古典力学の常識では測れない量子コンピューターとAIの融合
大阪大学大学院教授・藤井啓祐氏に聞く（３）
量子機械学習には既存の古典コンピューターが解くことができない「量子課題」の解決が期待されている。物理現象の根幹がもともと量子的（ミクロ）であるのに、私たちはコンピューターによる計算を古典力学（マクロ）の常識でしか考えていないという落とし穴が見えてくる。むしろ不自然なのは古典コンピューターなのだ。
藤井 啓祐（ふじい けいすけ）
大阪大学大学院基礎工学研究科システム創成専攻教授。大阪大学量子情報・量子生命研究センター副センター長。
2011年3月京都大学大学院工学研究科博士課程修了。博士（工学）。理化学研究所量子コンピュータ研究センター量子計算理論研究チームチームリーダー、東京大学工学系研究科物理工学専攻客員教授、情報処理推進機構（IPA）未踏ターゲット事業プログラムマネージャー、量子技術の普及のための一般社団法人 Quantum Research Institute 理事を兼任。量子コンピュータのソフトウェアベンチャー、株式会社QunaSys、最高技術顧問。
専門分野は量子情報、量子コンピューティング。特に、量子誤り訂正、誤り耐性量子計算、測定型量子計算、量子計算複雑性、量子機械学習。著書に『驚異の量子コンピュータ：宇宙最強マシンへの挑戦』（岩波科学ライブラリー) など。
目次
- 量子のICTインフラが普及しない限り量子機械学習は普及しない
- 量子データに対する量子による量子のための機械学習
- 古典力学をベースとした常識から量子的思考へ
- 量子性が絡んでいる環境問題を量子コンピューターで解決
- 量子情報科学の時代の始まりを告げたノーベル物理学賞
量子のICTインフラが普及しない限り量子機械学習は普及しない
桐原 「量子機械学習」についてお尋ねします。現状で、AIと量子コンピューターは、どのような部分で研究が連携されているのでしょうか。なかなかイメージしにくい部分なので、そこをお伺いできれば──。
藤井 量子機械学習の現在のフェーズをイメージしていただくために、図でご説明いたします。これはAIの歴史を簡単に第１次、第２次、第３次にまとめたものです。第１次はパーセプトロンの原理とかが出てきた1950年代で、思考する機械を考えましょうということだったのですが、当時はトイプロブレム1しか解けないというので批判されて冬の時代が訪れました。次に1980年代、第２期AIブームが訪れます。いわゆるエキスパートシステムですね。人間がルールを定義したらそのルール通りに機械が動くことを目指しました。ただし、学習という観点ではAIは発達しませんでした。その原因は良質なデータとそれを処理する計算資源がなかったからです。いいラベルが付いた膨大なデータがなかったのでうまくいきませんでした。現在の第３次AIブームで、やっと産業に応用され大きな飛躍を遂げたわけですが、大きな要因としてはICTインフラの普及があります。
藤井啓祐氏作成の図による
桐原 インターネットでデータが集められるようになり、さらに計算資源も増大しましたね。
藤井 インターネット上でラベルが付いた意味のあるデータが膨大に集まるようになりました。さらにGPUが発達してコンピューターのなかにアクセラレータというかたちでGPUが搭載されて、計算資源が一気に普及しました。さらにディープラーニングという枠組みが出てきたことによってAIが猛烈に進化したわけです。AIの進化の歴史と比較して、量子コンピューターの進化を考えてみると、だいたい第１次ブームに相当するのは量子コンピューターという原理が提唱された1980年代から90年代だと思います。純粋な物理学者の興味で研究がされていた時代ですね。第２次の量子ブームは2010年代ですね。マルティニスが精緻なエンジニアリングをして、量子コンピューターというシステムをつくっていこうというフェーズに入った。それこそ「量子超越とかクラウドで量子コンピューター使えますよ」という、実際に使用できるように量子コンピューターを進化させていった時代ですけど、残念ながら今の量子コンピューターは性能がかなり制限されているのでトイプロブレムしか解けないと言われているフェーズです。
桐原 社会に実装されるにはまだまだ時間がかかるということですね。
藤井 おそらく量子AI、量子機械学習が本当に使われるのは、2030年代以降ではないかと見られています。量子のICTインフラが普及しない限り、第３次AIブームみたいなかたちで広がるのは難しいと思います。というのも、そもそもAIとは目的ではなく手段、道具なのです。何かをやりたいっていうときの手段、道具です。その「何か」という材料がないとAIは動かないわけです。画像データがなければ画像認識をやりたいというモチベーションが湧かなかったように、量子の機械学習が普及するためには、量子コンピューターが処理能力として進化する必要があり、さらに量子センサーが普及することによって、いろんなところから量子データが取れるようにならないといけない。さらに量子通信が進むことによって、そうした量子データのやりとりがされるようになり、量子コンピューターのなかでの仮想的な実験に対するモチベーションが出てきます。こういう物質をシミュレーションしようとか、ああいう物質をシミュレーションしようとか、量子データを使って何かしたいという欲望が出てくるわけですね。このフェーズにならないと、量子機械学習が生きる時代にはならないと思います。
