“人工智能和生物基因技術(shù)正在重塑世界,，計(jì)算機(jī)和大數(shù)據(jù)將比我們自己更了解自己,。”在2017年度“大眾喜愛的50種圖書”中,，尤瓦爾·赫拉利的《未來簡史》榜上有名,，這本書以宏大的視角審視人類未來的終極命運(yùn)：人類，正一步步進(jìn)化為神一般的存在,，開始復(fù)制自身,，創(chuàng)造新的智慧生命體。

人工智能是全球競爭的新焦點(diǎn),，而中國成為AI大秀的舞臺,。2018世界人工智能大會（WAIC）上，最新AI應(yīng)用紛紛亮相,，來自世界各地的學(xué)者,、產(chǎn)業(yè)精英共同探討AI產(chǎn)業(yè)發(fā)展，《未來簡史》中未來人類與AI的變化,，從這里可以一窺端倪,。

AI什么時(shí)候能進(jìn)入2.0？AI下一代技術(shù)是什么,？AI能和哪些行業(yè)結(jié)合共同探索世界,？

人類的未來已來，AI的未來尚需等待,。

下一個(gè)“深度學(xué)習(xí)”是誰？

半個(gè)世紀(jì)以前,，麻省理工學(xué)院幾個(gè)計(jì)算機(jī)系的教授第一次提到人工智能這個(gè)詞時(shí),，他們以為人工智能是一個(gè)夏天就能解決的問題，但直到現(xiàn)在人工智能還是實(shí)驗(yàn)科學(xué),。2016年AlphaGo對弈讓普通人意識到人工智能的魅力,，其采用的深度學(xué)習(xí)方式在圖像識別和語音識別領(lǐng)域的成功，讓它幾乎成為AI的代名詞,，短短兩年,，人工智能技術(shù)已經(jīng)應(yīng)用到自動駕駛、機(jī)器人,、醫(yī)療診斷等多個(gè)領(lǐng)域,，深度學(xué)習(xí)成為人工智能熱潮的主力軍。

然而,，深度學(xué)習(xí)的缺點(diǎn)也很明顯：對數(shù)據(jù)和算力要求高,，而最終機(jī)器給出的結(jié)論是“黑盒子”，人們只能知其然卻不知其所以然,。

“大概五六年以后,，深度學(xué)習(xí)的算法可能會到達(dá)增長極限,。下一波AI創(chuàng)新應(yīng)該來自哪里？”圖靈獎獲得者,、清華大學(xué)交叉信息研究院院長姚期智在本次WAIC大會上提出了“姚之問”,。

如何回答“姚之問”？

“能夠引領(lǐng)AI發(fā)展的頂級人才,，環(huán)顧全球尚不足千人,，這讓AI成為供不應(yīng)求的搶手貨，只有AI的應(yīng)用門檻降低到普通開發(fā)者甚至是業(yè)務(wù)人員也能做的程度,，才能夠真正爆發(fā),。”第四范式的創(chuàng)始人戴文淵在WAIC上表示,，據(jù)《全球人工智能人才白皮書》數(shù)據(jù)統(tǒng)計(jì),，目前全世界只有不超過 1000 家公司擁有能夠開發(fā) AI 系統(tǒng)的人才，與此同時(shí),，更多公司卻擁有開發(fā) AI 系統(tǒng)所需的數(shù)據(jù),。

屢屢在國際語音識別大賽中奪魁的科大訊飛，對深度學(xué)習(xí)的優(yōu)劣也深有體會,，其董事長劉慶峰在WAIC的不同論壇上多次表示,，“深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)面臨著算法突破的挑戰(zhàn)，比如目前數(shù)據(jù)參數(shù)的設(shè)定都是手動,，很多優(yōu)秀的碩士,、博士生只能將時(shí)間耗費(fèi)在這種機(jī)械操作上，其次,，深度學(xué)習(xí)對樣本需求量過大,，能否有少量數(shù)據(jù)就可以學(xué)習(xí)，而且目前深度學(xué)習(xí)很難突破有監(jiān)督訓(xùn)練,，未來能否變成半監(jiān)督或者無監(jiān)督訓(xùn)練,？”

劉慶峰指出的正是兩個(gè)深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)最難和最耗時(shí)的問題：處理數(shù)據(jù)格式化和培養(yǎng)深度學(xué)習(xí)模型，而這兩個(gè)難題在某種程度上阻礙了AI的普及,，因?yàn)閿?shù)據(jù),、算力、建模都需要耗費(fèi)大量人力和資本,，普通企業(yè)根本無力“AI化”,，而這恰恰也是斯坦福教授李飛飛希望倡導(dǎo)“AI民主化”的緣由。

AutoML實(shí)現(xiàn)“AI的民主”

從學(xué)界來看,，遷移學(xué)習(xí),、冷撲大師、膠囊網(wǎng)絡(luò)等等新的算法都有可能在接下來的幾年中實(shí)現(xiàn)突破,，但目前最早進(jìn)入商業(yè)化,、并且已經(jīng)相對成熟的是基于遷移學(xué)習(xí)的AutoML,。

可以讓機(jī)器自動建模、自動調(diào)參的AutoML被李飛飛稱為“AI民主化的重要進(jìn)展”,，因?yàn)樗蟠蠼档土薃I使用者的門檻,，每個(gè)人都可以利用AI技術(shù)自動生成AI應(yīng)用，將企業(yè)的數(shù)據(jù)自動變?yōu)槟Ｐ?，整個(gè)機(jī)器學(xué)習(xí)過程是自動化的,。

戴文淵以及第四范式的聯(lián)合創(chuàng)始人、香港科技大學(xué)計(jì)算機(jī)系主任楊強(qiáng)都是遷移學(xué)習(xí)領(lǐng)域全球排名前三的科學(xué)家,。

戴文淵告訴《IT時(shí)報(bào)》記者,，盡管在AutoML領(lǐng)域，微軟和谷歌都在2017年發(fā)布了相關(guān)產(chǎn)品,，但中國AI公司在這方面毫不遜色,，前不久，國際人工智能頂尖學(xué)術(shù)會議NIPS正式宣布,，第四范式擊敗了谷歌獲得AutoML Challenge（挑戰(zhàn)）2018 大賽的承辦權(quán),。

戴文淵將第四范式的AI Prophet AutoML（以下簡稱“AutoML平臺”）定義為“AI的AI”，開發(fā)者無需深入理解算法原理和完成大量編碼訓(xùn)練,，只需做到“收集行為數(shù)據(jù),、收集反饋數(shù)據(jù)、模型訓(xùn)練,、模型應(yīng)用”四步,，便可以直接升級為AI開發(fā)者，這樣一個(gè)公司AI應(yīng)用的開發(fā)周期從以半年為單位縮短至周級別,。

或許將之比喻為“AI中的Windows”更容易理解,，一家中小企業(yè)不需要去自己做一套Windows，而是在Windows上打開Office輸入數(shù)據(jù)便可以得到自己想要的答案,。但對于科技創(chuàng)新而言，從0到1的路走得最難,，軟件時(shí)代,，中國國產(chǎn)操作系統(tǒng)半途折戟,，AI時(shí)代，中國能有自己的AI“操作系統(tǒng)”嗎,？

“操作系統(tǒng)能否成功，核心不在技術(shù)而是應(yīng)用,，軟件時(shí)代,，所有的應(yīng)用軟件也都來自國外，國產(chǎn)操作系統(tǒng)根本無力與Windows競爭,，而AI時(shí)代,，全球應(yīng)用需求的中心在中國,，我認(rèn)為，國產(chǎn)AI操作系統(tǒng)的市場時(shí)機(jī)已經(jīng)成熟,?！贝魑臏Y表示。

為什么研究人工智能,？基礎(chǔ)科學(xué)不太接地氣,，澳大利亞科學(xué)院院士陶大程試圖用更形象的語言讓大家理解，他拿出一張畫面滿是人的照片問：誰知道照片中有多少人,？會場近千名觀眾無人作答,，有人下意識的開始去數(shù)，但通過人工智能技術(shù),，照片很快顯示出答案,，3秒中檢測出920張人臉。

“除了圖片,，現(xiàn)在的技術(shù)也能對視頻中的人物做人臉檢測,、特征點(diǎn)檢測，識別人與鏡頭的距離,，甚至把視頻的背景檢測出來改成油畫和中國畫,。人類通過眼睛看見這個(gè)世界，對周圍的事物有迅速的判斷和認(rèn)知,，如今我們做的是教機(jī)器如何變得像人類一樣聰明,。”陶大程的主要研究方向是表征學(xué)習(xí),，這也是人工智能領(lǐng)域非常重要的研究方向之一,，包括多視角學(xué)習(xí)、多標(biāo)簽學(xué)習(xí),、多任務(wù)學(xué)習(xí),、遷移學(xué)習(xí)、張量學(xué)習(xí),、噪聲數(shù)據(jù)學(xué)習(xí)等,，這些研究成果被應(yīng)用于計(jì)算機(jī)視覺、圖像處理以及生物識別技術(shù)等領(lǐng)域,。

人工智能技術(shù)在向前行進(jìn)過程中,，總是遇到不同的問題，機(jī)器學(xué)習(xí)也像“盲人摸象”,，看到某一部分,，在已有信息的條件下做出最好的決策。“我們研究多視角學(xué)習(xí),，通過多個(gè)傳感器拍攝同一個(gè)物體的不同狀態(tài),，再匯總到一個(gè)平臺做出選擇。就像無人駕駛,，有激光雷達(dá),、獲取視覺數(shù)據(jù)的攝像機(jī)，獲取聽覺數(shù)據(jù)的麥克風(fēng)陣列等非常多的傳感器,，之后把傳感器信息最終結(jié)合起來做出判斷,。未來，能不能有一個(gè)上帝視角,，讓機(jī)器知道自己看到的是一個(gè)物體的不同角度,？”陶大程希望通過多視角學(xué)習(xí)來改善這一問題，把一些不同源,、不同表達(dá)方式的信息整合起來,，以改善后續(xù)的識別問題。

對于下一代人工智能具有什么特征,，陶大程同樣用一張圖片舉例,，通過圖片人物的著裝和神情，人類一眼即可判別圖片中的人在看球賽,，“機(jī)器是能做到,，但需要收集大量的信息才能教會它判斷，這樣的人工智能是我們需要的嗎,？不是,！下一代的人工智能應(yīng)該有推理能力，也只能是推理的時(shí)代,?！?/p>

無限向人腦靠近

對于AI的未來，調(diào)整算法固然可以減少對數(shù)據(jù)量和算力的需求,，但根本而言,，AI仍然是一個(gè)需要大算力的技術(shù)，尤其在生物,、氣象等大自然領(lǐng)域,，海量的數(shù)據(jù)依然要靠大型超算夜以繼日地運(yùn)算，而量子計(jì)算和AI的結(jié)合,，則很可能讓算力呈現(xiàn)爆發(fā)式增長。

2000年,，因?yàn)閷τ?jì)算理論的貢獻(xiàn),，姚期智被授予圖靈獎，而他的回國填補(bǔ)了國內(nèi)計(jì)算機(jī)學(xué)科的空白。在這位年過古稀的老科學(xué)家眼中,，量子物理是最美麗的物理法則,，如果有一個(gè)足夠強(qiáng)大的量子計(jì)算機(jī)，也許有可能模仿大自然量子法則,，從而理解自然智能,。當(dāng)人工智能與量子計(jì)算機(jī)結(jié)合，人們對世界甚至宇宙的探索會有更加深刻的認(rèn)識,， “深度學(xué)習(xí)的發(fā)展給了科學(xué)家一個(gè)如何看待計(jì)算機(jī)科學(xué)的新角度,，是不是可以將量子計(jì)算和人工智能結(jié)合，進(jìn)行量子人工智能,，量子計(jì)算本身就能擴(kuò)大了人類獲得知識,、認(rèn)知宇宙的能力，也許通過兩者的結(jié)合,，人類可以真正有機(jī)會‘攻克’自然界,。”

姚期智把著眼點(diǎn)放在量子人工智能不難理解,，量子計(jì)算是他上世紀(jì)90年代開始主攻的研究領(lǐng)域,。

拋去多粒子糾纏、量子比特,、多量子系統(tǒng)等晦澀難懂的名詞,，具有超快的并行計(jì)算和模擬能力的量子計(jì)算機(jī)令人興奮。量子計(jì)算機(jī)的計(jì)算能力有多強(qiáng),？有人打了個(gè)比方：如果將現(xiàn)在的計(jì)算機(jī)速度比作自行車,，那么量子計(jì)算機(jī)的速度就是飛機(jī)。

量子計(jì)算機(jī)什么時(shí)候出現(xiàn),？何時(shí)能與人工智能相結(jié)合,？對于看好這一產(chǎn)業(yè)的人來說，這是必須要思考的問題,。迄今為止,，科學(xué)家們還并沒有對開發(fā)量子計(jì)算機(jī)的最佳方法達(dá)成一致。面對場景多元化的人工智能,，其他學(xué)科已經(jīng)率先與之結(jié)合,。

“人工智能剛剛開始，需要做的不只是把機(jī)器的計(jì)算能力再提升,，還有許多科學(xué)問題亟待突破,，要把心胸放大，深度學(xué)習(xí)需要和很多學(xué)科結(jié)合在一起,，數(shù)學(xué),、計(jì)算機(jī),、神經(jīng)科學(xué)等等?！币ζ谥钦f,。

值得注意的是，學(xué)術(shù)界已經(jīng)注意到交叉學(xué)科為人工智能發(fā)展帶來的更多可能性,，開始匯聚計(jì)算機(jī),、統(tǒng)計(jì)、心理學(xué),、人文社科等領(lǐng)域的力量與人工智能相結(jié)合,。比如，通信和計(jì)算機(jī)的交叉學(xué)科云計(jì)算,，把云計(jì)算的運(yùn)作模式與人工智能深入融合,，可以把龐大的人工智能運(yùn)行成本轉(zhuǎn)移到云平臺，從而降低終端設(shè)備使用人工智能技術(shù)的門檻,。另外,，神經(jīng)科學(xué)提供的神經(jīng)網(wǎng)絡(luò)模型，對人工智能的發(fā)展也頗有貢獻(xiàn),，2018世界人工智能大會的學(xué)者不乏生物領(lǐng)域的專家,，一些企業(yè)甚至已經(jīng)喊出“神經(jīng)科學(xué)是人工智能領(lǐng)域創(chuàng)新關(guān)鍵”的口號。

數(shù)據(jù)顯示,，2011年,，人工智能識別圖像的錯(cuò)誤率是26%，2016年的錯(cuò)誤率下降到3%,，比人類的識別能力要高出2%,，這樣的數(shù)字源于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)在人工智能領(lǐng)域的爆發(fā)。

人工智能正在改變各行各業(yè),，而芯片是實(shí)現(xiàn)人工智能的載體,，但傳統(tǒng)芯片卻遇上馮·諾依曼結(jié)構(gòu)瓶頸。

目前,，計(jì)算機(jī)采用的是馮·諾依曼體系結(jié)構(gòu),，而滿足這個(gè)結(jié)構(gòu)必須有一存儲器、一個(gè)控制器,、一個(gè)運(yùn)算器,、必須有輸入設(shè)備和輸出設(shè)備用于人機(jī)通信，另外,，程序和數(shù)據(jù)統(tǒng)一存儲并在程序控制下自動工作,。有人將這稱之為“內(nèi)存墻”，意思是CPU再快,，也要等內(nèi)存,。

如今,，越來越多的人工智能應(yīng)用需要專門的AI加速器或計(jì)算卡，從業(yè)認(rèn)識開始關(guān)注專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊,，與通用芯片不同，AI芯片主要用于處理專用任務(wù),，比如安防中高清視頻的識別,、自動駕駛時(shí)的數(shù)據(jù)計(jì)算等等。這類的處理器主要分為GPU,、FPGA,、ASIC等類型，其中專用定制的ASIC芯片被認(rèn)為是人工智能芯片的主要方向,，寒武紀(jì)的GPU,，地平線的BPU都屬于ASIC芯片。

值得關(guān)注的是,，在ASIC芯片里還有一個(gè)特殊的群體——類腦計(jì)算,，正如尤瓦爾·赫拉利的《未來簡史》中傳達(dá)出的觀點(diǎn)，人類開始復(fù)制自身,，幾十年來,，科學(xué)家一直“訓(xùn)練”電腦，使其能夠像人腦一樣思考,，而類腦芯片就是模擬人類大腦處理信息的新奇的微芯片,。

“為了應(yīng)對各種認(rèn)知任務(wù)，大腦要在短時(shí)間內(nèi)保存和處理各種感興趣的信息,，完成這個(gè)過程的大腦系統(tǒng)就是‘工作記憶’,。工作記憶是形成語言理解、學(xué)習(xí)與記憶,、推理和計(jì)劃等復(fù)雜認(rèn)知能力的基礎(chǔ),。此外，基于生物層面的神經(jīng)突觸信號傳遞作用機(jī)制,、腦區(qū)間環(huán)路特征,、腦信息表達(dá)與處理、腦結(jié)構(gòu)和功能圖譜,、腦重大疾病發(fā)病的環(huán)路機(jī)制等成為研究熱點(diǎn),，這些都為人工智能的突破性發(fā)展提供了新的方向?！?在9月18日至19日復(fù)旦大學(xué)舉辦的類腦人工智能主題論壇上,，復(fù)旦大學(xué)校長許寧生說。

研究表明,，人類大腦平均每秒可執(zhí)行 1 億億次操作,，所需能量只有 10?25 瓦特,，如果讓一臺超級計(jì)算機(jī)來完成同樣的工作，需要消耗的能量超過人腦的 1000 萬倍,?？茖W(xué)家們試圖通過模擬人腦運(yùn)轉(zhuǎn)機(jī)制，利用神經(jīng)元進(jìn)行傳輸數(shù)據(jù),，使計(jì)算機(jī)能低能耗高功效地進(jìn)行計(jì)算,。

類腦芯片的研發(fā)非常困難，許寧生表示,，復(fù)旦大學(xué)已經(jīng)布局了四年,，期望通過腦科學(xué)的深入研究和神經(jīng)機(jī)制的系統(tǒng)解析，“破譯”大腦信息處理與神經(jīng)編碼的原理,，再通過信息技術(shù)予以參照,、模擬和逆向工程，形成新一代人工智能通用模型與算法,、類腦芯片器件和類腦智能各類工程技術(shù)應(yīng)用等新型研究領(lǐng)域,。

“后摩爾定律時(shí)代”的新選擇

“摩爾定律”究竟還能走多遠(yuǎn)？ 一旦摩爾定律正式成為歷史,，半導(dǎo)體產(chǎn)業(yè)該如何繼續(xù)向前邁進(jìn),？過去30年里，集成電路的工藝進(jìn)步經(jīng)歷了多個(gè)現(xiàn)象級的飛躍提升,，例如,，工藝從毫米、微米,、納米級進(jìn)步,，到現(xiàn)在的3-5nm工藝，接近現(xiàn)有電子材料及光刻技術(shù)的極限,，然而,，芯片廠商們突然發(fā)現(xiàn)，按照“摩爾定律”繼續(xù)提升芯片性能所付出的成本也變得越來越龐大,，甚至已經(jīng)成為當(dāng)前集成電路行業(yè)面臨的最大挑戰(zhàn)：芯片設(shè)計(jì)和應(yīng)用的編程開發(fā)越來越復(fù)雜,，研發(fā)投入（IP、設(shè)計(jì)團(tuán)隊(duì)等）和工藝制造越來越昂貴,，而市場卻開始呈現(xiàn)碎片化的趨勢,。

然而，在AI領(lǐng)域,，卻呈現(xiàn)出另一種新的現(xiàn)象,，不少企業(yè)紛紛宣布推出自己的AI芯片，在本次WAIC上,，地平線,、寒武紀(jì),、酷芯等公司都展出了自己的AI芯片，且研究方向各有不同,。記者發(fā)現(xiàn),，酷芯的AR8000系列芯片組，采用自己研制開發(fā)的無線通信協(xié)議,，可以在4G等移動蜂窩網(wǎng)絡(luò)信號弱的時(shí)候傳輸高清圖像,，2014年起，全球出貨的中高端民用無人機(jī)中,，70%以上都是使用酷芯方案，而酷芯在WAIC上新發(fā)布的AR9201芯片組,，是通信與邊緣智能處理的融合SoC（系統(tǒng)集成芯片）,，采用自主研發(fā)的遠(yuǎn)距離無線基帶和射頻、高性能ISP (Image Signal Processing),、神經(jīng)網(wǎng)絡(luò)專用加速器,、視頻編解碼等核心技術(shù)；地平線的自動駕駛軟硬體一體化計(jì)算平臺Matrix則在WAIC上入圍了世界人工創(chuàng)新大賽,，也是入圍該榜單的唯一一個(gè)軟硬結(jié)合嵌入式人工智能計(jì)算平臺,，其二代自動駕駛處理器也已經(jīng)基本成型，預(yù)計(jì)于明年1月流片,，其算力從一代的1T提升至4-5T,。

成本與需求的同步增加，使半導(dǎo)體行業(yè)越來越需考慮一個(gè)問題：能否通過芯片架構(gòu)的創(chuàng)新,，實(shí)現(xiàn)大幅提升性能和降低功耗的同時(shí),，顯著降低設(shè)計(jì)制造費(fèi)用和芯片設(shè)計(jì)、應(yīng)用編程開發(fā)的門檻,，一個(gè)更小的設(shè)計(jì)團(tuán)隊(duì)能不能完成復(fù)雜芯片的設(shè)計(jì),、應(yīng)用開發(fā)的復(fù)雜度能不能大幅度降低。

在目前所有的架構(gòu)創(chuàng)新中,，量子計(jì)算,、類腦計(jì)算等離大規(guī)模商用還有相當(dāng)長的距離，而最近十分火熱的“異構(gòu)計(jì)算”成為近年來架構(gòu)創(chuàng)新的主賽道,。

國內(nèi)第一家從事下一代異構(gòu)計(jì)算處理器芯片設(shè)計(jì)的集成電路企業(yè)華夏芯相關(guān)人士告訴記者,，廣義來說，不同指令架構(gòu)的計(jì)算單元（如CPU與GPU）之間實(shí)現(xiàn)高效協(xié)同計(jì)算都可以稱之為“異構(gòu)計(jì)算”,。全球異構(gòu)系統(tǒng)架構(gòu)（HSA）聯(lián)盟主席John Glossner認(rèn)為,，面對大數(shù)據(jù)、人工智能對計(jì)算性能的爆發(fā)式需求,，各種創(chuàng)新的神經(jīng)網(wǎng)絡(luò)算法及相應(yīng)的計(jì)算實(shí)現(xiàn)架構(gòu)層出不窮,，傳統(tǒng)芯片設(shè)計(jì)架構(gòu)已經(jīng)難以滿足應(yīng)用對計(jì)算能力的需求,，因此以異構(gòu)計(jì)算為代表的架構(gòu)創(chuàng)新正在成為一個(gè)新的風(fēng)口，并且正在成為新一代軟硬件計(jì)算體系和高端復(fù)雜芯片的主流設(shè)計(jì)平臺,。

但由于產(chǎn)品設(shè)計(jì)難度大,、生態(tài)系統(tǒng)需要重新構(gòu)建等挑戰(zhàn)，在過去很長一段時(shí)間里,，異構(gòu)計(jì)算一直處于不斷演進(jìn)中,，John Glossner認(rèn)為，必須要走建立相關(guān)標(biāo)準(zhǔn)和規(guī)范,、眾多廠商協(xié)同合作這一途徑,。

在中國，異構(gòu)標(biāo)準(zhǔn)化行動也已開始,，由HSA聯(lián)盟成員中國電子技術(shù)標(biāo)準(zhǔn)化研究院和華夏芯（北京）通用處理器技術(shù)有限公司牽頭,，組建了HSA中國區(qū)委員會（CRC），目前成員單位已有40余家,，涵蓋中國本土知名的半導(dǎo)體企業(yè),、高校和科研院所，CRC主要針對中國異構(gòu)計(jì)算的實(shí)際需求,，對HSA標(biāo)準(zhǔn)進(jìn)行擴(kuò)展,、適配和修訂，這些工作成果將反饋回HSA聯(lián)盟,，成為全球標(biāo)準(zhǔn)的一部分,。

編輯：挨踢妹