ผมเพิ่งได้มีโอกาสอ่าน แผนพัฒนาเศรษฐกิจ 5 ปี (2021-2025) ฉบับที่ 14 ของจีน (ฉบับแปลจีนเป็นอังกฤษ) ไปเมื่อไม่กี่วันก่อน ถือว่าอ่านช้าไปหน่อย เพราะประกาศมาตั้งแต่เดือนมีนาคมที่ผ่านมา และสื่อมวลชนไทยก็สาธยายรายละเอียดสำคัญไปหมดแล้ว แต่พอได้อ่านเอง ถึงได้รู้ว่าสื่อมวลชนไม่ได้แจกแจงทุกรายละเอียดปลีกย่อย ผมจึงเห็นว่าในเนื้อหามีคำสำคัญหลายคำที่ถูกกล่าวอ้างถึง ล้วนเกี่ยวข้องกับคอมพิวเตอร์ทั้งนั้น ซึ่งได้แก่ คลาวคอมพิวติ้ง บิ๊กดาต้า ไอโอที บล็อกเชน ปัญญาประดิษฐ์ วีอาร์ เออาร์
Category: Quantum Computer
โม้เกี่ยวกับเทคโนโลยี Quantum Computer
คิดว่าทุกคนคงทราบกันแล้วว่า การสั่งให้ควอนตัมคอมพิวเตอร์ทำงานได้ มันต้องใช้อัลกอริทึมที่เหมาะสม และในปัจจุบัน อัลกอริทึมเหล่านั้นก็ยังมีจำนวนไม่มากนัก และส่วนใหญ่ล้วนอ้างอิงพื้นฐานจากอัลกอริทึมซึ่งคนระดับปรมาจารย์คิดค้นเอาไว้ บทความส่วนใหญ่ในอินเทอร์เน็ตที่กล่าวถึงอัลกอริทึมสำหรับควอนตัมคอมพิวเตอร์ มักจะอ้างถึงชื่อบทความวิจัย และมักจะยกเอาเนื้อหาบางส่วนในบทความวิจัยมาอ้างอิง แต่เอาเข้าจริง เราก็มักจะไม่ค่อยได้มีโอกาสอ่านบทความวิจัย “ฉบับเต็ม” กันซักเท่าไหร่ (อืม จริง ๆ มันก็อ่านยากด้วยแหล่ะ) ดังนั้น มาลองอ่านบทความวิจัยของอัลกอริทึมสำหรับควอนตัมคอมพิวเตอร์ “ระดับตำนาน” แบบ “ฉบับเต็ม” กันดีกว่า โดยการกดลิงก์ที่ชื่ออัลกอริทึมในรายการข้างล่างนี้ Deutsch
บล็อกนี้เอาสั้น ๆ นะ สืบเนื่องจากคราวก่อนเขียนเรื่อง ทำไม DEEP LEARNING บน QUANTUM COMPUTER จึงทำงานเร็วมาก ๆ เอาไว้ แล้วเห็นว่ามันมีประเด็นเรื่อง Big O ที่ต้องขยายความอยู่นิดนึง เลยมาต่องานในบล็อกนี้ คือเวลาในการทำงานของ Deep Learning มันก็เหมือนโมเดลปัญญาประดิษฐ์ทั่วไป แบบว่าเวลาในการสอนกับเวลาในการใช้งาน มันไม่เท่ากัน ซึ่ง Big
ตอนนี้ Deep Learning เป็นพระเอกของปัญญาประดิษฐ์ ผมเลยคิดว่าจะชวนพวกเราคุยเรื่องที่ไม่ค่อยมีคนคุย นั่นก็คือ Big O ในการคำนวณ Deep Learning น่าจะอยู่ในคลาสไหน? จริง ๆ แล้ว ไม่ว่าจะเป็น Perceptron หรือ Multi-layer Perceptron หรือ Deep Learning ผมก็วิเคราะห์ว่า Big
พวกเราคงจำข่าวที่ Google ทดสอบประสิทธิภาพของควอนตัมคอมพิวเตอร์ยี่ห้อ D-Wave X2 แล้วได้ผลว่ามันทำงานได้เร็วกว่าดิจิทัลคอมพิวเตอร์ทั่วไปเป็น 100 ล้านเท่ากันได้ และผมก็คิดว่าพวกเราคงรู้กันแล้วล่ะ ว่าเบื้องหลังความเร็วของควอนตัมคอมพิวเตอร์ เกิดจากการประยุกต์ใช้สภาวะ Superposition ของคิวบิต ทีนี้ ผมเลยอยากจะช่วยขยายความเพิ่มลงในระดับของทฤษฎีความซับซ้อนในการคำนวณนิดนึง เพื่อให้พวกเราเห็นภาพมากขึ้นว่าทำไมควอนตัมคอมพิวเตอร์จึงเร็ว โดยพื้นฐานแล้ว (ในทางวิทยาการคอมพิวเตอร์เขาบอกไว้) หากปัญหามีขนาดใหญ่มากกว่าค่าหนึ่ง เพื่อให้ได้ประสิทธิภาพ ดิจิทัลคอมพิวเตอร์จะต้องวนรอบหรือเรียกตัวเองซ้ำ เพื่อคำนวณให้ได้คำตอบของปัญหา ยิ่งปัญหามีขนาดใหญ่มาก และมีความซับซ้อนมาก ก็ยิ่งต้องวนรอบซ้อนกันหลายชั้นมากขึ้น
เข้าใจว่าตอนนี้หลาย ๆ คนในวงการคอมพิวเตอร์คงจะรู้จักควอนตัมคอมพิวเตอร์กันแล้ว ซึ่งคนที่รู้จักก็น่าจะแบ่งได้เป็น 3 กลุ่มใหญ่ ๆ 1. กลุ่มรู้ทั่วไป คือ กลุ่มที่ตามข่าวของควอนตัมคอมพิวเตอร์ จึงรู้จักคิวบิตและสภาวะ Superposition ของมัน รู้จักความพัวพันเชิงควอนตัม รู้จักการประมวลผลขนานแบบควอนตัม และรู้จักควอนตัมคอมพิวเตอร์ยี่ห้อต่าง ๆ ที่ถูกผลิตโดยบริษัทชั้นนำของโลก 2. กลุ่มรู้เยอะ คือ กลุ่มที่อ่านเปเปอร์ด้านควอนตัมคอมพิวเตอร์มาแล้วหลายฉบับ มีความรู้ในการคำนวณสภาวะ Superposition
ทฤษฎีบทของเบย์เป็นทฤษฎีความน่าจะเป็นเชิงอนุมานที่ถูกใช้กันอย่างกว้างขวางในงานคอมพิวเตอร์ชั้นสูงครับ ไม่ว่าจะเป็นการรู้จำแบบมีผู้สอนเชิงเส้นด้วย Naive Bayes หรือ การรู้จำเสียงพูดด้วย Hidden Markov Model หรือ การคำนวณสภาวะ Superposition ของคิวบิตในควอนตัมคอมพิวเตอร์ ก็ล้วนตั้งอยู่บนหลักการของทฤษฎีบทของเบย์ทั้งนั้น โดยหน้าตาของสมการตามทฤษฎีบทของเบย์ก็เป็นแบบข้างล่างนี้ จริง ๆ แล้วทฤษฎีบทของเบย์ก็สืบต่อมาจากทฤษฎีความน่าจะเป็นแบบมีเงื่อนไขอีกทีนึงน่ะครับ เป็นโมเดลที่อธิบายว่าความน่าจะเป็นในลำดับถัดไปจะขึ้นกับความน่าจะเป็นของลำดับก่อนหน้า อะไรประมาณนั้น ซึ่งถ้าจะคำนวณความน่าจะเป็นของลำดับถัดไปโดยขึ้นกับความน่าจะเป็นของลำดับก่อนหน้า ก็สามารถทำได้ง่าย ๆ ตามสมการข้างล่างนี้ครับ แล้วในเมื่อมันมีสมการง่าย
การหยั่งรู้ล่วงหน้าแบ่งได้เป็น 2 แบบ แบบแรกคือเรารู้ได้ด้วยตัวเราเอง เพราะเรามีญาณทิพย์ ญาณวิเศษ ที่เกิดจากกสินที่บริกรรม สมาธิที่ก่อกำเนิด วิปัสสะนาที่เข้าฌาณ สิ่งศักดิ์สิทธิ์ดลใจ หรือของจากชาติที่แล้ว ส่วนแบบที่สองคือเรารู้ได้เพราะมีบางสิ่งมาบอกเราก่อน ไม่เกี่ยงว่าจะเป็นกุมารทองบอก ผีพรายกระซิบ เจ้าที่เจ้าทางเข้าฝัน สายสืบรายงาน คนรู้จักโทรมาบอก แอบได้ยินได้เห็น หรือแม้แต่ให้คอมพิวเตอร์คำนวณให้ เราสามารถใช้คอมพิวเตอร์เป็นเครื่องมือเพื่อหยั่งรู้ล่วงหน้าได้ โดยวิธีการที่ง่ายที่สุดก็คือการให้คอมพิวเตอร์ตรวจในทุก ๆ เส้นทาง ทุก ๆ
ผมต้องทำรายงานส่งอีกแล้วครับ คราวนี้เป็นหัวข้อ “สถาปัตยกรรมคอมพิวเตอร์ในอนาคต” ผมก็เลยคิดว่า ผมควรจะเอาเรื่องที่ผมเคยเขียนเมื่อหลาย ๆ ครั้งที่ผ่านมา จากหลาย ๆ ปีที่ผ่านมา อย่างเรื่องของ “ควอนตัมคอมพิวเตอร์” มาปะติดปะต่อเขียนใหม่ให้เป็นลักษณะของจดหมายเหตุ ที่มีการอ้างอิงวารสารวิชาการอย่างมีรูปแบบและเชื่อถือได้ ไม่ใช่การเล่าเรื่องเลื่อนลอยโดยไม่มีหลักฐานอ้างอิงอย่างครั้งที่ผ่าน ๆ มา อีกทั้งยังมีการใส่รายละเอียดเล่าถึงที่มาที่ไปอย่างครบถ้วน โดยพยายามใช้ภาษาอย่างง่ายที่สุด เพื่อให้คนที่ไม่ค่อยรู้ ได้รู้บ้างไม่มากก็น้อย เอาเป็นว่าเริ่มเลยก็แล้วกันนะครับ … บทนำ ปัจจุบันโลกยังอยู่ในยุคของสถาปัตยกรรมดิจิทัลคอมพิวเตอร์
การเคลื่อนย้ายมวลสาร ก็คือการที่มวลสารถูกส่งจากที่หนึ่งไปยังอีกที่หนึ่ง โดยไม่จำเป็นต้องสนใจในระยะเวลาและระยะทาง คือ เคลื่อนย้ายปุ๊ปก็ถึงปั๊ปอะไรประมาณนั้น (ตามรูปข้างล่าง) แรกเริ่มเดิมที การวิจัยการเคลื่อนย้ายมวลสาร ถูกกำหนดให้อยู่ในขอบเขตของอนุภาคและอะตอม โดยมีเจ้าภาพหลักเป็นนักวิทยาศาสตร์สาขาฟิสิกส์อนุภาค และในขณะเดียวกัน ทางด้านนักวิทยาศาสตร์คอมพิวเตอร์เอง ก็มีการวิจัยเกี่ยวกับควอนตัมคอมพิวเตอร์ด้วยเช่นเดียวกัน ควอนตัมคอมพิวเตอร์มันมาเกี่ยวกับการเคลื่อนย้ายมวลสาร ก็เพราะว่าพื้นฐานของควอนตัมคอมพิวเตอร์ คือ คิวบิต หรือก็คือ บิต ทางคอมพิวเตอร์ ที่สามารถมีสภาวะพร้อมกัน 2 สภาวะได้ นั่นคือ