新加坡须超越人工智能，立即着手培养量子科技人才

随着人工智能减少了年轻技术人员赖以学习专业知识的传统入门级工作岗位，量子计算因其被认为入门门槛高，似乎成了一个更冷门的职业选择。

但我认为恰恰相反。量子计算仍处于足够早期的发展阶段——在该领域成熟之前，我们仍有机会培养相关人才。

这项技术的威力在于它能以经典计算机无法做到的方式解决问题。它能极大地加速模拟、优化和处理复杂任务。

利用量子计算机解决商业问题正变得 越来越 普及。

然而，这种能力也构成了网络安全威胁。量子计算机有可能破解长期保护我们商业交易的加密系统，这是当前人工智能模型所不具备的能力。

但正如你无须成为物理学家才能成为数据科学家一样，你也无须成为量子物理学家才能在商业领域应用量子技术。

为保持新加坡作为金融中心的优势，我们需要熟悉该技术的专业人才，以保护我们的系统免受未来量子计算机的攻击。

“先收集，后解密”

在银行和金融服务领域，业界已在探索量子方法来解决计算要求高的问题，包括广泛用于金融衍生品定价的蒙特卡洛模拟，以及稀有事件和尾部风险评估。

更紧迫的是，我们的金融机构需要抗量子网络安全技术，这本质上是一门防御量子计算机攻击的科学。

金融机构需要确保数据在整个生命周期内的安全，以保护长期金融信息、数字身份、支付基础设施和通信的机密性。

一个量子团队需要了解组织内部哪些地方存在易受攻击的加密技术，并防范“先收集，后解密”的威胁。

这是一种攻击者收集并存储加密信息的现象，尽管他们目前还无法解密这些信息。

在这种情况下，攻击可能在具有破解密码能力的量子计算机出现前数年就已经开始了。

当这种技术问世时，相关算法可能会破解广泛使用的公钥加密技术，从而可能对之前捕获的敏感数据进行追溯解密。

因此，银行在今天就向抗量子加密技术过渡显得尤为重要。

建立量子人才梯队

我们需要的量子专业人才必须知道如何使用量子算法、提供什么数据、如何解读输出结果，以及何时使用特定类型的量子处理器来解决问题。

我预见在我们的金融领域，这些专业人士将发展出两个并行的角色：一类是探索量子计算可在哪些方面创造优势的人才，另一类是帮助企业迁移到后量子密码学和更广泛的抗量子架构的人才。

新加坡的计算机学院有机会培养可称为量子应用和量子安全工程师的人才。这些新从业者将处于量子计算、网络安全和产业的交汇点。

他们需要理解量子原理，并同样熟悉数据科学、网络安全和密码学，以及云计算和传统高性能计算。

而且，即使没有自己的硬件，我们的学生也可以通过云端访问量子处理器，通过“边做边学”的策略进行实践操作。

这种方法能让学生熟悉仅从方程式中难以领会的特性，例如采样变异、硬件连接性、可扩展性限制，以及理论复杂性优势与实际性能之间的差距。

他们还可以试验后量子密码学库，对迁移方法进行基准测试，并研究抗量子系统如何与现有应用程序集成。

在量子安全方面，学生应该了解哪些系统会受影响、哪些不会，后量子算法在操作上与经典算法有何不同，以及银行如何在不中断现有服务的情况下迁移复杂的技术资产。

他们还需要了解不同的量子硬件技术如何适用于不同的工作负载。

为了实现这种教学操作，计算机学院需要与业界合作，为学生提供真实的问题、现实的数据集、现有的技术架构、安全约束和有意义的性能基准。

一个很好的例子是副总理 Gan Kim Yong 在5月份宣布的金融领域人工智能年轻人才计划，该计划得到了主要金融机构和技术合作伙伴的参与。

该计划通过正式的课程作业、实习以及与业界人士合作的顶点项目，为学生提供结构化的实际工作体验。

虽然该计划的重点是培养学生在金融领域的人工智能能力，但它也为类似的、专注于量子技术的计划提供了一个很好的框架。

企业现在就应该开始发展内部能力，因为在复杂的银行基础设施中进行迁移需要数年时间。员工需要时间尽早了解他们的加密依赖关系。

得益于新加坡金融部门、大学、技术生态系统以及国家对量子技术的投资之间的紧密联系，我国完全有能力培养出能在该技术成熟时保障我们安全的量子专业人才。

正如物理学家 Richard Feynman 所说，如果你不能创造一样东西，你就没有完全理解它。我想补充的是：如果你不能使用它，你还不了解它的价值；如果你不能保护它，你可能不了解它的风险。

作者是新加坡管理大学信息系统（实践）副教授，主要从事金融服务领域的量子计算教学和研究。

本评论基于作者自身的经验、观察和论点。在起草和编辑过程中使用了人工智能工具。作者对评论的准确性、原创性和最终形式负全部责任。