怀进鹏:人工智能仍有计算瓶颈 智能汽车值得关注

在这里分享一下我们实验室对这个问题主要从数据和智能方的思考，第一，如果人工智能走向产业或者成为一个独立的门类，那它的科学性在什么地方？无论计算能力多么好，无论数据多大，总有一个基本的问题，就是数据科学的科学是什么？所以计算机科学当中算法是重要的，复杂性是来提供重要的基础。有关这方面的内容，不展开讲，过去每一个时点在计算复杂性都有重大的突破，但是二十世纪大数据时代，我们经常说从IT到DT，从IT到新IT，传统的信息技术到智能技术，在这个过程当中就会有一些新的变化。二是有没有数据基础。如果数据关联就能成为科学，计算的复杂性也是重要的。第二，我们是否能够有它的工业系统能给出的技术，因为我们毕竟对它的逻辑和因果关系不太了解，所以我们知道哥德尔定律，对的就是一定能证明的，能证明的东西必须是对的。在这样一个开放系统下，通过这样数据的关联是否能建立因果关系？

数据库的成长，从早期外设问世，催生数据管理需求，将数据库从文件系统中分离出来。面对新的问题，数据库的发展本身也面对很多挑战。这是第一个问题，数据是否能成为科学，表现在计算的领域和对话系统是不是有机会。二是计算模型是否存在重要的突破，问题表现在是不是走到了一个转折点，这个转折点表表现在器件和系统。因为最近关于非意识存储所呈现的计算联动的新的架构的重新思考，这为技术的工程化实际上业提供了一种思考。

左边这张图表达的是从过去摩尔定律之后特别是沿着传统的路线发展过程当中，我们看到从硬盘再到Flash过程当中的新的机构，以便创造出新的应用的方式。自然的一个想法是计算和存储的融合是不是一个重要的支撑点。

分布式系统层面中，有很多新的机会，包括内存计算为基础的，所谓数据流的计算、图计算的系统，这样一个计算系统为我们处理计算的方式是不是完整的，这样模式的延伸就是现在处理最重要的。

三是我们经常在一起讨论的智能一致性的问题，群体智能的可行性问题。通过整合其他学科的知识对亿我们认知的能力进行不断的完善，在这个领域像李生理事长所讲的是智能的最高阶段，也是我们期待的过去想超越的，在原来图灵测试基本方式又走向了新的应用。这个领域的发展空间现在非常多的，而且也出现了很多积极的效果，这方面的效果也推动了社会在学术界、产学界的新期待。

总体来说，我觉得人工智能在技术发展当中仍然出现计算的基本瓶颈问题，就是虽然计算能力很大，有千万亿，又要延续百亿的计算机。现在处理结构也给我们带来了很多新的思考，最后是学习效率，这些是所看到的新问题。人们期待的通过一种通用的模型，再加上对人脑计算的发展来进行思考，所以如果顺着第二第三条方式交叉的话，设务脑可能也是一个数据处理系统，由此引入第二条研究的途径，对脑科学的认识和模拟是否能够对智能产生重要的影响，这些领域我也把前面第三个问题和它相关的联系在一起，表现的对话系统和一些记忆芯片，这个领域也有很多工作开展。

对应前面计算产生智能，数据作为源头来开始，在认知和模拟脑方面一直在开展这项工作，特别是最近几年，美国和欧盟分别启动了重要的脑科学的计划，也在不断的探索这个领域的发展模式，所以说到这里，计算产生智能，人脑和脑科学的研究也在于智能，以前开玩笑，张老师跟别人调侃，我们作为人来说，对脑的认识是有局限的，有局限的人的脑力去研究人的脑，是不是我们进入了一种新的悖论，所以应该从数据和计算产生智能，来看待这个特征，因为我们理解上的局限性会影响我们研究问题的有效性。但是这两种方式，如果最后是一种计算系统，我们就可以把计算机在外部模拟计算和重要的方法和计算模式有效的和脑科学结合，也许会产生不一样的事情。怎么去融合这两条路径？我觉得从事信息领域的人和从事神经科学的人也正在探讨这个方向。

北航在北京市的支持下成立了一个大数据科学和脑机智能的工作，期望通过在计算方面、系统技术设计与仿真方面、认知机理方面来开展一些有选择性的工作，所以今天看到这么多年轻的新的面孔，也欢迎各位多交、沟通，推进这项工作，我们也希望能够透过数据智能或数据的分析，来为数据的科学基础和技术的准备做些贡献。

简要在这里跟各位报告一下对产业的发展。对人工智能，上个月底和杨强教授讨论，他说应该分析一下我们产业中的痛点，现在产业中的大概具备的基本条件，以便我们说应用过程当中，讲产业的时候是不是有改变我们现代现实的一部分的需求。MIT也专门讲，人工智能走向三个阶段，从逻辑推理、专家系统到现在的深度学习发展，也认为这是人工智能的第三次浪潮。扎赫特（音）在上个月做了一个新兴技术的预测，其中把人工智能作为重要的内容，我们看到相当多的发展空间，最好的预测未来25年将会对产业的形成和发展起到很重要的作用。

这个内容大家都知道，在世界经济论坛预测未来10-15年产业出现新的拐点当中提出了六大趋势，其中第四点就把大数据和人工智能作为重要的产业发展方向，需要引起重视。它不是专门的咨询机构，而是众多的州和全球在多个领域和产业界的关注的焦点，并把它凝练出来，做了相当长时间的研究和分析。它对大数据和人工智能未来对产业化的影响更多的是理解对决策的思考方式，而从这里我们看到，人机物的互联，计算、通信和存储新的影响，以及物联网，IOT，还有分享型经济和数字化。说白了，这些都对我们现在看的人工智能有新的突破和新的支撑。

据BBC的报告，大概到2020年，全球人工智能的市场规模达到183亿，总规模并不是很大，但是增长率是非常高的。投资领域的规模，从2013年2015年他们做了一个基本的对比，整个的投资金额、笔数也处于快速发展的过程当中。亚洲发展的速度也挺快，中国现在号称人工智能公司非常多的，就像每一个内容兴起一样。

真正的人工智能是否进入到产业爆发的拐点，有几个基本的标志，有没有规模化的痛点或者能改变产业的内容。这里人们讲深度学习是否是为人工智能提供了大规模的商业化水平，云计算和大数据是不是人工智能成长的数据基础，而资本的持续投入是不是对它的成长更有好处，但是人们更加关注规模应用和它发展的痛点。所以我想在这里有一个基本的情况跟各位报告一下，人工智能和制造业的发展。

因为机器人和无人机或者未来发展的自动驾驶，确实有可能对这个行业产生变革，就跟第一次蒸汽机、纺织机出现以后，大量的农民和工人失业了。改变行业的状态，麦肯锡预测，10年之后制造业和服务业领域的机器人可能会取代4千万到7千万全职工人。Gartner预测，2025年1/3被机器人或智能软件代替无人驾驶，使300万卡车司机失业；牛津大学，47%的就业面临“危险”。所以人们在讲，凡是人类在进行重复性或者可进行流程化管理工作，机器代替人是一种比较流行的方式。这种方式也可能是人工智能产业发展最最主要要推动的在这些领域当中，投资的幅度相对高，也会相对快。

另外在医疗培训和教育行业，这里也有相当的方式，包括我们以前看到的MOOC的模式，包括对医生医疗。

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!