人工智能如何加速量子风险
追踪量子进展的研究人员和开发者表示，人工智能是压缩时间线的关键因素。机器学习有助于优化量子纠错、模拟量子电路，甚至比传统方法更快地识别经典加密中的漏洞。曾经遥远而理论化的风险如今显得更加紧迫。
这并非指明天就能造出可用的量子计算机。而是关于进步的速度。人工智能工具实际上成倍增加了研究人员每月能够进行的实验和改进数量。这意味着，具备密码学相关能力的量子计算机这一里程碑可能比此前预估提前数年到来。
这对加密货币意味着什么
对于比特币、以太坊以及大多数其他公有区块链而言，风险很直接：椭圆曲线数字签名算法（ECDSA）和SHA-256分别容易受到肖尔算法和格罗弗算法的攻击。一台足够强大的量子计算机可以从公钥推导出私钥，或者破坏挖矿证明。时间线的变化迫使项目现在就开始考虑后量子升级，而不是十年后。
一些开发者已经开始尝试基于格密码的签名和基于哈希的方案。但更广泛的生态系统——交易所、钱包、智能合约平台——行动迟缓。这一警告提醒我们，时钟的滴答声比许多人预想的要快。
更广泛的安全反思
专家们担心的不仅仅是区块链。他们表示，这种加速迫使人们对金融、通信和基础设施领域的数字安全进行全面反思。像AES和RSA这样的密码标准无处不在。迁移到抗量子算法需要数年时间，过渡不可能一蹴而就。
这就是监管机构和标准制定机构开始关注的原因。美国国家标准与技术研究院（NIST）已经选定了多个后量子算法进行标准化。但大规模采用仍然是一个巨大的协调问题。人工智能在加速
