記憶以某種方式形成，隨後的記憶將建立在這個記憶之上。
彙集在一起
一開始，人們可能會認為“量子”、“神經”和“區塊鏈”（更不用說“AI”）沒有太多共同之處（除了它們是當前的流行語）——而且實際上它們在某種意義上可能是不相容的。但我們已經看到，實際上它們之間存在各種各樣的聯絡，並且基於它們的系統之間共享各種各樣的基本現象。
那麼“量子神經區塊鏈AI”（“QNBAI”）會是什麼樣子呢？
讓我們再次看看這些組成部分。單個區塊鏈節點有點像單個大腦，具有確定的記憶。但在某種意義上，整個區塊鏈網路透過不同區塊鏈節點之間的所有互動而變得健壯。這有點像人類社會和人類知識的發展方式。
假設我們有一個“原始AI”，它可以進行各種各樣的計算。嗯，最大的問題是我們是否可以找到一種方法來使它可以做的事情與我們人類認為我們想做的事情保持一致。為了實現這種一致性，我們基本上必須在抽象層面上與AI進行交流，這種抽象層面超越了其工作方式的細節：實際上，我們必須擁有某種我們都理解的符號語言，例如，AI 可以將其轉換為其操作方式的細節。
在 AI 內部，它最終可能會使用各種“概念”（例如，區分一類影像與另一類影像）。但問題是，這些概念是否是我們在某種意義上“文化上理解”的概念。換句話說，這些概念（以及，例如，它們的詞語）是否是關於它們有一個廣泛理解的故事的概念？
在某種意義上，我們人類發現有用的用於交流的概念是那些已用於不同人類之間各種互動中的概念。這些概念透過被“編織到”許多相互作用的大腦的思維模式中而變得穩健，這有點像放置在區塊鏈上的資料透過區塊鏈節點之間的互動而成為“集體區塊鏈記憶”的穩健部分。
好吧，這裡有些奇怪。起初，似乎 QNBAI 必須是完全奇異和不熟悉的（也許是不可能的）。但不知何故，當我們回顧它們的特徵時，它們開始看起來非常熟悉——而且實際上非常像我們自己。
是的，根據物理學，我們知道我們是“量子”的。神經網路捕捉了我們大腦似乎如何工作的許多核心特徵。區塊鏈——至少作為一個通用概念——在某種程度上與個人和社會記憶有關。而 AI，嗯，AI 實際上試圖捕捉在計算宇宙中與人類目標和智慧對齊的東西——這也是我們正在做的事情。
好吧，那麼我們所知道的最接近 QNBAI 的東西是什麼？嗯，可能就是我們所有人！
也許這聽起來很瘋狂。我的意思是，為什麼 2018 年的一串流行語會這樣聯絡起來呢？嗯，在某種程度上，也許有一個顯而易見的答案：我們傾向於創造和研究與我們相關的事物，並在某種程度上圍繞著我們。而且，更重要的是，今天的流行語是我們現在可以使用我們當前開發的概念來思考的範圍內的東西——並且透過這些概念以某種方式聯絡在一起。
我必須說，當我選擇這些流行語時，我不知道它們會以任何方式聯絡起來。但是，當我嘗試在寫作過程中理清思路時，我發現的聯絡是多麼的顯著。而且，是的，在一個恰如其分的奇異旅程的奇異結尾中，今天的流行語宇宙中摘取的一串流行語似乎確實非常接近家。也許最終——至少在某種意義上——我們就是我們的流行語！