新智元报道  

编辑：Aeneas 好困

【新智元导读】2022年，计算机领域发生了哪些大事？Quanta Magazine的年终盘点来了。

2022年，计算机领域发生很多划时代的大事。在今年，计算机科学家学会了完美传输秘密，Transformer的进步神速，在AI的帮助下，数十年历史的算法被大大改进……

2022年计算机大事件

现在，计算机科学家能解决的问题，范围是越来越广了，因此，他们的工作也越来越跨学科。

今年，许多计算机科学领域的成果，还助力了其他科学家和数学家。比如密码学问题，这涉及了整个互联网的安全。密码学的背后，往往是复杂的数学问题。曾经有一种非常有前途的新密码方案，被认为足以抵御来自量子计算机的攻击，然而，这个方案被「两条椭圆曲线的乘积及其与阿贝尔曲面的关系」这个数学问题推翻了。 以单向函数的形式出现的一组不同的数学关系，将告诉密码学家是否有真正安全的代码。计算机科学，尤其是量子计算，与物理学也有很大的重叠。今年理论计算机科学的一件大事，就是科学家证明了NLTS猜想。这个猜想告诉我们，粒子之间幽灵般的量子纠缠，并不像物理学家曾经想象的那样微妙。这不仅影响了对我们对物理世界的理解，也影响了纠缠所带来的无数密码学的可能性。 另外，人工智能一直与生物学相得益彰——事实上，生物学领域就是从人脑中汲取灵感，人脑也许是最终极的计算机。长久以来，计算机科学家和神经科学家都希望了解大脑的工作原理，创造出类脑的人工智能，但这些似乎一直是白日梦。但不可思议的是，Transformer神经网络似乎可以像大脑一样处理信息。每当我们多了解一些Transformer的工作原理，就更了解大脑一些，反之亦然。或许这就是为什么Transformer在语言处理和图像分类上如此出色的原因。甚至，AI还可以帮我们创造更好的AI，新的超网络（hypernetworks）可以帮助研究人员以更低的成本、用更快的速度训练神经网络，还能帮到其他领域的科学家。

Top1：量子纠缠的答案

量子纠缠是一种将遥远的粒子紧密联系起来的特性，可以肯定的是，一个完全纠缠的系统是无法被完全描述的。不过物理学家认为，那些接近完全纠缠的系统会更容易描述。但计算机科学家则认为，这些系统同样不可能被计算出来，而这就是量子PCP（概率可检测证明，Probabilistically Checkable Proof）猜想。为了帮助证明量子PCP理论，科学家们提出了一个更简单的假设，被称为「非低能平凡态」（NLTS）猜想。今年6月，来自哈佛大学、伦敦大学学院和加州大学伯克利分校对三位计算机科学家，在一篇论文中首次实现了NLTS猜想的证明。

论文地址：https://arxiv.org/abs/2206.13228这意味着存在可在更高的温度下保持纠缠态的量子系统，同时也表明，即使远离低温等极端情况，纠缠粒子系统仍然难以分析，难以计算基态能量。物理学家们很惊讶，因为这意味着纠缠不一定像他们想象的那样脆弱，而计算机科学家们很高兴离证明一个被称为量子PCP（概率可检测证明）定理的证明又近了一步。 今年10月，研究人员成功地将三个粒子在相当远的距离上纠缠在一起，加强了量子加密的可能性。

Top2：改变AI的理解方式

在过去的五年里，Transformer彻底改变了AI处理信息的方式。在2017年，Transformer首次出现在一篇论文中。人们开发Transformer，是为了理解和生成语言。它可以实时处理输入数据中的每一个元素，让它们具有「大局观」。与其他采取零散方法的语言网络相比，这种「大局观」让Transformer的速度和准确性大大提高。 这也使得它具有不可思议的通用性，其他的AI的研究人员，也把Transformer应用于自己的领域。他们已经发现，应用同样的原理，可以用来升级图像分类和同时处理多种数据的工具。

论文地址：https://arxiv.org/abs/2010.11929Transformers迅速成为专注于分析和预测文本的单词识别等应用程序的领跑者。它引发了一波工具浪潮，例如 OpenAI的GPT-3，它训练数千亿个单词并生成一致的新文本，达到令人不安的程度。不过，跟非Transformer模型相比，这些好处是以Transformer更多的训练量为代价的。

这些人脸是由基于Transformer的网络，在对超过20万张名人面孔的数据集进行训练后创建的在今年3月，研究Transformer工作原理的研究人员发现，它之所以如此强大，部分原因是它将更大的意义附加到词语上的能力，而不是简单的记忆模式。 事