【院長觀點】「量子電腦」發展，台灣不能缺席
林建甫（台灣經濟研究院院長．台灣大學經濟系教授） (2018/04/09) 《台經月刊第41卷第4期》
在數位經濟(Digital Economy)浪潮的推動下，全球瘋狂投入人工智慧(AI)的技術競備賽，台灣也開始加入，過去討論較少的量子電腦(Quantum Computer)，日前也被科技部點名為2018年發展重點，並邀請半導體龍頭台積電合組研發聯盟，什麼是量子電腦？為何重要？值得深入討論。
關於量子電腦的起源，要從量子力學(Quantum Mechanics)說起。19世紀初，科學家們開始發現舊有的理論無法精準詮釋微觀物質的行為，為了解微觀物質的運作，普朗克(M. Plank)、薛丁格(Erwin Schrödinger)、波恩(Max Born)等物理學家共同努力創建了「量子力學」，改變人類對物質結構及其交互作用的理解，並被視為現代物理學的兩大支柱之一。
隨著人們對於微觀物質系統認知的深入，量子力學開始擴展至其他科學與技術領域，促使電晶體、積體電路、雷射等的發明，當前的電腦、網路、行動裝置等電子設備，都是第一次量子革命所的產物。1980年科學家開始將量子力學與資訊理論結合，吹響了第二次量子革命的號角，許多科學家加入量子技術研究，並突破了許多傳統資訊領域無法有效計算的NP (Non-deterministic Polynomial)問題。發展方向大致可以分成兩大類，一是「量子計算」，包括量子電腦、量子模擬及量子演算法；另一個是「量子通訊」，包括量子傳輸、量子密碼等項目。
其中量子電腦研究是最熱門的領域，因主宰過去50年半導體產業成長的摩爾定律(Moore's law)已經到了極限。包括IBM、英特爾等巨頭在內的全球半導體行業協會於2016年發布報告預測，奈米時代的來臨，物理極限使得摩爾定理到了盡頭，2021年晶體管的體積將不會進一步縮小，也等同宣告傳統電腦運算能力的上限已經出現。
然而，人工智慧發展卻需要更大量的運算來支持。2016年Google的AlphaGo透過深度學習(Deep learning)打敗人類棋王，舉世為之瘋狂。其實深度學習的理論最早在1943年就被提出，資訊科學家受到生物神經系統的啟發，提出多層級的類神經網路(Artificial neural network)及機器學習(Machine learning)的概念。發展初期由於電腦運算力的缺乏，也無法建立多層運算網路，所以效果有限。因此有好長一段時間，人工智慧被認為僅是科幻情節，只不過是海市蜃樓。
但人工智慧的研究始終沒有停歇，1986年反向傳播演算法(Back Propagation Algorithm)讓機器開始實質上的「學習」。2006年限制玻爾茲曼機(Restricted Boltzmann Machines, RBM)及深度信念網路(Deep Belief Network)理論的提出，讓多層神經網路能夠真正被實踐，人工智慧又向前跨出了一大步。2012年10月ImageNet競賽，發現遊戲玩家使用的GPU繪圖卡用於深度學習演算法的運算可獲得十倍以上的效能提升，而讓深度學習真正火爆起來。
不同於傳統電腦以簡單的0、1位元(bit)的資訊儲存方式，量子電腦具備量子疊加(superposition)、量子纏結(entanglement)兩種特性，每單位可以是0或1、0與1相互疊加，同時量子位元可以分組聚合，儲存更多、更複雜的資訊，運算能力因而更加強大。
量子電腦、量子霸權、量子位元、人工智慧、摩爾定律終點、深度學習、半導體產業、D-Wave、台積電聯盟、AI運算革命
分享：
