每一封電子郵件、簡訊或數據包的傳送，都在公開互聯網上展開一段充滿風險的旅程。在此過程中，資料可能被攔截、延遲或阻塞，尤其是在災難、戰爭或大規模故障期間。數十年來，工程師們一直在嘗試克服這一挑戰，以增強通信的安全性。然而，傳統系統仍依賴於信號通過電纜、無線電波或衛星進行傳輸，這一問題一直存在。如今，一項新的研究提出了一個新穎的想法：如果機器能夠在不實際傳送消息的情況下協調和共享信息呢？聽起來似乎不可能，但這其實是可行的。來自維吉尼亞理工大學的研究人員展示了量子糾纏——物理學中最奇特的特性之一——可以讓一組由人工智能驅動的機器在正常通信渠道失效時仍能互動和協作。
這個想法的運作方式是利用糾纏來替代消息。多代理人工智能系統（如無人機群或機器人團隊）通常依賴於持續的無線通信。然而，在野火或災區等環境中，它們的信號可能會丟失或受到干擾。至今，這類系統一直沒有可靠的方法在不交換數據的情況下進行學習和協調。為了應對這一挑戰，研究作者轉向了量子糾纏。這是一種使兩個粒子（如量子位元）保持糾纏的現象，即使它們相距甚遠，當一個量子位元發生變化時，另一個也會隨之改變。更重要的是，這種連接不涉及像無線電波那樣的信號傳遞，而是依賴於粒子的共享量子狀態。
運用這一思路，研究作者開發出一種新的框架，稱為 eQMARL（糾纏量子多代理增強學習）。該框架實際上是一種學習方案，利用了量子位元對的任一半部分發生變化時，另一半也會隨之改變的事實。維吉尼亞理工大學的研究作者之一、博士生 Alexander DeRieux 表示：「我們不必關心具體的變化是什麼，只需要知道變化發生了。」這種學習方式使機器能夠通過試錯法進行學習，並根據環境的反饋改善其行為。在傳統系統中，代理必須將觀察結果或決策進行通信以便協調，而在 eQMARL 中，每個代理都擁有糾纏的量子位元。當一個代理通過觀察、聽取或做出決策與環境互動時，它會修改其量子位元。由於這些量子位元是糾纏的，相似的變化會出現在其他代理持有的量子位元上。此外，系統不需要確切知道變化了哪些信息，只需要知道發生了變化。通過局部測量這些變化，每個代理都能在不進行直接數據傳輸的情況下獲得有用的集體系統信息。
在與傳統人工智能方法及非糾纏量子基準進行測試時，eQMARL 一直表現更佳，尤其是在通信受限或不可靠的情境中。這項研究的影響深遠。例如，在不久的將來，這可能有助於協調在野火中作戰的無人機群、搜尋倒塌建築物的機器人，或在「信號丟失」環境中運行的自主系統。然而，這一方法也存在明顯的限制。大規模、穩定的糾纏仍然難以在實驗室外維持，實用的量子硬體尚未足夠小型或堅固，無法在現實世界中部署。DeRieux 估計，這種方法在災難響應無人機等實際應用上，可能仍需 10 至 15 年的時間。目前，他們計劃進一步完善該框架的數學基礎，並在量子技術不斷進步的情況下，在更現實的條件下進行測試。該研究已發佈於 arXiv。
