Систему свободного предприятия можно сравнить с гигантским компьютером, способным решать собственные проблемы.

Обновлено: 04.07.2024

Кто умнее — вы или компьютер или мобильное устройство, на котором вы читаете эту статью? Ответ становится все более сложным и зависит от меняющихся определений. Компьютеры, безусловно, лучше справляются с трудностями, используя свой уникальный набор навыков, но люди имеют преимущество в задачах, которые машины просто не могут выполнить. Во всяком случае, еще нет.

Компьютеры могут воспринимать и обрабатывать определенные виды информации намного быстрее, чем мы. Они могут прокручивать эти данные в своем «мозге», состоящем из процессоров, и выполнять вычисления, чтобы просчитывать множество сценариев со сверхчеловеческой скоростью. Например, лучшие компьютеры, обученные игре в шахматы, могут в этот момент планировать стратегию на много ходов вперед, решая задачи гораздо ловче, чем лучшие игроки в шахматы. Компьютеры также учатся гораздо быстрее, сужая сложные варианты выбора до наиболее оптимальных. Да, люди тоже учатся на ошибках, но когда дело доходит до решения головоломок, с которыми компьютеры справляются лучше всего, мы гораздо более подвержены ошибкам.

У компьютеров есть и другие преимущества перед людьми. У них лучше память, поэтому они могут получать большое количество информации и могут использовать ее практически мгновенно. Компьютерам не требуется сон, как людям, поэтому они могут рассчитывать, анализировать и выполнять задачи без устали и круглосуточно. Несмотря на ошибки или уязвимость к перебоям в подаче электроэнергии, компьютеры просто точнее выполняют широкий спектр важных функций, чем мы. На них не влияют и не влияют эмоции, чувства, желания, потребности и другие факторы, которые часто затмевают суждения и интеллект нас, простых смертных.

С другой стороны, люди по-прежнему превосходят компьютеры во многих отношениях. Мы выполняем задачи, принимаем решения и решаем проблемы, основываясь не только на нашем интеллекте, но и на нашем программном обеспечении с массовой параллельной обработкой — абстрактно, что мы любим называть нашими инстинктами, нашим здравым смыслом и, возможно, самое главное, нашим жизненным опытом. Компьютеры можно запрограммировать огромными библиотеками информации, но они не могут воспринимать жизнь так, как мы. Люди обладают чертами, которые мы иногда называем (опять же, абстрактно) творчеством, воображением и вдохновением. Человек может написать стихотворение, сочинить и сыграть музыку, спеть песню, создать картину или придумать новое изобретение. Компьютеры можно запрограммировать на выполнение некоторых из этих задач, но они не обладают врожденной способностью творить так, как это делают люди.

Что обо всем этом думают специалисты по искусственному интеллекту? Начнем с определения того, что мы подразумеваем под словами «умнее» или «умнее». Интеллект состоит из двух компонентов, говорит профессор Шломо Майтал, старший научный сотрудник Института С. Неамана в Технионе — Израильском технологическом институте. Одно — это способность учиться, другое — это способность решать проблемы. И в этих областях компьютеры могут быть умнее людей.

"Сегодня компьютеры могут обучаться быстрее, чем люди. Например, Watson (IBM) может читать и запоминать все исследования рака, чего не может ни один человек", – говорит Майтал. «С помощью глубокого обучения Watson также может решить проблему, например, как лечить редкую форму рака — и он это сделал. Так что в этом смысле компьютеры могут быть умнее людей».

Майтал указывает на еще один пример компьютерного интеллекта в своей статье "Скоро ли роботы станут умнее людей?" 10 февраля 1996 года компьютер IBM Deep Blue победил чемпиона мира Гарри Каспарова в первой из шести игр серии, а год спустя выиграл серию — первый компьютер, которому это удалось. Был ли Deep Blue разумным? И да, и нет, – говорит Майтал.

"Нет, потому что он просто смог просчитать огромное количество возможных шахматных ходов за долю секунды", – пишет Майтал. «Скорость — это не интеллект. Но да, потому что он смог проанализировать эти шахматные ходы и выбрать лучший, достаточный для победы над Каспаровым».

«От ИИ С точки зрения перспективы, теперь мы можем обучать компьютеры выполнять многие задачи лучше, чем люди, например некоторые задачи визуального распознавания», — говорит Маллик. «У этих задач есть одна общая черта: для решения этих задач мы можем собрать огромное количество данных, и/или они повторяются. Любая повторяющаяся задача, которая создает много данных, в конечном итоге будет изучена компьютерами».

Однако эксперты сходятся во мнении, что люди по-прежнему превосходят компьютеры в общем интеллекте, творчестве и здравом смысле или понимании мира.

"Компьютеры могут превзойти людей в определенных специализированных задачах, таких как игра [в игру] го или шахматы, но сегодня ни одна компьютерная программа не может сравниться с человеческим общим интеллектом", – говорит Мюррей Шанахан, профессор когнитивной робототехники факультета вычислительной техники Университета Имперский колледж в Лондоне. «Люди учатся достигать самых разных целей в самых разных условиях.Мы еще не знаем, как наделить компьютеры здравым смыслом в понимании повседневного мира, лежащим в основе общего человеческого интеллекта, хотя я уверен, что однажды нам это удастся».

"Например, мы можем заставить компьютеры имитировать творчество, помещая произведения искусства в базу данных, а затем создавая новое произведение искусства из некоторого объединения", – говорит Грохол. «Но это то же самое, что и человеческое творчество, или компьютерный код просто следует набору инструкций? Я бы сказал, что это только последнее, что делает компьютер намного хуже, когда речь идет об этом компоненте интеллекта».

Компьютеры не понимают смысла так, как люди, – говорит Яна Эггерс, генеральный директор компании Nara Logics, занимающейся искусственным интеллектом. «Даже если компьютер может определить эмоцию, он не понимает, что означает переживание эмоции», — говорит Эггерс. «Будут ли? Это возможно, но неясно, как это будет работать с текущими формами вычислений».

Но что, если перевести часы достаточно далеко вперед? Эксперты в целом согласны с тем, что компьютеры завтрашнего дня будут обладать некоторыми чертами, которые сегодня считаются уникальными для человека.

"В человеческом мозгу 86 миллиардов нейронов (нервных клеток), и все они взаимосвязаны, – говорит Майтал. «Компьютерные нейронные сети имеют гораздо меньше «клеток». Но однажды такие нейронные сети достигнут сложности и изощренности мозга».

Вероятно, все это произойдет раньше, чем позже, считает Грохол. «Как только мы взломаем нейрокод, который управляет нашим мозгом, я считаю, что мы сможем воспроизвести эту структуру и функции искусственно, чтобы мы действительно могли создать искусственную жизнь с помощью искусственного интеллекта», — говорит он. «Я определенно могу предвидеть, что это произойдет в следующем столетии.

Некоторые люди, например ученый-компьютерщик Рэй Курцвейл и соучредитель Tesla Илон Маск, предостерегают от потенциальных опасностей искусственного интеллекта, предвидя будущее типа Терминатора, в котором машины вышли из-под контроля. Нам, безусловно, нужно контролировать искусственный интеллект, чтобы мы могли управлять машинами, а не наоборот. Но вопрос, похоже, не столько в «злых» машинах в голливудском стиле, которые поднимаются, чтобы истребить ничтожных людей, сколько в согласовании: как мы можем гарантировать, что машинный интеллект, который в конечном итоге может оказаться совершенно за пределами нашего понимания, останется полностью настроенным на наш собственный?

Отчасти это связано с переосмыслением того, как мы подходим к этим вопросам. Вместо того, чтобы зацикливаться на том, кто умнее, или иррационально бояться технологий, мы должны помнить, что компьютеры и машины предназначены для улучшения нашей жизни, точно так же, как компьютер IBM Watson помогает нам в борьбе со смертельными заболеваниями. Хитрость по мере того, как компьютеры становятся все лучше и лучше справляться с этими и многими другими задачами, заключается в том, чтобы «помочь нам» оставалась их главной директивой.

«Важно помнить, что это не противостояние человека и машины, — говорит Маллик. "Это не соревнование. Это сотрудничество».

Квантовые компьютеры могут решать задачи экспоненциально быстрее, чем классические компьютеры. Они приведут к двум глобальным изменениям: конец нашей нынешней инфраструктуре кибербезопасности в общедоступных сетях и взрыв алгоритмической мощи, которая обещает изменить наш мир.

Ученые сталкиваются с множеством проблем при разработке коммерческих квантовых компьютеров. Но как только они будут преодолены, последствия постквантовой криптографии затмят 2000 годов, устранение которых обошлось Соединенным Штатам и их бизнесу более чем в 100 млрд долларов США.

В этой статье рассматривается, как квантовые компьютеры не только изменят цифровую безопасность, но и стимулируют инвестиции, меняют отрасли и стимулируют инновации.

Кратко об идее

Обещание

Проблемы

Влияние

В 1994 году математик Питер Шор представил алгоритм квантовых вычислений, который мог сократить время, необходимое для нахождения простых множителей больших чисел, с миллиардов лет при использовании обычного компьютера на основе транзисторов до нескольких дней при использовании квантового компьютера.Это был огромный прорыв, потому что первичная факторизация является основой большей части нашей нынешней инфраструктуры шифрования и информационной безопасности. Семь лет спустя ученые IBM впервые успешно продемонстрировали алгоритм на квантовой машине, пусть и очень маленькой, доказав, что квантовые компьютеры можно построить и что алгоритм Шора можно реализовать.

Это тип среды, которая так часто в прошлом приводила к революционным достижениям в области технологий. И не заблуждайтесь: прорыв в области квантовых вычислений будет большим. Это принесет два масштабных, одновременных и внезапных изменения в современном деловом мире: первое — это конец нашей нынешней инфраструктуры для обеспечения цифровой конфиденциальности и безопасности в общедоступных сетях, в результате чего компании, которые не обновили свою инфраструктуру, будут широко открыты для разрушительных атак. . Второе изменение гораздо более положительное; это взрыв алгоритмической мощи, который позволит нам делать с компьютерами то, что сегодня невозможно и обещает изменить наш мир.

Когда будет доступен коммерчески значимый квантовый компьютер? Прошло почти 20 лет с момента доказательства принципа действия алгоритма Шора, и ученые продолжают сталкиваться с множеством проблем при разработке крупномасштабных квантовых компьютеров. Скептики утверждают, что еще слишком рано волноваться — или беспокоиться, в зависимости от вашей точки зрения, — о реальных приложениях квантовых вычислений. Поучительно вспомнить, что транзистор был изобретен в 1947 году, а первый 4-битный процессор не был представлен еще 25 лет, и еще 25 лет спустя Intel представила чип Pentium Pro с миллионами транзисторов. Тяжелые технологии требуют времени, и квантовые технологии не исключение.

Фотограф Спенсер Лоуэлл сделал эти снимки сверхпроводящего квантового компьютера Google в 2017 году. В то время это был один из самых сложных квантовых компьютеров общего назначения в мире.

Но квантовые технологии приближаются, и бизнес-менеджеры еще не скоро задумаются о том, как они будут стимулировать цифровые инвестиции, изменять отрасли и стимулировать инновации. В ближайшем будущем это не принесет вам успеха и не разрушит ваш бизнес, но четкое понимание квантовых приложений сегодня имеет решающее значение для того, чтобы ваша компания могла воспользоваться преимуществами и избежать потенциальной катастрофы в течение следующего десятилетия.

Что такое квантовый компьютер?

Принципы квантовой механики — науки о том, как материя и свет ведут себя на атомном и субатомном уровне, — лежат в основе таких инноваций, как МРТ, лазеры, атомные часы и наномикроскопы. Но использование этих принципов для создания компьютеров требует от нас совершенно нового навыка: точного управления поведением квантовых систем при сохранении их «странной» квантово-механической природы. Это сложная задача, потому что квантовые системы, такие как фотоны и электроны, очень хрупкие и нестабильные, а их поведение бросает вызов нашему укоренившемуся представлению о том, как устроен физический мир. Но при правильном использовании их противоречащие здравому смыслу силы становятся функциями, а не ошибками, открывающими новые возможности.

Одно из самых серьезных препятствий на пути к созданию функциональных квантовых компьютеров заключается в том, что кубиты недолговечны. Вибрация, температура и другие факторы окружающей среды могут привести к потере их квантово-механических свойств, что приведет к ошибкам. Сегодня скорость возникновения ошибок в кубитах ограничивает продолжительность работы алгоритмов. Ученые работают над созданием среды, в которой многие физические кубиты действуют вместе, создавая защищенные от ошибок логические кубиты, которые могут существовать в течение гораздо более длительных периодов времени — достаточно долго, чтобы поддерживать коммерческую деятельность. жизнеспособные приложения. Скорее всего, для создания одного логического кубита потребуется около 1000 физических кубитов; самые передовые квантовые компьютеры сегодня имеют только от 50 до 100 физических кубитов.

За последние пару лет корпорации стали гораздо активнее заниматься созданием квантовых компьютеров. И IBM, и Google, две самые оптимистичные технологические компании в этой области, считают, что логический кубит будет продемонстрирован в течение двух лет. Как и в случае вычислений на основе транзисторов, коммерческая жизнеспособность не появится сразу, а будет неуклонно расти по мере увеличения числа логических кубитов и снижения частоты ошибок.

Как предприятия могут использовать квантовые компьютеры

По мере совершенствования квантового оборудования и программного обеспечения разработчики алгоритмов получат возможность экспериментировать и дорабатывать свои идеи и догадки. Они смогут улучшать существующие алгоритмы и создавать новые, не ожидая много лет между разработкой и тестированием на исправной машине.

Возможно, мы сможем лучше бороться с глобальным потеплением, если с помощью квантового моделирования сможем решать проблемы материаловедения, такие как поиск соединений для более эффективных батарей.

Квантовые алгоритмы сильно отличаются от алгоритмов, используемых классическими компьютерами. Те, которые, скорее всего, применимы к бизнес-процессам, делятся на пять групп; некоторые из них позволят нам гораздо быстрее выполнять стандартные задачи, а другие — использовать совершенно новые возможности.

1. Моделирование.

Когда пионеры квантовой науки, такие как Ричард Фейнман и Пол Бениофф, впервые представили себе квантовый компьютер, они верили, что он откроет секреты того, как работает природа. Мы начинаем свидетельствовать об их видении. Например: Моделирование химической реакции со 100 сильно коррелированными электронами (одной из таких реакций является фиксация азота) недоступно мощным классическим компьютерам. Но в 2017 году группа под руководством Маркуса Райхера, профессора теоретической химии в ETH Zurich, рассчитала масштаб квантовой системы, необходимой для задачи, и представила жизнеспособный подход. Команда обнаружила, что цель достижима с использованием кластера продвинутых машин примерно по 100 логических кубитов каждая. Примеров прорывов, которые могут возникнуть в результате моделирования природных процессов, предостаточно. Вот три:

Химия. В начале 1900-х годов Фриц Габер и Карл Бош разработали промышленный процесс фиксации азота, который синтезирует аммиак непосредственно из азота и кислорода. Этот процесс до сих пор используется для производства удобрений для сельскохозяйственных культур, которые питают миллиардов людей по всему миру. Невероятное открытие, сделанное более века назад, дорого обошлось ему: теперь на процесс Габера-Боша приходится от 1% до 2% мирового потребления энергии и 1,4% выбросов CO₂. выбросы. Мы можем добиться большего, и квантовые вычисления могут помочь.

Например, мы знаем, что встречающийся в природе фермент может достигать тех же результатов, что и процесс Габера-Боша, расходуя лишь часть энергии. К сожалению, ограничения классических компьютеров не позволяют нам моделировать точные химические реакции, которые использует фермент. Квантовый компьютер однажды сможет сделать это, тем самым предоставив химическим компаниям новые возможности для производства удобрений и других продуктов более энергоэффективными способами.

Энергия. Тип ядерного синтеза, известный как синтез с инерционным удержанием, использует мощные лазеры для сжатия крошечных гранул топлива, создавая чрезвычайно высокие температуры при правильных условиях. Теоретически количество энергии, высвобождаемой в результате этого процесса, может быть больше, чем энергия, используемая лазерами, что делает его жизнеспособным источником энергии. Достижение этого на практике, однако, зависит от конфигурирования огромного количества возможных параметров процесса с невероятной точностью — то, что классические компьютеры делали с ограниченным успехом. Технический директор Google Хартмут Невен считает, что квантовые вычисления могут помочь в разработке более совершенных реакторов, открывая потенциал для изобилия чистой энергии.

Науки о жизни. В 2018 году трое химиков из Гарварда опубликовали статью, в которой описывались возможности квантовых вычислений для разработки лекарств. Они подробно рассказали, как технология может привести к существенному прогрессу, позволяя быстрее и точнее характеризовать молекулярные системы. В том же году исследователи стали соучредителями Zapata, стартапа в области квантовых вычислений, который с тех пор привлек более 65 млн долларов венчурного капитала.

Не только стартапы ищут новые молекулы с помощью компьютеров, а не пробирок. QuPharm — это консорциум из 17 фармацевтических компаний, включая AbbVie, Bayer, GSK, Takeda и Pfizer, которые объединяют свой опыт для ускорения прогресса в области квантового оборудования и программного обеспечения. В 2019 году биотехнологическая фирма Biogen и канадский специалист по квантовым вычислениям 1QBit совместно разработали инструмент для молекулярного сравнения с квантовой поддержкой, который является важной частью экспериментов по виртуальному скринингу на ранних этапах разработки лекарств.

Другие исследователи изучают, как квантовая технология может дать новое представление о химических механизмах, таких как фотосинтез. Мы также сможем лучше бороться с глобальным потеплением, если квантовое моделирование сможет решать проблемы материаловедения, такие как поиск соединений для более эффективных батарей, лучших солнечных элементов и новых видов линий электропередач, которые передают энергию более эффективно.

2. Линейные системы.

Уравнения линейных систем лежат в основе многих классических вычислительных приложений в инженерии, финансах, химии, экономике и информатике. Квантовые вычисления предлагают потенциал для экспоненциального улучшения выборочных решений таких уравнений. (Нам уже известен один такой алгоритм под названием HHL, разработанный совместно с некоторыми из наших коллег из Массачусетского технологического института.) Наиболее многообещающие приложения линейных систем могут быть в области усовершенствованного машинного обучения.Произошел взрыв внедрения нейронных сетей — средства обучения компьютера выполнению задачи, основанной на том, как работает человеческий мозг, — для обеспечения работы самых разных приложений. Это сопровождалось растущей потребностью в усиленном обучении компьютерных моделей.

Возьмите, к примеру, рекомендательные системы. Netflix моделирует предпочтения в большой матрице для всех своих подписчиков для всех фильмов в своем архиве. Его цель — рекомендовать пользователям фильмы, которые они еще не смотрели. Квантовый алгоритм может давать такие рекомендации быстрее и точнее, чем классические компьютеры, особенно когда количество измерений в матрице очень велико.

Еще одним приложением линейных систем может быть улучшение способности ИИ извлекать полезную информацию из фотографий и видео. Например, исследователи из ведущих квантовых фирм недавно опубликовали статью, в которой подробно описывается, как квантовые компьютеры могут работать с классическими компьютерами для создания оригинальных изображений и видео. В ходе демонстрации система создавала изображения рукописных чисел с высоким разрешением, используя технику машинного обучения, называемую генеративно-состязательными сетями (GAN). Хотя результат сегодня может показаться элементарным, представьте себе будущий фильм Pixar, в котором элементы вымышленного мира создаются и организуются не графическими дизайнерами, а квантовыми компьютерами. Применение квантовых сетей GAN может включать в себя создание трехмерных объектов в архитектуре и создание данных синтетической ДНК в исследованиях геномики для создания новых молекул для лечения рака.

Спенсер Лоуэлл/Trunk Archive

Одной из проблем, с которыми сталкиваются алгоритмы линейных систем (и, как мы увидим, другие типы), является так называемая проблема загрузки данных: как перенести большие объемы классических данных в квантовые компьютеры. Решение этой проблемы станет важной вехой в коммерческой жизнеспособности.

3. Оптимизация.

Алгоритмы оптимизации определяют, какое решение в заданном сценарии с наибольшей вероятностью приведет к достижению определенной цели. Например, инвестиционный менеджер пытается найти оптимальную стратегию выхода на пенсию для клиента, уравновешивая ожидаемую прибыль с некоторой мерой риска. Алгоритмы квантовой оптимизации могут улучшить качество решений и увеличить скорость вычислений при их поиске.

В мае 2021 г. компания Zapata объявила о результатах исследования, проведенного совместно с испанским банком BBVA для изучения практического применения квантовой системы для создания корректировок кредитной оценки (CVA) — нормативного требования, введенного в действие для минимизации системного финансового риска. Проект сосредоточился на моделировании методом Монте-Карло, стандартном методе анализа рисков CVA. Расчеты, лежащие в основе моделирования, сложны и требуют много времени для классических компьютеров, поскольку они должны учитывать широкий спектр возможных сценариев дефолта по кредиту. Исследование Запаты и BBVA определило потенциал для ускорения по сравнению с классическими машинами по мере улучшения скорости исправления ошибок в будущих поколениях квантовых компьютеров. Крупные банки уже инвестируют в это пространство: в Goldman Sachs и JPMorgan Chase, а также в BBVA есть целые команды, занимающиеся исследованием возможностей квантовых вычислений в банковском деле и финансах.

Алгоритмы оптимизации приносят пользу компаниям из самых разных отраслей. Любой бизнес, который зависит от поиска лучших маршрутов цепочки поставок или повышения производительности производственного предприятия, уже знает о важности оптимизации для повышения производительности. Большинство задач оптимизации можно адекватно решить с помощью классических компьютеров и алгоритмов. Представьте, что вы хотите оптимизировать свою 20-мильную поездку домой с работы. Карты Google могут приблизить наилучший маршрут, не перебирая все возможные варианты. Выберет ли он абсолютно лучший маршрут или один в пределах минуты, для вас не будет иметь большого значения. Но для задач гораздо большего масштаба и задач, для которых постепенные улучшения чрезвычайно важны, алгоритмы оптимизации квантовых вычислений могут изменить правила игры.

4. Неструктурированный поиск.

Когда классическому компьютеру необходимо найти точную информационную цель в неструктурированной базе данных, он должен искать строку за строкой, пока не найдет соответствие запросу. Но каждый результат поиска, который генерирует компьютер, не дает ему никакой дополнительной информации; то есть отрицательные результаты не сужают возможности для последующих поисков. Это одна из самых основных проблем информатики. Чтобы быстрее найти информацию, можно запустить несколько классических компьютеров, каждый из которых выполняет поиск построчно. Благодаря квантовым вычислениям поиск можно проводить быстрее и в больших массивах данных.Приложения, основанные на проверке баз данных, включают поисковые системы в Интернете, обработку транзакций по кредитным картам в режиме реального времени и даже сканирование астрономических радиоволн в поисках признаков внеземного разума.

Алгоритм Гровера – это мощная теория квантового поиска, разработанная в 1996 году. Она может значительно улучшить способ, с помощью которого компьютеры находят информацию в большой неструктурированной базе данных, и решить так называемую проблему "иголки в стоге сена". Возьмем, к примеру, геномные технологии, которые позволили радикально изменить микробиологию, например, выявить генетические болезни сердца и предложить большой потенциал для обнаружения эпидемий и наблюдения за ними в режиме реального времени. Эти технологии требуют больших вычислительных мощностей. Каждый раз, когда исследователи сопоставляют последовательность ДНК с эталонным геномом, они должны выполнять массовый поиск на классических компьютерах. Алгоритм Гровера мог бы значительно ускорить эти поиски, но их можно запустить только на работающем квантовом компьютере.

Помимо этих проблем, алгоритмы неструктурированных данных сталкиваются с проблемой загрузки данных, поскольку они основаны на эффективном вводе больших объемов классических данных в квантовые компьютеры.

5. Факторинг и шифрование.

Как мы уже говорили, первичная факторизация лежит в основе большей части современной глобальной инфраструктуры безопасности и конфиденциальности в Интернете. Банковские балансы, биткойны, кредитные карты, пароли социальных сетей и почти все остальное, представляющее интерес для киберпреступников, защищено факторинговыми проблемами, которые классические компьютеры не могут решить с помощью грубой силы.

Квантовые вычисления могут перевернуть эту парадигму, упростив взлом систем шифрования, на которые мы сегодня полагаемся. В апреле 2021 года Национальный институт стандартов и технологий (NIST), правительственный орган США, которому поручено разработать стандарты кибербезопасности, предупредил, что «мы не можем предсказать, когда квантовый компьютер, способный выполнять алгоритм Шора, станет доступен для противников, но… придет день, и все секретные и закрытые ключи, защищенные с помощью текущих алгоритмов открытых ключей, а также вся доступная информация, защищенная этими ключами, будут раскрыты».

Возможно, злоумышленники не смогут взломать текущее шифрование, но они могут легко получить данные в зашифрованном формате (например, взломав интернет-провайдера и скопировав весь проходящий через него трафик). Представьте, если бы хакер собирал и хранил зашифрованные данные до тех пор, пока достаточно сложный квантовый компьютер не смог бы взломать шифрование. В этот момент все данные будут раскрыты. Чтобы предотвратить возникновение таких сценариев, переход к квантово-устойчивой криптографии должен произойти задолго до того, как начнут работать крупномасштабные квантовые компьютеры.

Читайте также: