AIと量子コンピュータの関係性①

この記事はこちらのまとめ記事に含まれています。

私は最初の方に量子コンピュータが機械の賢さに関わるという話をしましたが、感の鋭い方は最近流行のAIや機械学習と関係あるのでは？と思った方もいるのではないでしょうか。

実はそれはまさにおっしゃる通りで、深い関係があります。直近だと量子コンピュータの中でも2種類あるうちの1つ量子アニーリング方式と、機械学習でも最適化問題と言われる分野の相性が大変良いのです。

最適化問題とは何かしらの目標や目的を達成するために、制約条件のもとで最適な条件を考える、そしてその方法をできる限り効率よく解く問題のことです。

このような何かしらの目的を達成するためにはテッパンとも言える手順があります。詳しくはマッキンゼーのバーバラミントが書いた「考える技術・書く技術」です。その手順は以下。

1. 制約条件を考える
2. ゴール（目的）を定義する
3. ゴールを分解する
4. 施策を考える

抽象的でわからない？。。そうですよね。それでは具体例で考えましょう。

最適化問題　〜身近な例〜

ここではみんなが共通して苦労させられるテスト勉強の話をしましょう。皆さんは学生時代、テスト勉強がいやでいやでしょうがなかったのではないでしょうか。実は私もあまり要領が良い方ではなくテストは特に大嫌いでした。しかし大学時代にかなりやり方を変えて楽に点数が取れるようになりました。

そのやり方、バーバラミントの手順にそって説明していきます。

1. 制約条件を考える：
ここでの制約条件は時間、人脈の幅、活用できる書籍、お金などなど自分の持っている資源をさします。テストは自分の力だけで試験に受かるんだ！と気合だけでいけるものではないですよね。ビジネスはなおのことそのはずです。

2. ゴールを定義する：
さて。。そもそも「試験に受かる」とはどういうことでしょう？

かなり難しいですよね。じゃあ答えを言いましょう。２つあるのですが、１つは「点数の平均値を上げる」こと。これは誰でも思いつきますね。もう１つは「点数のばらつきを下げる」ことです。意外と思いつかないのではないでしょうか。でもみなさん、計画の立たない将来って結構不安ですし精神的に疲弊しませんか？やはり本能的に人間はリスクを避けるようにできてますし、安定を目的にするのは理にかなっています。

3. ゴールを分解する：
ゴールがわかればそれが何の構成要素で成り立り立っているかを考えます。平均点upのためには知識習得とその活用、inputとoutputが必要になります。またinput = かける時間×要領の良さ×地頭と分けられますよね。。みたいな感じです。

4. 施策を考えて実行：
じゃあこの教科はこれくらい時間をかけるか、と施策を考えます。そしてあとはひたすらPDCA！定期的に模試を受けながら軌道修正します。

とまあ、こんな感じですね。

このようにあらゆる問題はこの４つの手順で説明をすることができます。

次は機械学習と量子コンピュータの関係性②　機械学習編　、機械学習と量子コンピュータの関係性③　量子コンピュータ編に続きます。