英特爾宋繼強(qiáng):堅(jiān)持科研的長(zhǎng)期主義 推動(dòng)AI向3.0時(shí)代躍遷
最近幾天,新冠疫情在北京再次升級(jí),使總體向好的國(guó)內(nèi)抗疫形勢(shì)變得嚴(yán)峻。剛剛重啟的生產(chǎn)生活被再次打亂,我們或許在未來(lái)較長(zhǎng)一段時(shí)間內(nèi)都不得不面對(duì)防疫常態(tài)化這一現(xiàn)實(shí)。本周,我又開(kāi)始切換到“云辦公、云生活”的狀態(tài)。遠(yuǎn)程辦公、視頻會(huì)議已成習(xí)慣,孩子的課業(yè)交給了在線教育平臺(tái),消費(fèi)和娛樂(lè)的方式也變成了看網(wǎng)絡(luò)直播、聽(tīng)云演唱會(huì)。在疫情這一特殊的場(chǎng)景下,一系列新型AI應(yīng)用需求被全面激活,AI真正滲透到了我們?nèi)粘I畹姆椒矫婷妗?/span>
本文引用地址:http://www.ex-cimer.com/article/202006/414428.htm
英特爾中國(guó)研究院院長(zhǎng) 宋繼強(qiáng)博士
作為一個(gè)科技從業(yè)者,我深知這些AI新應(yīng)用的爆發(fā)絕非一日之功。從量變到質(zhì)變的過(guò)程,是長(zhǎng)期的科研布局與數(shù)字化基礎(chǔ)設(shè)施建設(shè)的結(jié)果。瞄準(zhǔn)長(zhǎng)遠(yuǎn)的目標(biāo)與價(jià)值,堅(jiān)持長(zhǎng)期的科技研究,是我們面對(duì)“疫情”這樣不確定事件時(shí)唯一確定的事情。這不僅需要前瞻性的視野與布局,還需要有不為眼前利益所動(dòng)搖的決心與意志。
從AI的發(fā)展進(jìn)程看,人類對(duì)于AI的探索已經(jīng)持續(xù)了70多年?;赝?/span>AI的發(fā)展歷程,我們可以清晰地捕捉到幾個(gè)關(guān)鍵的節(jié)點(diǎn)。AI第一波浪潮,是通過(guò)由人制定的各種規(guī)則去做理論性的推理。雖然在推理方面表現(xiàn)不俗,但僅限于幾個(gè)嚴(yán)格定義的問(wèn)題,且沒(méi)有學(xué)習(xí)能力,無(wú)法處理不確定性問(wèn)題。而真正令AI漸入佳境的,則源于由深度學(xué)習(xí)所觸發(fā)的AI第二波浪潮?;ヂ?lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)等所產(chǎn)生的海量數(shù)據(jù),給機(jī)器提供了學(xué)習(xí)、挖掘和試錯(cuò)的對(duì)象,讓系統(tǒng)得以自發(fā)地找到“規(guī)律”,作出預(yù)測(cè)、判斷和決策。數(shù)據(jù)的增長(zhǎng),外加算力的提升以及基于深度學(xué)習(xí)構(gòu)建的算法演進(jìn),這三張“王牌”讓一些典型的深度學(xué)習(xí)應(yīng)用達(dá)到甚至超越了人的能力。這使得越來(lái)越多的樂(lè)觀主義者深信,深度學(xué)習(xí)是極具價(jià)值且值得產(chǎn)業(yè)界大規(guī)模跟進(jìn)的方向。
然而,深度學(xué)習(xí)就是AI的終極答案嗎?隨著對(duì)于深度學(xué)習(xí)的研究深入,我們發(fā)現(xiàn)還有一些問(wèn)題亟待解決。首先,“能耗”是最大的挑戰(zhàn)。有研究報(bào)告顯示,采用服務(wù)器級(jí)別的CPU加上GPU集群去訓(xùn)練一個(gè)大型AI模型,其所消耗電力產(chǎn)生的碳排放量,相當(dāng)于5輛美式轎車整個(gè)生命周期所消耗的碳排放量。試想,如果各行各業(yè)都沿用這樣的AI計(jì)算模式,人類的生態(tài)環(huán)境將會(huì)遭到何等的破壞。然后,“數(shù)據(jù)量”是又一大挑戰(zhàn)。目前的深度學(xué)習(xí)過(guò)于依賴大數(shù)據(jù),在一些小數(shù)據(jù)量的場(chǎng)景下,深度學(xué)習(xí)使用會(huì)非常有限。AI應(yīng)該像人類大腦那樣,通過(guò)小數(shù)據(jù)進(jìn)行自我學(xué)習(xí)。在訓(xùn)練過(guò)程中,如何在保證AI模型能力的情況下,大幅降低能耗并減少所需花費(fèi)的時(shí)間和數(shù)據(jù)量?這是AI繼續(xù)向前發(fā)展的重要方向。但現(xiàn)在看來(lái),基于大規(guī)模GPU并行計(jì)算去加速深度學(xué)習(xí)訓(xùn)練的方式,并不能滿足這個(gè)條件。
一個(gè)真正的智能系統(tǒng),應(yīng)該是環(huán)境自適應(yīng)性的“自然智能”。首先,它不僅能處理確定性的問(wèn)題,還能處理不確定性問(wèn)題。第二,它不僅能夠做事,還必須是可解釋的。第三,它不完全依靠大數(shù)據(jù)驅(qū)動(dòng),即便少量數(shù)據(jù)也可實(shí)現(xiàn)更高效能的持續(xù)學(xué)習(xí)。第四,它應(yīng)具備高可靠性,或者說(shuō)符合人類給它設(shè)定的倫理道德。這是我們對(duì)于AI技術(shù)下一發(fā)展階段——AI 3.0時(shí)代的展望。
目前,我們正處于從AI 2.0到AI 3.0時(shí)代的轉(zhuǎn)折點(diǎn)。那么,究竟什么有望成為穿透AI未來(lái)的“利刃”呢?從目前看,作為一種前沿的計(jì)算模式,神經(jīng)擬態(tài)計(jì)算最有可能開(kāi)辟出一條從AI 2.0到AI 3.0的嶄新賽道。神經(jīng)擬態(tài)計(jì)算,是在傳統(tǒng)半導(dǎo)體工藝和芯片架構(gòu)上的一種嘗試和突破。它通過(guò)模擬人腦神經(jīng)元的構(gòu)造和神經(jīng)元之間互聯(lián)的機(jī)制,能在低功耗以及少量訓(xùn)練數(shù)據(jù)的條件下持續(xù)不斷自我學(xué)習(xí),大幅提高了能效比。顯然,神經(jīng)擬態(tài)計(jì)算的特點(diǎn)非常符合AI3.0的發(fā)展需求。因此,神經(jīng)擬態(tài)計(jì)算也被寄予厚望,有可能在人類邁入下一代AI的進(jìn)程中發(fā)揮重要作用。
英特爾是一家立足長(zhǎng)遠(yuǎn)、推動(dòng)底層技術(shù)創(chuàng)新的公司,以此來(lái)幫助客戶取得商業(yè)應(yīng)用上的成功。為此,我們不斷對(duì)前沿技術(shù)領(lǐng)域加大研究,即便這些領(lǐng)域在短期內(nèi)無(wú)法看到實(shí)際成效。圍繞神經(jīng)擬態(tài)計(jì)算,我們從很早就開(kāi)始積極探索這一嶄新的計(jì)算模式,并取得了令人矚目的成就。英特爾的神經(jīng)擬態(tài)計(jì)算芯片Loihi已經(jīng)具備了嗅覺(jué)的能力,神經(jīng)擬態(tài)系統(tǒng)Pohoiki Springs已經(jīng)擁有1億神經(jīng)元的計(jì)算能力,這已經(jīng)相當(dāng)于一個(gè)小型哺乳動(dòng)物的大腦。
當(dāng)然,神經(jīng)擬態(tài)計(jì)算還處于非常早期的階段,要想將這項(xiàng)技術(shù)真正應(yīng)用于AI,我們還有很長(zhǎng)的路要走。但我相信,底層技術(shù)的創(chuàng)新必須堅(jiān)持長(zhǎng)期主義,長(zhǎng)時(shí)間地專注于一個(gè)方向與賽道,以這種確定性去對(duì)抗發(fā)展過(guò)程中的一切不確定性,才有可能最終取得成功。
評(píng)論