seven
采访人工智能研究负责人 B. Rajathilagam 博士
我在阿姆里塔·维斯瓦·维迪亚佩瑟姆 ( AVVP )大学获得了工程学士学位。我于 2003 年毕业，搬到孟买，开始了我的第一份工作——软件顾问。如果有人问我是否有一段时间我想重温，那毫无疑问是我在这个令人惊叹的机构度过的时光。我毕业后的这些年，AVVP 只变得更好，我觉得嫉妒现在的学生！
AVVP 之所以成为印度十大院校之一，很大程度上是因为师资力量的质量。当我在绿岸资本(我的基金)会见我的初创企业时，我经常告诉他们，创始人需要成为讲故事的人。最优秀的故事讲述者通常比其他人成长得更快，因为他们可以很好地描绘他们的愿景，以至于人们感到鼓舞，并希望成为初创企业旅程的一部分。老师也是如此。不同之处在于，教师比初创企业的创始人要无私得多，后者常常梦想着赚几十亿美元。
我一生中最会讲故事的人是我妈妈。她是一位了不起的老师，多亏了她，我才有了今天。第二好的无疑是 B. Rajathilagam 博士(BRT ),她在我们大学生活的 3 年里用她的讲座祝福了我们。当我遇见她时，我开玩笑地告诉她，我已经不记得她教我们的面向对象编程系统 ( 哎呀)概念了；但是我永远不会忘记她给我们举的电梯的例子，她把这些概念变成了现实。
在过去的几年里，我一直在就各种倡议与 BRT 保持联系。她在大学里领导人工智能和机器学习研究已经有一段时间了。这所大学所做的研究最好的一面是，它专注于解决印度当地发现的社会问题。
我们一直在讨论该大学的研究生如何获得来自全球的支持。我们还评估了与大学内的研究工作共享协同效应的初创企业。所以，我对大学里的研究团队试图解决的现实世界的问题有了很好的理解。
因此，我知道如果我能采访 BRT，我会为这本书获得一些宝贵的见解。她马上同意帮忙。在这一章中，BRT 带来了人工智能、量子计算和区块链等新兴技术可以解决的社会挑战。采访脚本如下:
Arun: 女士(在整个谈话过程中我都是这样称呼她的)，谢谢你的时间。很高兴有机会为这本书采访你。你能告诉我一些关于你的职业生涯，你现在在大学里的角色，以及你是如何参与量子计算领域的吗？
BRT :我对量子计算的接触始于我对特征工程的研究。我发现我们在特征工程方面已经达到了一个饱和点，我们无法捕捉信号、图像、视频等等中的微小细节。我认为有很多领域是传统算法无法捕捉到的。我们遇到了瓶颈，表现没有达到我们的预期。因此，在我的研究中，我一直在寻找克服这些限制的算法。我发现量子计算原理天生具有解决这些限制的性质和能力。
量子力学的一个基本概念是群论。群论定义了量子力学中原子粒子的特性。它提供了数学表示和抽象，可以帮助您解决您试图解决的现实世界中的问题。我们正在研究的一些多维问题可以用群论来表示。
我开始用量子力学的原理研究算法。使用群论技术，我们为信号开发了特征滤波器( G-lets )，这些滤波器也可以为多维信号工作。在捕捉量子力学的数学抽象中有一种自然的流动。因此，它在量子计算机上的工作比在经典计算机上更无缝。然后我们做了一个信号处理的量子算法来捕捉这些特征。接下来，我们也做了一个经典版本，虽然它不能和量子版本相比。
令我兴奋的是，即使该算法的简单版本适用于经典计算机，它也优于许多现有的传统特征算法。例如，假设你正在听一个人连续说话，然后你偶尔听到一个鸟的信号——信号频率不断变化。比方说，你必须捕捉到信号从人的声音到鸟的信号的转换点。使用现有的经典算法，这有时会非常困难。
在量子计算机中，你应该能够并行进行这些操作。这是量子计算机的一项重要功能，让我非常兴奋。这种能力让我们进入了机器学习。机器学习需要大量的特征和大量的数据来让我们理解底层的模式。因此，如果你能处理这么多数据并观察模式，量子计算机会是一个更好的选择。这就是我如何开始研究量子机器学习的，尽管我仍然致力于经典机器学习。
我正在调查为量子计算机开发模拟器的公司。我们在 NASA 的量子人工智能实验室(QuAIL)中设置了 D-Wave 的量子计算。我密切关注这些公司，我注意到在过去的 5 年里，人们对量子计算机的兴趣激增。
当然，也有路障。要克服的一个关键障碍是硬件。如何在室温下维持这种原子粒子设置？这是一个真正的挑战，尤其是当我们希望量子计算机能够商业化的时候。然而，退火技术的到来比我们最初预期的要快。使用退火的优化现在已经变得更加成功，这将是对该领域的一个巨大推动。这是因为退火方法是用量子原理从头开始考虑的。
尽管像 IBM 和其他公司这样的大公司关注通用门，但我认为它在未来 20 年左右不会有商业可行性。
阿伦:那么，你认为模拟器会是第一个起飞的吗？
BRT :绝对的。对于新手来说，编写量子算法并不容易。他们将从模拟器开始，因为他们将能够了解环境。
Arun :这正是我从富士通首席科学家那里得到的输入。他提到，优化解决方案将是这一领域中唾手可得的成果，因为退火占据了主导地位。基于网关的解决方案可能需要更长的时间。
是的，这需要时间，因为半导体行业仍在努力让它在可控的环境温度下工作。我们还需要解决错误率的问题。这是该行业正在解决的两个主要障碍。研究人员正在努力实现纠错目标。
阿伦:我和聊过，他正在研究用于量子纠错的噪声中间尺度量子(NISQ)技术。他强调，这是一个关键领域，基础设施必须得到改善，以保持较低的错误率。那么，告诉我们你目前在研究中做的有趣的工作。
作为研究工作的一部分，我们正在进行模拟和真实数据分析。在模拟器中，我们能够模拟我们选择的场景和参数。所以算法的复杂程度是我设计和决定的事情。由于问题的复杂性是由我设计的，我可以根据自己的选择扩展它。当我看到一个挑战时(使用传统方法)，我可以选择在量子模拟器中完成它。我们正在研究的一个用例是交通事件检测。
目前，我们在印度没有任何监控交通的基础设施，除了在一些复杂的信号中，在高速公路上，以及在有摄像头的主要路口。在世界其他地方，除了道路基础设施，他们还建立了数字基础设施。数字基础设施在印度根本不存在。阻止我们的是创建这种基础设施的成本。例如，我们目前拥有的相机在夜间或恶劣天气下将不会有用。如果你必须建立一个雷达来克服技术限制，实现 1 公里的成本是 300 万印度卢比(约 32000 美元)。低成本雷达面临高噪声信号的挑战。
Arun :所以，这是不可持续的。
这根本不是一个可持续的解决方案。他们正在德里一个困难的交叉路口试用 3D 雷达，但是它的工作距离影响了解决方案的可行性。现在让我们看看其他现有的技术——传感器、网络物理系统、物联网设备——你会把它们放在路上的什么地方？同样，他们工作的范围是一个挑战。实际上，这里有一个机会给那些能够建立能够克服这些当前限制的系统的人。
Arun :那么，思考一下这个问题的解决方案，我们能不能不在汽车、公交车、摩托车上安装物联网设备？这些车辆上可能附有物联网设备，可以进行实时跟踪。这将是了解整个交通系统在任何时间点的状态的更简单的方法。如果有一个连接这些物联网设备的中央交通管理系统，我们可以首先实时捕捉交通数据，以管理交通。但是，我们也可以进行预测分析，比如说，每天有 2000 辆车在特定时间通过一个路口。我们可以据此规划交通法规和管理资源。这和你的发现一致吗？
这将解决这个大难题的一部分。然而，这些物联网设备的范围、车辆移动的速度以及缺乏良好的连接将限制该解决方案的功效。有了 5G 技术，你将拥有更好的解决方案。但是，正如我们今天所看到的，快速连接、实时传输数据并据此采取行动存在实际困难。这并不是因为没有软件解决方案。
Arun :如果硬件解决方案有局限性，无人机能帮忙吗？
是的。无人机是潜在解决方案的另一个方面。你可以在此基础上添加其他解决方案，使其更加全面。你可以用无人机鸟瞰世界。也许在高峰时段，你可以在交通系统的特定区域飞行无人机。所有这些都将连接到一个分层网络，您可以构建一个解决方案。你看，这完全是一个多维度的问题要解决。现阶段，在印度一个繁忙的城市中协调这一点仍然任重道远。
阿伦:是的，这里也有一个相关/相互依赖的问题。比方说，10 个人开车进入一个路口，他们都可以相互关联。所以，如果你想模拟这种流量的行为，我们需要模拟这 10 个人是如何相互影响的。
BRT :看对整个城市和具体道路的时空影响。假设有一条路堵了，人们在通过备用路线行驶，这样就不会陷入这种堵塞。这可能会导致备用路线也被阻塞。
所有周围的区域开始变得堵塞，你在那里有一个瓶颈。为了分散交通，并不是要在系统中找出一个点；你需要有一个协调的努力来做到这一点，这样你就可以在第一时间防止交通堵塞，如果发生交通堵塞，你需要尽快驱散它们。
Arun :那么我们的研究和解决方案进展如何？
我们正在寻找一种能在更大范围内工作的雷达。有一些退休的印度空间研究组织(ISRO)的科学家从事雷达技术工作。我们还有一位退休的印度空军中校，他从事雷达技术工作。我们正在与他们合作，想出一个雷达解决方案。我们看到，二次雷达是解决这个问题的更好办法。雷达会在路边，因为你可以把它们放在车里。你可以称之为物联网设备，也可以纯粹称之为雷达。耦合技术(雷达和物联网)可以帮助我们改善网络形成本身。车辆内的技术仅仅解决了交通管理解决方案的一部分。
印度政府主要侧重于首先建设实体道路基础设施。网络物理基础设施和道路网络的数字化只是在那之后。因此，像我们这样的机构有责任为这些问题提出创新的解决方案。
我们提出的一些解决方案最初可能不是最理想的。但是我们可以开始与政府讨论差距在哪里。如果我们可以建立一个量子解决方案，我们可以向政府展示小规模解决方案的功效，并向他们展示他们需要在哪里投资，以扩大全国道路的网络基础设施。
阿伦:但是我们需要量子解决方案吗？难道我们不能用经典计算机实现这一点吗？
我认为量子解决方案肯定会有所帮助，因为它涉及的复杂性。第一个原因是您必须查看的数据量和相互关系。数据中的相关性和协方差在量子解决方案中具有更好的可见性。你将能够更好地想象它。否则，您将不得不分析一个维度的因素，并且可能无法可视化和分析多维数据。
这就是量子机器学习可以比经典计算机做得更好的地方。
Arun :那么，在你的研究中，还有其他智能城市的使用案例吗？
BRT :我们学习了非多项式(NP)问题。量子计算机有望解决 NP 时间问题。我看到了一个有趣的链接，一家公司为旅行推销员问题发布了他们的 GitHub 代码，这是一个 NP 问题。如果我们可以开始解决 NP 问题，那么我们就打开了一个以前无法考虑的巨大问题集，我们将通过量子计算的力量获得这些问题的新鲜解决方案。
现在你有了量子计算的选择，有了一种全新的方法来解决 NP 问题。当今世界的机器学习在很大程度上被认为只具有经典计算机的能力。当量子机器学习成为主流时，我们将在一个完全不同的水平上运行，解决非多项式类型的问题。
阿伦:有意思。这又把我带回了我正在进行的关于物流的对话。你谈到了旅行推销员的例子。类似地，利用现有技术，在全球范围内获得最佳飞行路线也是我们面临的一个难题。目前，还没有任何一种无缝方法可以做到这一点。因此，物流将成为基于退火优化的一个重要领域。
是的，物流是一个可以从量子技术中受益匪浅的大行业。由于一些关键的物流问题是基于优化的，我们可以使用量子退火来确定这个行业的解决方案。
回到智能城市用例，我想就地理空间数据提出最后一点。卫星数据可以帮助城市的基础设施项目。例如，当您想要建造一个公寓时，您可能想要了解阴影的影响，它对其余地方的可见性的影响，等等。
我们可以模拟城市中的洪水；我们可以模拟火灾逃生路线和闭路电视摄像头的位置，以确保最大的覆盖范围。当我们将地理空间数据用于智能城市时，我们可以找到许多这样的问题的答案。
这些问题中的许多也是基于优化的，并且可以使用量子退火器来解决。
Arun :我们(绿色海岸资本)已经投资了一家名为 GYANA 的公司，他们已经在研究你提到的地理空间数据的一些用例。在智慧城市场景中，它的确是一个强大的工具。关于使用量子和经典机器学习技术的智能城市解决方案，您还有其他观点吗？
嗯，我们现在可以继续谈医疗保健。你提到了优化问题。为什么我们在数值计算中追求最优化？数值计算的精度对我们得到的结果有很大的影响。在机器学习和深度学习技术中，我们依靠优化技术来改进我们的计算。量子计算机可以更好地处理这种精确的计算。例如，Python 是一种编程语言，它本身并不限制我想要计算的数字的大小和小数位数，但我运行它的经典计算机确实限制了我，这完全是由于硬件的固有限制。
我们使用量子计算机可以实现的精确计算取决于量子位的数量。现在，让我们以医疗保健和制药行业为例。镰状细胞贫血症在印度的部落人群中很流行。患有这种疾病的人红细胞变形。这可能是一种遗传性疾病，在某些情况下，也可能是由环境引起的。如果你看看病人，他们大部分时间都很痛苦。作为治疗的一部分，这些病人会服用止痛药。
这些患者接受的药物剂量是毫克。为了大规模提供这种治疗，我们需要为每个患者制定一个治疗计划，并知道在给定的时间点需要开多少剂量的处方。这一过程与分发药物的物流相结合，会很快变得非常复杂。
在印度，部落健康由初级保健中心或超级专科医院管理。印度有多少初级卫生保健中心？我们 69%的人口生活在农村。许多村庄没有初级卫生保健中心，在许多初级卫生保健中心，医生经常不在(有时，他们可能根本不出现！).
忘记重症监护室，伤亡，紧急情况和其他极端情况。甚至日常保健，止痛药，扑热息痛，在印度的一个村民也经常得不到。这就是目前的情况。
机器学习支持非常微小的诊断和对药物剂量的建议。在历史数据的帮助下，医学专家可以做出更准确的诊断。由机器学习支持的数字远程医疗保健解决方案可以在医疗保健领域引发一场大革命，不仅在诊断方面，而且在向农村人口有效分配药物方面。
我们正在和一些居住在离我们大学校园 15 公里范围内的部落居民一起工作。他们最近的政府医院在 35 公里之外。甚至交通也是一个重大挑战:他们只有一辆每天一趟的公交车。一天一次就好！
一个村 450 人，另一个村 150 人。有一辆公共汽车早上 7 点来。那是他们唯一可用的交通工具。如果有任何紧急情况，他们必须呼叫紧急服务。这在印度是很常见的事情。在这种情况下，基于机器学习的数字解决方案可以产生很大的影响，因为它可以精确地治疗和分发药物。在现有的超级专科医院，可以整合数字化解决方案进行远程会诊。
甚至连治疗周边的后勤都可以管理。超级专科医院基础设施不会在每个村庄都发生。医生不会亲自到村里来。我们需要一个数字化的全球解决方案。
Arun :你是如何定期收集需要这种药物的人的信息的？如果一个村庄有 600 人，其中 10 人患有这种疾病，那么需要有一个解决方案来首先确定对药物的需求。需要有一个物流解决方案来建议分销商可以定期采取的最佳路线。你是如何收集地面情报的？有没有物联网设备？
BRT :是的，物联网设备可以用来收集信息。可穿戴设备可以用作社区工具包。有些公司来到村庄，用这样的工具包收集数据。但是数据收集没有单一的解决方案。研究人员和行业有很多机会构建从社区收集诊断数据的解决方案。我们将需要具有非侵入式传感器的物联网设备，并且还需要精确的传感器。
我们正在研究利用血流并为诊断提供数据点的超声波传感器。在印度，传统的脉诊疗法已经使用了几个世纪。
Nadi Pariksha 是古老的阿育吠陀脉诊技术，可以准确诊断身体的生理、心理和情绪失衡。这是一种非侵入性的科学，有助于找到疾病的根源，而不仅仅是症状。
还有一项研究，他们给眼睛和眼睛里的血管拍照。利用这一点，他们可以确定你身体的哪个部位有问题。研究人员也发表了这方面的文章。我的观点是，我们可能必须超越传感器来将它扩展成一个可行的模型。你需要有更好的医疗设备来获取足够的数据。
我们校园里有一个小诊所。校园内有一个小型实验室。我们正在收集数据，看看在这个阶段我们能为来校园工作的一些部落人口做些什么。我们的一个博士生正在研究这个。
值得庆幸的是，这里没有资金问题，因为为了部落福利，政府准备花很多钱。这不是一个纯粹的商业解决方案，所以私营部门没有多少人接受。否则，我们早就有解决方案了。
Arun :在这种背景下，量子器件能有什么帮助？有用例吗？
现在还为时尚早，但是当量子计算机成为主流时，我们应该能够扩展这些创新的解决方案。在地面上，我们可以想到可以帮助更好地处理数据的小型量子设备。在 5G 的帮助下，我们可以制造由量子比特电路供电的物联网设备。
在医疗保健方面，我们还有 Amrita 的超级专科医院，这是印度第五大医院。我们在那家医院获得了最先进的技术，它可能是印度最好的医院之一。你在印度以外可以得到的任何治疗在那家医院都可以得到。最近，他们成功地为一名未出生的婴儿做了肾脏手术。
然而，我们知道使用创新的解决方案我们可以做更多的事情。举个例子，让我们看一个在重症监护室的心脏病患者。他们的情况通常不会突然恶化。勤勤恳恳的人眼可能会注意到一些微小的信号。
但这样的信号在今天不容易被机器学习捕捉到。这些信号非常轻微，由于需要查看大量的患者数据，人类通常不会注意到这些信号。这就是量子技术可以发挥作用的地方。
医疗保健解决方案需要能够反映自然。从这个意义上说，量子计算机在医疗保健方面应该比经典计算机更加有效。有了人工智能和机器学习，我们可以把我们捕捉到的所有数据，并取得进展。这就是医疗保健。
Arun :听起来不错；我们谈谈网络安全好吗？我认为这是量子计算和区块链技术重叠的一个重要领域。
BRT :是的，我想在这个背景下谈谈区块链。区块链和量子计算有密码学作为共同元素。但我担心这可能是区块链的末日(一旦量子计算成为主流)。区块链以其目前的形式，可能不再与量子世界相关。区块链社区需要快速适应以保持相关性。
我听说抗量子账本可能会改变现状，但我不是区块链专家。所以，我不知道。
在网络安全方面，量子密码截至目前是无法破解的。原因是如果有人听到信息，他们会干扰设置。中国是这一领域的领导者，因为他们最近展示了使用纠缠的卫星通信。他们利用这种量子原理成功地将信息传输了几千英里。
回到纠缠，我认为这个量子属性还有几个用例和机会，我们还没有真正探索。使用量子密码术的安全信息传输不需要像基于门的量子计算机那样多的基础设施。因此，它们(量子密码术和信息安全)将比基于门的解决方案更快成为主流。
想象一下我们讨论的最后两个用例——医疗数据和密码学。我们在金融和医疗保健领域采用云所面临的挑战之一是数据安全性。如果我们能把量子密码和医疗数据结合在一起，并以服务的形式提供，这可能会给这个行业带来革命性的变化。
中国已经在这个领域(量子加密)远远领先于其他国家，而印度做得还不够。
阿伦:这很好地把我们带到了我要问你的另一个问题。在英国，我们有一个很好的政府支持的项目，叫做创新英国。我知道他们已经在量子计算研发上投资了 4 亿多英镑。此外，加拿大也有类似的投资，但中国在这一领域的投资可能是最多的。他们有价值几十亿美元的研发资金分配给量子计算研究。
按照这种速度，R&D 分配给量子计算的资源很少，印度不会落后吗？由于加密货币的禁令，我们已经落后于区块链和该领域的创新。在缺乏政府支持的情况下，我们如何迎头赶上？
印度政府对资金的大部分承诺都是给印度理工学院(IITs)领导的研究。总的来说，总理纳伦德拉·莫迪表现不错。他引入了一个名为“卓越学院”的项目，这将包括其他顶级教育机构，如 Birla Institute of Technology and Science(BITS Pilani)和 Manipal 大学。
这也将有助于我们更好地与全球大学合作，并招聘外国教师。然而，从资金的角度来看，大部分资金都分配给了印度理工学院，而其余的学院只获得了分配预算的一小部分。由于缺乏量子计算的生态系统，我认为我们无法与中国竞争。甚至像英国这样的国家也可能难以与之竞争，例如，中国为 R&D 分配的资金是英国的 10 倍。
各国需要记住，R&D 和我们在量子计算等技术上看到的成功，就像冷战时期各国在国防和军事技术上看到的成功一样。如果中国先获得量子霸权，如果他们与印度或美国分享这项技术，我会感到惊讶。他们将利用这一优势在信息战中保持领先。
阿伦:这是中印之间一次很好的比较。一如既往，中国领先几年。让我们来谈谈半导体行业以及量子计算机将如何影响它。
半导体设备是一个有趣的领域。如果你看看量子位电路，我们有硅片和氢原子用来制造它们。麻省理工学院最近在 Nature 上发表了一篇文章，称氢原子可以用来在室温下制造量子比特。我密切关注这项研究。我有一些材料科学的同事。其中一个正在研究氢燃料电池。
我们在量子计算中用于叠加的自旋——这一特征在量子计算和材料科学中很常见。
材料科学家已经有了这种捕获离子的装置。这是我认为半导体行业可以借鉴材料数据科学行业来制造更好的设备的地方。如果你想想，量子计算机有粒子物理作为基本元素，我们有这么多不同类型的粒子。我们还没有真正尝试将它们全部组成量子位电路。它们都有不同的特性，因此根据适用性，我们可能有相当多的选择来构造量子位。
对粒子行为的更深入了解可能会颠覆量子位元开发产业。我们可能不会看到量子计算机(硬件)的垄断，就像我们在一些半导体公司的经典计算机中看到的那样。
我想说的另一点是，只有当我们有多学科专家聚集在一起时，量子计算研究才能成功。计算机科学家、物理学家和材料科学家都需要在这个领域创造有意义的创新。这种情况只发生在像麻省理工学院这样的社区中，我们需要全球整个行业的这种意识和能力。在这一点上，我看到印度只有极少数机构在这个领域工作。ISRO 正在调查此事，但也只是从卫星通信的角度来看。
这就是为什么拥有一个更全面的生态系统对于量子计算和围绕它的创新如此重要。
阿伦:T2 有几个非常重要的地方。半导体行业变得不那么垄断的想法很有趣。我认为这可能是一个令人耳目一新的发展。我没有其他问题了，女士。非常感谢你的时间和你的见解。
谢谢你向我伸出援手，我很高兴我们能达成这一目标。
结论
即使在大学听了将近 20 年的 BRT 之后，她在采访中用一些行业见解启发了我。她对技术的热情是显而易见的，尤其是如果你有幸听了这次采访的录音。如果没有的话，我会很快列出采访这一章的要点。
我们谈到了量子机器学习如何改变农村地区的生活。BRT 带来了她在印度乡村工作时发现的机会。然而，如果这是在小范围内执行的，那么没有理由为什么这种技术不能在世界其他农村地区推广。
她的医疗保健例子让我特别感动。如果像她提到的这种解决方案是使用由量子机器学习提供动力的中央数字基础设施来实施的，那么该行业可能会更加高效和有效。她还谈到了其他几个医疗保健用例，如使用机器学习的诊断，以及量子计算机如何在那里增加价值。
我将这次采访作为智慧城市章节的灵感来源。采访中讨论的一些观点在那一章中有更详细的探讨。BRT 触及的关键点之一是生态系统的重要性，以及技术优势如何帮助各国在信息竞赛中领先。
最后，她对半导体行业以及量子计算机如何改变半导体行业的见解很有趣。随着量子位电路的不同解决方案的出现，这个世界可以在这个领域进行更多的竞争。
我们还有另外两个访谈章节，将涉及纠错和网络安全相关的量子计算应用等主题。
