Дві основні тенденції людської цивілізації в найближчі 5-10 років - Продуктивність: ШІ замінює більшість людей (консенсус) - Виробничі відносини: блокчейн замінює більшість традиційних фінансових систем Якщо ви підтвердите ці два тренди, ви можете інвестувати $dnx dynex використовує блокчейн для перетворення обчислювальної потужності графічних процесорів у квантову обчислювальну потужність, надаючи послуги різним галузям. Арам Гарроу: Квантове машинне навчання в скрутному становищі Сьогодні квантове машинне навчання перебуває в досить незручному становищі. Хоча ми можемо отримати певні важливі результати щодо навчальності інформаційної теорії, градієнтного спуску та інших компонентів алгоритмів, загалом ми стикаємося з «відсутністю великої машинної валідації евристичних алгоритмів». Іншим викликом є проблема введення даних. Якщо б існувала квантова випадкова доступна пам'ять (qRAM), ми могли б досягти значного прогресу, але достатні докази свідчать про те, що це малоймовірно. У майбутньому варто дослідити: як зробити квадратичне прискорення або евристичне прискорення практично цінними? Можливо, їх можна поєднати з експоненціальним прискоренням, щоб алгоритми «кінець в кінець» перевершили класичних конкурентів. Поєднання квантового машинного навчання з такими завданнями, як квантове моделювання, може надати реальні підстави для деяких раніше використаних сильних квантових припущень про введення.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
#DNX#
Дві основні тенденції людської цивілізації в найближчі 5-10 років
- Продуктивність: ШІ замінює більшість людей (консенсус)
- Виробничі відносини: блокчейн замінює більшість традиційних фінансових систем
Якщо ви підтвердите ці два тренди, ви можете інвестувати $dnx
dynex використовує блокчейн для перетворення обчислювальної потужності графічних процесорів у квантову обчислювальну потужність, надаючи послуги різним галузям.
Арам Гарроу: Квантове машинне навчання в скрутному становищі
Сьогодні квантове машинне навчання перебуває в досить незручному становищі. Хоча ми можемо отримати певні важливі результати щодо навчальності інформаційної теорії, градієнтного спуску та інших компонентів алгоритмів, загалом ми стикаємося з «відсутністю великої машинної валідації евристичних алгоритмів». Іншим викликом є проблема введення даних. Якщо б існувала квантова випадкова доступна пам'ять (qRAM), ми могли б досягти значного прогресу, але достатні докази свідчать про те, що це малоймовірно. У майбутньому варто дослідити: як зробити квадратичне прискорення або евристичне прискорення практично цінними? Можливо, їх можна поєднати з експоненціальним прискоренням, щоб алгоритми «кінець в кінець» перевершили класичних конкурентів. Поєднання квантового машинного навчання з такими завданнями, як квантове моделювання, може надати реальні підстави для деяких раніше використаних сильних квантових припущень про введення.