もしあれば、量子コンピューターのどの側面が人工知能をさらに発展させるのに役立ちますか？
回答:
量子コンピューターは、行列の乗算が非常に優れていますが、いくつかの制限があります。量子重ね合わせにより、各ビットはゼロまたは1よりもはるかに多くの状態になり、量子ゲートはさまざまな方法でそれらのビットをいじることができます。そのため、量子コンピューターは特定のアプリケーションに対して一度に多くの情報を処理できます。
これらのアプリケーションの1つはフーリエ変換です。これは、信号分析や配列処理など、多くの問題で役立ちます。Groverの量子検索アルゴリズムもあります。これは、特定の関数が異なる値を返す単一の値を見つけます。AIの問題を量子コンピューティングに適した数学的形式で表現できる場合、大幅な高速化を実現できます。十分な高速化により、AIのアイデアを「理論的には興味深いがめちゃくちゃ遅い」から「量子コンピューティングをうまく処理できれば実用的」に変えることができます。
より多くの量子ビットを持つ量子コンピューターを作成できるようになるまで、AIをさらに開発する可能性はそのままです。
D-Wave（2015年頃に2,000以上の量子ビットシステムを作成したばかり）は、断熱量子コンピューターであり、汎用量子コンピューターではありません。特定の最適化問題に限定されています（その有効性は、基になる理論の創始者の1人によって疑われていると報告されています）。
32量子ビットの汎用量子コンピューター（現在のモデルの2倍、私が知っている限りでは）を構築できると仮定します。これは、重ね合わせでは2 32個の可能性しか存在しないことを意味します。これは、多くの問題を徹底的に調査できるほど小さいスペースです。したがって、既知の量子アルゴリズム（たとえば、Shor、Grover）のいずれかがそのビット数に対して有用な問題はおそらくそれほど多くありません。
量子コンピューターは、AIアルゴリズムをさらに開発し、創造性と問題を定義する能力の範囲で問題を解決するのに役立ちます。たとえば、暗号化の解読には数秒かかることがありますが、標準的なコンピューターでは数千年かかることがあります。人工知能と同じように、アルゴリズムで定義された特定の問題のすべての組み合わせを予測できます。これは、量子ビットの複数の状態の重ね合わせによるものです。
現在、量子コンピューターはまだ開発の初期段階にあり、複雑な計算を実行できます。GoogleやNASAが複雑なデータ分析に使用するD-Waveシステムなどのテクノロジーが既にあり、Multi-Qubitタイプの量子コンピューターを使用して、NSE流体力学の問題を解決したり、軍事目的のグローバルサーベイランスなどを使用しています知らない。
現在、IBM Quantum Experience（IBMクラウド経由で提供される世界初の量子コンピューティングプラットフォーム）のように、一般に利用可能な量子コンピューターは数個しかありませんが、量子論理ゲートレベルでプログラミングされているため、人工知能の作成には何年も遅れています公開されています。QCL、Q、Quipperなどの量子コンピューティング言語がいくつかありますが、人工知能フレームワークを提供できるライブラリーは知りません。そこにないという意味ではありません。巨大な企業や政府機関が、競争の結果（金融市場分析など）にアジェンダとして使用していると確信しています。
あなたの質問への直接の答え：-
量子コンピューティングとAIが交差する分野は、量子機械学習と呼ばれます。
AIは発展途上の分野であり、ある程度の背景があります（LISPの名声であるMcCarthy氏）。
量子コンピューティングは、未踏の大部分の未開拓分野です。
特定のタイプの複雑さは、別のタイプの複雑さと相互作用して、非常にリッチなフィールドを作成します。
（1）と（2）を組み合わせると、さらに不確実性が高まります。技術的な詳細については、この回答で検討します。
Googleが1つのシンプルなビデオで量子コンピューティングを説明：GoogleとNASAのQuantum Artificial Intelligence Lab
ボディ：-
IBMは権威です：-
IBM：量子コンピューターは有用かもしれませんが、正確な方法はわかりません
量子機械学習は興味深い現象です。この分野では、量子コンピューティングと機械学習の交差点を研究しています。
（https://en.wikipedia.org/wiki/Quantum_machine_learning）
「機械学習アルゴリズムを使用して膨大な量のデータを計算しますが、量子状態とシステムの分析を行う機会を作成することにより、量子機械学習はそのような機能をインテリジェントに向上させます。」ウィキペディアの貢献者。—「量子機械学習」。ウィキペディア、無料百科事典。ウィキペディア、無料百科事典、2019年10月7日。ウェブ。2019年10月11日。
テクニカルミラー：-
実装に関するこの特定のセクションは注目に値します：-
（https://en.wikipedia.org/wiki/Quantum_machine_learning#Implementations_and_experiments）
"...このデータへの依存は強力なトレーニングツールです。しかし、潜在的な落とし穴があります。データのパターンを見つけて悪用するようにマシンをトレーニングすると、特定の場合に、特定の人種、性別、現在の人間の知性。
しかし、機械学習に固有のデータ処理機能には、人間の生活を改善できるアプリケーションを生成する可能性もあります。「インテリジェント」マシンは、科学者が癌をより効率的に検出したり、メンタルヘルスをよりよく理解するのに役立ちます。
これまでの機械学習の進歩のほとんどは古典的なものでした。機械が学習に使用する技術は、古典物理学の法則に従います。彼らが学ぶデータは古典的な形をしています。アルゴリズムを実行するマシンも古典的です。
私たちは、量子力学と呼ばれる物理学の分野が機械学習を改善する可能性があるかどうかを調査している、量子機械学習の新しい分野で働いています。量子力学は基本的なレベルで古典的な物理学とは異なります：それは確率を扱い、不確実性から原理を作ります。量子力学はまた、古典的な直観では説明できない興味深い現象を含むように物理学を拡張します。... " - 『説明する人：量子機械学習とはどのようにそれヘルプお問い合わせ何ですか？』。Techxplore.Com、2019、https://techxplore.com/news/2019-04-quantum-machine.html。
ビジネスアプリケーションと実用例：-
さらに読む：-
量子コンピューターと一緒に、量子力学と量子数学は人工知能の未来を変えます。
現在の計算コストと制限では、スーパー発明の複素数の使用が制限され、多くの統計問題とアルゴリズムが処理を待って生産されており、現在の計算エラーが高いため、量子コンピュータはそれを解決できません、量子数学死ぬことはなく、特別な計算ロジックがこれに取り組むようになります。