Nature日前刊发论文，丹麦奥胡斯大学的科学家设计了一款量子计算游戏，征召300名普通公众参与，结果发现在玩这款游戏时人类在许多方面都强过计算机，但具体原因为何目前还不得而知。这一研究表明，在解决诸如量子计算这样复杂、超出常理的问题时，人类智能仍然超越机器智能，并且结合二者或将得到更好的结果。
之前新智元发表过一篇文章：AlphaGo输了，但16%的人对人类未来感到绝望。今天我们带来了一条好消息：在玩一款量子计算游戏时，普通人的表现要优于最优秀的计算机。
Nature日前刊发论文，丹麦奥胡斯大学的科学家想要制造一款可扩展的量子计算机原型，但苦于无法找到有效的量子算法。因此，他们想到了借助群众的力量——此前已经有科研项目（比如蛋白质折叠）通过集合公众玩游戏得到了解决——设计了一款叫做“量子移动”（Quantum Moves）电子游戏，其通关策略就是研究者想要的有效量子算法。
在实验中，研究者召集到300名公众，这些人最大的特征就是——都是普通人：没有量子物理背景，也没有高深的数学造诣，年龄、职业五花八门。对他们而言，所做的就是玩一款电子游戏。
游戏中，玩家手指（黑色指针标示处）触碰的地方会形成一个波谷，玩家要用这个新的波将右边波里的液体带回起点，液体象征处于量子状态的原子。玩家必须找到一条路径，以最快的速度实现液体完好转移，避免出现上图中最底下一幅的情况：仍然有液体残留在右边的波里。这个游戏情景很好地模拟了量子算法所需，让能量（液体）保持不变的情况下，从一个地方尽快转移到另一个地方（从右边的波转移到左边的波）。参考文首动图。来源：nature.com
结果发现，在玩这款游戏时，人类玩家的解决方案不但要优于计算机所设计的最佳策略，而且人类玩家在量子计算速度上也比计算机更快。不仅如此，把人类玩家的解决方案输入计算机进行优化后，超过半数的优化结果都要优于计算机原来的算法。同时，研究者将人类玩家解法和计算机算法相结合，得出了混合算法。其中，最优的两种混合算法比单凭计算机产生的最优算法要快很多。
研究者随后对这些人类玩家及其通关策略做了进一步分析。结果发现，从表面上看，对物理更感兴趣的人，游戏玩得也更好。但是，人类玩家对量子物理的了解程度与游戏表现无关。而且，虽然男性每天玩游戏次数更多，但综合看女性通关成绩比男性更好。
论文通讯作者 Jacob Sherson 在接受 nature 记者采访时表示：人类策略之所以优于计算机算法，是因为人类更能把握问题的本质。Sherson 还表示，他们的这一研究结果表明科学家以前可能低估了人类智能；此外，在解决量子物理问题时，借助公众的智慧或许是一个不错的方法。
芬兰图尔库大学的量子物理学研究者 Sabrina Maniscalco 在 nature 发表评论指出：这个游戏本身设计得很巧妙，把一个具体的量子计算问题游戏化，得到了普通人胜过计算机的结果；但这一结论是否具普适性还有待商榷。不过，Maniscalco 认为 Sherson 等人的思路值得参考。
至于为什么不具备量子物理背景并且数学知识也不够资深的人能够表现得比机器还要好，Maniscalco 认为这是因为在游戏当中人类玩家可以尝试与现实世界不同的解决方案，或许正是这种跳出常理外的思维，也就是直觉帮助了他们。
其他量子物理研究者也表示，他们对普通人也能靠直觉解决量子物理问题感到意外，但这一结果本身并非出乎意料，因为科学家也经常凭直觉解决量子物理问题，至少在数学层面上是如此。
虽然没有弄清具体原因，这篇论文表明至少在这款量子计算游戏上，普通人比计算机要强，而且结合人类智能和机器智能可以得到更好的算法。
在 Nature 网站上可以看到“Exploring the quantum speed limit with computer games”这篇论文，新智元在 arxiv.org 找到了论文作者写的另一篇介绍游戏设计的论文。
在新智元公众平台回复0419下载论文全文
相关实验设计论文
Getting Humans to do Quantum Optimization – User Acquisition, Engagement and Early Results from the Citizen Cyberscience Game Quantum Moves
摘要
Quantum Move是人类玩家对抗计算机算法的一个游戏，在游戏中，玩家用自己经过多层优化的解决方案来控制一台可扩展的量子计算机。这是一份中期性的报告，在报告中，我们开放了设计过程，并且描述了一系列量子力学（Citizen Cyberscience社区）的基本建设步骤。我们的方法是，围绕量子模拟实战设计一个核心的游戏设置，在合适的地方插入额外的游戏要素，以构建、组织并鼓励玩家从一个有好奇心的路人，变成有竞争力的科学贡献者。
我们的玩家群体是非常多样化的，比如，其中两名顶尖的玩家中，有一名是40岁的女会计，另外一名是男出租车司机。
我们第一年的数据显示，我们招募的人都是基于对现实世界中物理现象的兴趣和通过实际事件，但是，他们只接受过中级的科学教育，这些人更可能会变成重度参与者和熟练的贡献者。
有意思的是，女性玩家比男性玩家表现得更好，虽然男性每天花在游戏上的时间要多过女性。
为了理解这种关系，我们深入地对顶级玩家的个人资料进行了研究。除了心理学理论上内在和外在动力以外，我们讨论了现实世界和游戏世界中的表现要素。我们还讨论了使用真实的人来通过最开始很简单，但是最后从认知上会非常复杂的游戏来实现混合最优化的启示。
实验目的
通过真人在复杂环境中解决问题的过程来帮助AI进行学习，特别是这些问题如果可以用参与式游戏来体现的话。（这是人机交互优化的一个前提）
Citizen Cyberscience 社区中的游戏 Quantum Move 的目的是帮助研发一台量子计算机，这台计算机要比现在世界上任何基于移动原子和量子物理理论下的计算机都要强大。
论文的四个假设
人类处理事情的方式跟算法中天然的按部就班的方式不一样。
深入地理解反直觉的量子论中的难题，能帮助人们更聪明地解决遇到的难题吗？
人类物理上和认知上的不可靠性是否增添了一个有意思的随机影响因子。
即便大部分人都比不过AI，那么从某次幸运的直觉或者坚持不懈的量子物理英雄中得到的既定轨道，是否足以帮助AI以新的方式展开学习。
实验介绍
第一部分是介绍Quantum Move游戏背后的物理知识，然后是如何把这些核心的知识转化成一个可以用来玩的网络游戏。
第二部分是论文的主体，对第一年所获得的结果进行描述，特别是关于玩家招募和围绕游戏核心部分的结构设置。
最后，我们呈现了第一年中参与者的数据，强调不同的要素，比如招募来源和物理兴趣对游戏中玩家表现的影响。
设计方法
在 the Scienceathome.org 下开发 Quantum Move 游戏。最早是在2011年11月开发， 第一次编码是在 MATLAB 中进行，DATLAB 是一个物理研究中普遍使用的代数程序。2012 年推出早期版本，随后在丹麦的几所高中进行测试。这是我们对基本概念的一个总体的证明，但是在游戏体验背后发现一些问题，主要原因是 MARLAB 在可移植性和图像支持上的局限。2012 年，开发 Java 版本的游戏。
游戏分为四个等级，第一级是辅导级，然后是广场级，随后是科学家级，再就是用户空间级。其中第三级，也就是科学家级跟实验研究最具关联性。第四级中，用户可以设计自己的游戏并且尝试别的用户设计的游戏。
辅导级后被分为七个游戏，用以介绍基本的物理概念和游戏的核心概念。首先是原子球，其次是原子浪，最后嵌入静态障碍物。
辅导级通关后，用户可以进入主菜单，选择不同的练级实验室：COOL，渠道和控制，
每一个实验室分为学士和硕士两个部分。完成4-6级后获得技能勋章。
……
第一年中，QM被用于吸引用户解决不同的问题，除了告诉用户基本的游戏机制外，我们有目的地拒绝提供其它的帮助，即使我们知道一个复杂难题的高效解决方案。这样就能提供一个客观的解决方案集合，这会带来两个方面的好处：里面会有一些我们想象不到的解决方案；其次就是，，在人和计算机都找到了同一级别的解决方案时，我们可以把这些真人解决方案与计算机算法产生的学习曲线进行对比。
真人用户每一次的尝试获得的分数，可以拿来与计算机在相同尝试次数后获得的分数进行对比。
结果显示，人类在获得更高的分数上的速度更快，计算机如果想得高分，需要尝试的次数更多。此外，从人口统计学上看，女性比男性得分高。
结论
人类的选择在很多情况下要好于计算机，但是我们还没有理解究竟是那些具体的认知特性在起作用。
研究者也提到，虽然他们无法改变游戏的核心设计，但可以通过其他方式，比如改变游戏框架或者参与动机，让更多的人加入到公民科学游戏中来，一方面科学家能得到更多的研究数据，一方面也能让更多人参与科学研究。
参考资源：
Elizabeth Gibney，Human mind excels at quantum-physics computer game，nature.com
Sabrina Maniscalco，Quantum problems solved through games，nature.com
【论文】Getting Humans to do Quantum Optimization – User Acquisition, Engagement and Early Results from the Citizen Cyberscience Game Quantum Moves
【论文】Exploring the quantum speed limit with computer games
【本文由新智元（微信：AI_era）编译，译者：闻菲 胡祥杰】
·氧分子网（http://www.yangfenzi.com）延伸阅读：
世界最大芯片制造商Intel宣布全新量子计算机制造方案！
无论问题再复杂，最好的解决方案也可能一直都在你的身边——芯片巨头Intel打算向世人证明这一点。在这场与IBM、微软和Google等竞争对手关于量子计算机研发的较量中，Intel打算另辟蹊径，利用自己的长项硅晶体管来杀出一条血路。
Intel在俄勒冈州波特兰的研发中心和荷兰代尔夫特理工大学QuTech量子研究所，去年签订了一份金额达到5千万美元的研究合同。近日，Intel量子研究团队宣布，他们开发出了将量子计算机需要的超纯硅附着在传统微电子工业标准晶圆上的技术。
Intel和QuTech相关项目负责人参观实验室
超纯硅 + 标准晶圆 = 量子计算？
目前，用超导电路制造量子比特是各方采用的主流方法，除Intel之外，尚未有其他工业界和学术界团队提出基于硅制造量子比特的量子计算机方案。
人类目前用超导电路制造的量子计算机，最多只包含几个量子比特，而一台量子计算机需要几千个甚至几百万个的量子比特才有真正的应用意义。
Intel量子计算硬件研发团队负责人吉姆·克拉克（Jim Clarke）表示，用硅制造量子比特更容易达到要求的量子比特数目（当然，Intel同时也在研发基于超导电路制造量子比特的技术）。硅的优势在于：可以利用传统微电子工业几十年来积累的大规模集成电路制造经验。
Intel的工程师表示，目前已经可以将超纯硅附着在标准工业级晶圆上
Intel方案是：将一个电子约束在改进后的晶体管中，然后利用该单电子的自旋特性来建立量子比特。克拉克表示，大量制造晶体管是非常成熟的技术，借助Intel在微电子工业的雄厚积累，通过对晶体管稍加改动，就可以制造出性能合乎要求的量子比特。
Intel团队对硅情有独钟的另外一个原因是：硅量子比特比超导量子比特更稳定。量子之间的相互作用很弱，极易受到干扰导致计算错误，而微电子工业界在保证大量晶体管的稳定性方面已经有丰富的经验。
澳大利亚新南威尔士大学量子比特研究团队成员安德鲁·杜拉克（Andrew Dzurak）表示，Intel已经在与两家材料技术公司——Urenco和Air Liquide——合作，以期尽快获得成果。
目前，Intel与QuTech合作进行的容错量子计算（Fault-tolerant Quantum Computing, FTQC）研究项目，主要涉及的方向包括：
● 硅量子点的电子自旋量子比特
● 超导传输子量子比特
● 用低温电子学方法控制与测量量子比特
● 经典控制电路与量子比特的交互连接
Intel和QuTech的联合研发团队
现已取得的进展
2015年9月项目开始之初，双方主要精力都放在将自旋量子比特的规模扩大到3-4个量子点的实验上。但规模化的瓶颈在于设备间差异，研究团队花费了大量时间来进行校正。通过引入模式识别的相关概念，目前已初步实现了校正过程的自动化。
第二个研究关键点是通过硅材料代替砷化镓（GaAs），来改善相干时间。取得的研究成果是将自旋退相干时间优化了100倍，而且实现了极高的自旋操作可靠性。最终，形成了基于浮动栅极的大型量子点二维阵列的初步构想。
相干时间就是信道保持恒定的最大时间差范围，发射端的同一信号在相干时间之内到达接收端，信号的衰落特性完全相似，接收端认为是一个信号。
目前，研究团队已开始着手开发低温环境下工作的FPGA平台，用来控制大型量子比特阵列，同时获取读数。由于该平台架构比较精简，从而减少了从基准温度到常温的变化所带来的交互作用，不需要高成本的加热循环，就能重建对量子比特的控制功能。
FPGA平台的一些组件已通过深亚微米CMOS技术进行了整合，并在4K及更低温度下通过了测试，在1.2GHz的带宽条件下获得了比1K噪声温度更好的结果。最终开发出了单电子晶体管和低温CMOS模型。
关于超导方面的工作主要则集中在超导量子处理器、常温下的电子学，以及相关软件的开发。芯片制造方面，最重要的是如何将处理器的横向I/O（输入输出）模式过渡到完全垂直的I/O模式，这是增加量子比特数量的关键所在。
垂直I/O的开发涉及到一系列的新制造工艺，包括硅基底深刻蚀、超导体3D结构敷形涂覆、芯片在多层PC板上的铟焊一次成型。Intel在此类制造工艺方面拥有深厚的技术累积。
在控制方面，主要着眼于数字与微波模拟电路在超导量子比特中的规模化控制，包括高精度脉冲、任意波形发生器、能量放大器、I/Q混合器，以及多路复用读出器和脉冲序列的FPGA平台。
用于控制复杂处理器的量子指令集架构目前已经开发完成，并在1量子比特层面通过测试，这是非常关键的一步。2016年的主要目标将是开发17量子比特的超导集成电路，以及与之匹配的软件控制系统。
此外，即使是走超导量子比特路线的研究团队，也不同程度地采用了成熟的芯片制造技术。但是，超导量子比特比晶体管大得多，因此大批量制造超导量子比特并将其集成在芯片上存在诸多技术困难。
查德·里格提（Chad Rigetti）也承认，大规模制造和集成超导量子比特难度很大，但是他认为，这些困难并非不能解决。他是致力于超导量子比特研发的初创公司Rigetti Computing的CEO和创始人。
Google与里格提持有相同观点：再过几年，他们就能制造出包含上成百上千个超导量子比特的芯片，在化学和机器学习等领域施展碾压传统计算机的计算能力。
编译：离子心
发明更实用的超导体和更好的电池，可能是量子计算突破的重中之重。
本月，IBM和谷歌都表示，他们的目标是在未来几年内将量子计算机商业化（谷歌认为是五年）。届时，人们将可以付费使用这种新型的云服务。
在他们所描绘的超高性能计算时代，量子计算机将使物流和测绘公司更高效地规划路径，带来全新的机器学习模式，更好地向人们推荐各种产品并大幅提高机器诊疗的能力。
但在此之前，收获第一笔红利的却很可能会是化学家们——量子计算机将帮助他们改进电池或者电子产品。到目前为止，研究人员对于量子计算机的新算法已经有了非常详细的开发计划，而配备了新算法的小型量子计算机将非常适合用来进行物质分子和化学反应的模拟。
量子计算机用微观量子力学效应来表示数据，因此能够进行传统计算机不能胜任的运算。近期，微软、英特尔、谷歌和IBM等公司都投入巨资，用以发展量子计算机的最新硬件。
Scott Crowder 是 IBM 的部门首席技术官，他所在的部门目前负责销售包括超级计算机在内的相关硬件，在未来几年里，他们希望能将负责云计算的量子计算主机添加到产品目录中。
Crowder表示，就目前来看，已经从理论上证明化学将是量子计算机发挥作用的第一个领域。Crowder非常有信心，能为化学家们造出更小的量子计算系统。
研究人员长期以来一直模拟物质分子和化学反应，进而推动新材料、药物或工业催化剂的相关研究。使用量子计算机可以让所有的实验少走弯路，并且分担掉世界各地超级计算机的相当一部分工作。
哈佛大学化学系教授Alán Aspuru-Guzik表示，当前的模拟实验之所以收益有限，是因为即使是最强大的超级计算机也不能完全重建原子和电子在小尺度系统中复杂的量子行为。他期待量子计算机模拟能在未来帮助他的研究团队更快地找到能应用于显示器的新型发光分子，以及适合电网规模能量存储的电池。
Aspuru-Guzik教授是最早提出在量子计算机上进行物质分子模拟的一批科学家。他认为：“现在我们必须不断地利用实验数据进行校准。如果我们有一台量子计算机，有些问题就会随之消失。”
物质分子结构和化学反应很大程度决定于相关的量子效应，而对量子计算机来说，模拟量子效应却是再自然不过的事——因为量子计算机的数据编码本身就是通过不同的量子态来实现的。量子位是组成量子计算机的基本单位，它们能通过量子力学的特性，为模拟计算提供传统计算机无法获取的优势。
实际上，加拿大公司D-Wave已经发布了一款可用以工业和学术研究，并具有量子特性的芯片，但是目前还不清楚该芯片是否能达到人们对量子计算的预期。
微软看好一种相较于IBM和谷歌更加早期的量子硬件。这种硬件的最大优点是能够提供实用的量子算法，化学和材料科学是其关注的两个重点领域。相关研究小组最近正试图展示一项技术——用常规计算机和小型量子计算机组成的“混合系统”来进行化学模拟。
微软量子算法研究组的负责人Krysta Svore说：“这种混合系统是分子研究的明日之星。寻找新的实用超导材料是这种系统的应用之一。有了这样的系统，就不再需要大型量子计算机，而常规计算机对于复现超导态下电子的量子行为，是非常吃力的。”
一旦量子计算机在化学领域取得成功，则将预示着它更美好的未来。分子研究只是计算机科学家口中的“优化问题”的其中一种。优化问题，就是从许多备选方案中找到最优解，比如原子中电子的最稳定状态，或者城市中最有效的递送路线。
马里兰大学教授、量子计算初创企业IonQ的联合创始人Chris Monroe表示，目前来说，研究人员能够想到的量子计算机在解决优化问题中的最佳用武之地，便是化学模拟。但是，我们在优化问题（例如机器学习）上也取得了进展，而未来还会有更多。
微软的Svore认为，机器学习的应用可能会相对较快实现，而用来破解加密却可能需要很长的时间才能实现，因为相关的算法需要非常巨大的量子处理器。
Monroe将当前的量子计算比作早期的晶体管。而晶体管的第一次应用便是在助听器方上面。
“他们并没有想到现在的芯片可以排满 500 亿晶体管，并且能完成各种各样的任务。”他说道，“我们现在就仿佛处于类似助听器的那个阶段。当前，我们已了解到有一些非常具体的应用，需要在未来据此进行持续探索。”