首页 >> >> 热点 >> 正文
怀进鹏:人工智能仍有计算瓶颈 智能汽车值得关注
网易科技
作者:       2016年8月29日 09:07
人工智能

由中国中文信息学会和中国计算机学会联合主办的首届语言与智能技术高峰论坛(Language & Intelligence Summit)在北京召开,主题为“语言与智能的未来”。

清华大学计算机系教授、中国科学院院士张钹,中国科学院院士、计算机软件专家怀进鹏,微软亚太研发集团主席、微软亚洲研究院院长洪小文,香港科技大学教授、美国人工智能协会(AAAI)Fellow杨强,美国卡耐基梅隆大学邢波,百度副总裁王海峰,科大讯飞轮值总裁胡郁等人工智能领域专家及学者到场参会并发表主题报告。

会上,怀进鹏表示,人工智能在技术发展当中仍然出现计算的基本瓶颈问题,虽然计算能力很大,有千万亿,又要延续百亿的计算机。但现在处理结构带来了很多新的思考,包括学习效率等,这些都是所看到的新问题。

同时,他表示,面向2020年,信息经济将会成为中国非常非常重要,信息消费规模将达到6万亿,而他对GDP的比重从现在的27%将达到40%以上,所以未来得人工智能、虚拟现实对整个信息经济的影响是相当重要的。

另外,他认为人工智能需要大家准确把握发展的窗口期,准确的把握和发展的阶段是非常重要的,特别是如何来寻找和产业、应用的痛点,找出把握好市场和政府推动的关系。在这段关系当中将会围绕中国制造2025,特别是制造业的发展,来打造智能制造、智能工厂,或者中国的方式是两化融合来推动,我们会重点做五大类的工作:一是在技术方面,二是产业基础,三是公共平台,四是培育重大的应用,最后搭建一个公共的服务平台。

谈到人工智能的应用,他表示:智能汽车是一个值得关注的企业,既有未来2020年5G的发展,也有高端服务业、汽车,这三个行业之间的叠加创造了新的维度,也是一个难得的机会。

以下为怀进鹏全部演讲内容:

怀进鹏:尊敬的李生理事长、高文理事长,尊敬的洪小文院长,王坚总裁,还有各位朋友。今天非常高兴受邀来参加这个会,见到了很多的专家。

就像刚才两位理事长所提的人工智能现在风生水起。前一段时间开会的时候,信息领域的投资者好象不谈人工智能和虚拟现实就觉得已经OUT了,这反映了一个情况,这个产业在快速生长和发展,大家在谈的几个热词,云计算、大数据非常火,现在是AI、VR、区块链,现在只要搞技术的人,搞产业的人都在关注这方面,这本身对产业的发展和技术有很多的期待,特别是语言智能引起了很多人的联想,使物有人一样的智能,是人一直的追求,就像登月一样。今天在这里我想跟各位简单交流一下对这方面技术理解和思考,期待我们共同努力,能够对技术产业未来得发展出一点力。

李老师讲过今年AIphaGo所引起的广泛影响,人们预测再过30年,大概人类的文明将进入一个新的时代,有关这方面的表述也特别多,但是更多我们可以看到在社会当中,从AIphaGo之后,无人机、无人驾驶,人工智能新材料,特别是语言的理解、语音的理解方面,一下子全都集中起来,实际这些年在这些方面取得了非常重要的进步。如果人工智能最近这些年在应用当中发生了很大变化,我们思考其中有三个因素在推动技术的形成和进一步的应用发展。一是数据本身是智能产生的一个原材料,大数据的发展和数据资源的快速积累,给人工智能创造了很多发展的前提。二是深度学习在这十年左右,实际上给信息技术的处理和信息应用带来更多的机会。三是关键技术和基础设施,比如说手机,三年前的手机已经相当于40年前的一个计算机,现在手机以苹果5S为基础,已经相当于当时的计算机。如果按照计算能力的提升,71年有了第一款数据处理器,人们也在按照摩尔定律简单地做计算。2018年的时候,大概我们的计算机晶体管的集成度将要超过以前,创造了数据处理的新变化。

第一个层面的思考,有了大量的数据和数据处理能力的时候,是不是就能够产生智能?从语法到语义,人除了数据还有情感,数据到情感这条路线、这个桥梁是怎么过渡过来的,所以语法和语义的区别是基于数据和情感的,和人们的认知和决策是有区别的。

微软前一段时间做人工智能的报告也在讲,我们也都在问,他知道他在说什么吗?他能知道他在说什么吗?过来知道他曾经有过什么?有关这样的一些问题,也就是从认知方面,是不是我们还有很多新的机遇?如果我们去简单理解的话,一些无关的数据是否能被认为有关的知识或者信息,我们也希望按照数据处理的方式,从无序到信息、到知识,再到所谓我们的智慧,能够真正构造出这样一种方式,从数据而来,从计算产生我们的技术。也许人工智能第一个重要的路径就是走向上数据计算的发展模式,数据计算、商业计算,以及我们现在说的云计算。

过去5年大家都很清楚,数据的突破带来很多智能性的发展,包括计算技术、感知处理的技术和数据处置技术,也有很多重大辅助系统和问答系统的出现。同时数据处理有关人类智能方面的很多工作,特别是用机器的方式来发展。

从数据的智能到人类的智能过程当中究竟还有多远?我们举一个简单的例子,数据的处理是不是能给我们创造智能?但数据处理和我们传统的理解,经验计算模式就会产生差别。第一个差距,工业革命以来所有的计算是采样计算,都是精确的、均匀的。在发展过程中到信息数据进行关联的时候,由于大规模数据的出现,也不可能处理到每一个节点上,如果做饭的时候,炒青菜不熟的时候我们会尝一尝,在大数据时代,尝一尝的方式已经失效了,已经很难反映出这样的规律。在这个过程当中,我们现在依赖的仍然是基于统计学的基本假设。

第二是精确与非精确,精确性不再是绝对追求目标,需对宏观趋势给出快速预测,如果买一双鞋不会跑遍北京所有商店,当然现在上网就可以买,不用到所有的都比较完之后再买,现在可以做定点销售,做画像,以更好的去传播。

第三是所有推进的逻辑基础都是基于因果与关联,关联之间的联系是不是改变了我们的方式或者从科学价值的角度来说,我们一致认为科学有因果关系,我们是按照想象建立数据之间的关系,最后图谱以后最后形成最后的因果关系,我们才能得到逻辑,因此从数据作为分析的基础,能产生智能来看,我们还有一些需要思考和待继续研究的问题。以我们已经假定的事情来解释,从解释当中进一步开展工作。所以除了过去的人工要求以外,可以通过多层、深度来解决自动化,这个自动化,人类对问题的理解的差异性,就像我们常讲的三岁小孩儿来看图识子的时候不是一样,所以这里就会有很多新的方式。

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。

[1]  [2]  [3]  
相关阅读
热门文章
蓝戈沙龙