「國內外企業的量子計算團隊各有各的模式，我們希望能找到適合自己特點的發展模式，」騰訊量子實驗室傑出科學家、原香港中文大學教授張勝譽說。針對騰訊量子實驗室的搭建與規劃、量子計算與人工智能基礎研究的機遇與挑戰等問題，他向機器之心進行了深入分享。
又有一家中國互聯網巨頭挺進量子計算的基礎研究。
不久前，在騰訊舉辦的學術&工業交流會議（TSAIC）上，公司籌建中的量子實驗室首次正式亮相。
近年來，傳統計算機的性能增長越來越困難。探索全新物理原理的高性能計算技術的需求應運而生。科學家認爲，量子計算機會成爲未來科技的引擎，極大改變人類日常生活。
儘管目前世界上還沒有一臺真正意義上的大型通用量子計算機，通往夢想之路仍然漫長也充滿挑戰，但這並不影響一些高科技公司「未雨綢繆」。
過去的 2017 年，我們見證了各國將量子計算列入國家戰略並大力投入量子計算機研究的蓬勃態勢，同時也目睹谷歌、IBM、英特爾、微軟等科技巨頭以及 Rigetti、IonQ、Quantum Circuits 等量子計算創業新秀在這場舉世矚目的「量子霸權」爭奪賽上的激烈角逐，量子計算的潛能和重要性正逐步被更多人認識並關注。
同時，正如谷歌量子人工智能實驗室的初衷之一——將機器學習與量子計算機進行整合，不少着眼量子機器學習的企業級量子研究室對這一研究方向表示看好，計劃打造量子神經網絡，或量子化的機器學習算法，用來縮短訓練現有經典神經網絡所需的時間，甚至開發新型的機器學習算法。
量子物理與機器學習的結合給突破經典機器學習模型的技術瓶頸帶來了新的可能，受量子力學原理啓發進行改造的經典計算模型則有望在經典計算機上就能實現運算的指數級加速，使用量子計算進行機器學習則可能是下一代「殺手級技術」。
「國內外企業的量子計算團隊各有各的模式，我們希望能找到適合自己特點的發展模式，」騰訊量子實驗室傑出科學家、香港中文大學教授張勝譽說。
針對騰訊量子實驗室的搭建與規劃、量子計算與人工智能基礎研究的機遇與挑戰等問題，張勝譽向機器之心進行了深入分享。
以下爲採訪實錄，機器之心進行了不改變原意的整理。
關於騰訊量子實驗室
機器之心：有觀點認爲國內企業做量子計算研究，在某種層面上是「趕時髦」，效仿國外科技巨頭。你怎樣看？
張勝譽：騰訊以企業的長期健康發展爲目的，不必趕時髦，也不必避時髦。
市值上，中國互聯網公司已經具有舉足輕重世界地位。其中騰訊市值最大，位居世界前五。但在底層基礎研究投入上，中國互聯網公司和一些國外公司相比還有一定差距。
這其實也很自然，在成長和快速發展的初期階段，首先要保證好生存。隨着逐步進入穩健期，騰訊越來越重視科技和文化投入。事實上，中國幾家大的互聯網公司都開始嘗試一些基礎科學研究。
重要的是怎麼做。每個公司都需要結合自己不同業務場景，但是基本的一點是，做研究不是做秀，需要長期認真，踏實地去做。
而這一點，我對騰訊特別有信心。
機器之心：與這個領域的其他「參賽者」相比，騰訊會在多大程度上對量子計算的基礎研究表示重視和支持？
張勝譽：我也有很直接地問過 一位集團高層，「騰訊是否真正能在不管商業情況的前提下，堅持支持小規模高質量的基礎研究工作？」
他的回答讓我很讚賞。他認爲這個事情我並不用擔心，他個人和公司在看中量子計算這個方向後，都很願意支持。騰訊的風格是比較踏實和容忍的。他甚至和我說，你招人的話，更需要擔心的是另外一個方面——如果招來一個很聰明且非常努力工作的人，他在看到騰訊內部其他很聰明也很努力工作的員工做的產品能很快落地、很快被應用，並獲得了巨大的商業回報以及個人回報後，還能否繼續沉得住氣做他的基礎研究。
所以我們需要擔心的是，候選者是否真正對基礎和應用研究感興趣，尤其是具備做研究工作的深入程度，並能夠持續保持這個優秀品質。這樣的回答讓我相信，騰訊有這個決心和耐心。我想時間會慢慢告訴我們，哪些公司有更長遠的視野，做一些更具戰略佈局的基礎研究投入。
機器之心：能夠獲得真正意義上的支持嗎？
張勝譽：這是肯定的。
雖然騰訊在研發產品上是快速出結果，而量子方向從研究到最後有可能出現落地的應用的週期會非常長，但我個人對這方面顧慮不是很大。
我以前做量子算法，研究哪些問題有很好的量子算法進行加速運算，我知道這裏面有很多困難，甚至即使你有好的量子計算機作爲硬件算力平臺，面臨的困難依舊很多。所以騰訊高層是充分了解這些困難，沒有期望在短期內就得到商業回報，而是願意提早佈局，長期投入。
機器之心：會對標國外量子實驗室嗎？
張勝譽：我們希望能找到符合自身特點的發展模式。
國內外企業的量子計算團隊都有各自模式。其中，一個很大的分野在於是否構建自己的硬件團隊。如果構建硬件團隊，全部投到一個方案，還是有一個主導方案和一個輔助方案。
我個人並不認爲，國內互聯網公司現在就應該賭其中某一個量子計算實現的硬件方案。因爲，某些方案雖然進度較快，但技術突破往往難以預料，現在認定某個方案最終勝出，還爲時過早。但我們會密切關注硬件團隊發展並及時跟進。
至於理論方面，我相信我們會發展成國際一流的團隊。
理論不止需要紮實的功底，更需要超越時代的視野。否則一時會產生很多文章，但是十年過後發現那些文章在歷史上都留不下什麼痕跡。我希望騰訊量子實驗室的理論方面從小做起，但是心存高遠的目標。
歡迎有在亞洲工作意向的各個級別的學者，也包括聰明而有抱負的學生和博士後加入，共同努力。
機器之心：產業界給實驗投錢的前提是什麼？是不是需要先從理論上證明，存在具有殺手級應用的量子算法？
張勝譽：其實，過去二十年裏發現了很多量子算法，早已不僅僅 Shor 和 Grover 的那兩個。
只是目前發現的量子算法總數少，不如經典算法那樣成體系。有很多量子算法，外界知道的不多。
當然，算法科學家也一直在尋找在解決哪些問題上，特別是些實用性強的問題，量子算法比經典算法效率更高。如有重要理論突破，相信會加速產業界對相應研發的投入。
另一方面，除了有理論證明的傳統算法，暫時沒有理論支持的算法也重要。
就像深度學習，人類對其成功原因的理解還停留在比較初級的層面，但這並不妨礙落地應用。對於這一類量子算法，需要理論和實驗科學家精誠合作，共同努力。
機器之心：會與其他「參賽選手」展開競爭嗎？
張勝譽：目前來看，行業合作遠遠大於競爭。
因爲大家有一個共同的敵人——實現量子計算機中遇到的噪聲問題。我們希望受控的量子比特之間有比較好的糾纏和交互，但也不希望它們與環境的相干性太厲害。這很不容易控制。需要學界和業界的積極合作和共同努力。
目前待合作的問題包括量子計算硬件層面的製造、糾錯機制與糾錯碼的研究、噪聲來源和形成的原因研究、如何消除噪聲，以及根據現有的噪聲能否設計一些有趣的問題和算法，使得即時在有噪聲的情況下運行該算法依舊能獲得有效的結果等。
希望高校和研究機構都能以開放的心態來共同推動基礎研究。這個階段過多考慮利益之爭，可能會嚴重限制量子計算髮展。看似得到一些短期利益，但是實際上變成固步自封。
關於研究與治學
機器之心：張教授本科就讀於復旦大學數學系。1999-2002 年期間，在清華大學計算機系人工智能實驗室讀碩士，師從應明生。當時所在團隊是不是國內最早從事量子編程語言、量子複雜性等量子計算軟件方向研究的團隊？後來到普林斯頓大學師從姚期智，研究課題上有沒有什麼變化？
張勝譽：本科數學系畢業。研究生階段，對量子物理和量子計算的接觸並不多，也沒有計算複雜性背景。初入清華，研究方向也不是量子。
直到第二學年末（2001 年中），纔開始跟隨應老師學習量子信息知識，偏重量子狀態和量子測量的一些基本數學性質。那時候，應老師的團隊確實是國內最早從事量子信息處理研究的團隊之一。
博士階段來到普林斯頓之後，發現北美學術界更多地在進行量子算法和量子計算複雜性研究，而姚先生也是這方面的大師，所以，個人研究也更多地轉到相應領域。
機器之心：近年比較關注哪些方向的學術研究？
張勝譽：除了繼續關注量子算法和量子複雜性之外，還做過一些量子博弈的研究。發現在很多場景下，使用量子技術會在一個博弈中取得很大優勢。
更加近期的關注點還包括機器學習基礎研究，以及使用量子物理改進經典的機器學習算法。
量子機器學習是一個有趣的領域，現有的量子計算機都存在運算規模小、噪聲大、難以控制等問題。而量子機器學習算法可能受到的噪聲對性能的影響相對小一些。
我本人也關注經典機器學習算法，因爲它在近年發展得特別快。這在一定程度上說明，人類對自身理解有了很大進步。希望量子物理中的一些模型和想法能夠進一步推進機器學習發展。
機器之心：進入產業界後，學術研究方向會有變化嗎？
張勝譽：一方面，騰訊充分理解量子計算研發的基礎性和前瞻性，所以給了量子實驗室比較大的自由，包括學術自由。
另一方面，作爲一個大平臺，騰訊有多方面的業務和場景，這些會給學術研究帶來很多新的思考和問題。
具體到領域，在學術界時，我覺得很多方向都很有趣，比如量子算法、計算複雜性、量子物理基礎、量子信息、量子容錯糾錯、量子博弈、量子密碼等。
現在身份轉變後，可能會更多去關注能先被產業界應用的研究方向，比如量子算法中的一些有潛在應用前景的問題。
機器之心：量子機器學習領域有不同的細分研究方向，比如使用量子物理原理構建新的機器學習模型、使用量子算法加速經典機器學習運算效率、通過經典機器學習解決量子物理問題等。你最近有接觸過這領域哪些比較有趣的研究工作？
張勝譽：你說的這幾種都是很有意義的研究方向。其中，用經典機器學習幫助解決量子物理問題可能短期內比較容易實驗實現，直接應用主要在科學研究上，商業應用價值暫時還不明顯。
經典機器學習問題的量子算法這些年有一些了，不過用的技術還可以更豐富一些，其中有一些工作的嚴格性還需要進一步夯實。
其實，還有一類你沒提到的，就是用量子的想法來啓發經典機器學習的新算法。
最近，聽到一名騰訊員工參與的工作，即將發表在 AAAI 2018。
研究使用了受量子物理原理啓發、處理 NLP 問題的經典算法。在模型和計算環境上都是經典狀態，有直接應用前景。
騰訊內部有一個量子學習小組，對量子物理+人工智能感興趣的小夥伴們可以互相學習，氛圍非常好。
機器之心查閱到，其論文名爲：End-to-End Quantum-like Language Models with Application to Question Answering
機器之心：你曾被香港中文大學學生評爲最好的計算機系教授，但也有學生很不理解您的教學方式。上課不帶教案、考試是開卷考、會經常問學生想學什麼等。如何評價自己的教學模式？
張勝譽：最好是過獎了。博士畢業後，我下定決心教書的一個原因是，內心還抱有一點小情懷。除了學術產出以外，也希望能通過更直接的方式，把自己的經驗和教訓分享給更多人，而教書顯然是更好的方式。所以我希望找到合適的教學方式。
我教研究生課程的時候，上講臺儘量不帶任何筆記和 ppt，所有算法細節從頭到尾都在現場證明。可能有的學生會認爲這個老師備課不認真，因爲我都是現場用公式現推，有的時候也會卡住。但我希望這是一個比較自然的過程，能讓大家體會到哪些推理過程比較重要，哪些是不太重要的細節。
大多數計算機算法沒有那麼複雜，如果能化繁爲簡，並且在面對很困難的問題時，傳遞給學生一種感覺：「我承認這個問題很難，我也搞不懂，也很頭疼。但突然有一天，我想到一個角度來理解它時，會突然明白這東西也沒有那麼複雜。」
至於開卷考試，多用於本科課程，是希望學生把注意力用在去理解不同算法具體有什麼用、適用於哪些問題、如何設計算法、複雜性怎麼分析等，而不是死記硬背知識點。畢竟將來工作後面臨的實際問題就是可以查閱資料的情況下，需要你設計有效算法快速解決問題。這和開卷考試比較像。
機器之心：進入工業界後，你的工作重心會有哪些轉變？
張勝譽：在騰訊量子實驗室，研究還是實驗室日常工作的一個非常重要的組成部分。組裏會按興趣分工，一部分人更偏純粹基礎研究，另一部分會偏產業結合。
除了研究，還要做的事情包括團隊建設、管理、業務合作、外聯、宣傳甚至涉及投資，市場等，比以前單純做老師要豐富很多。這也會幫助拓寬我們的視野，能力得到全面鍛鍊。
同時，我還是希望能繼續培養量子人才。騰訊就有幾萬員工，藉由騰訊大平臺對外做一些科普教育和講座，還能把量子科技傳播到更多地方。
團隊還可以與高校研究院聯合做一些暑期班，爲公司也包括整個行業長期培養人才。