面對Mitchell關於 'AI晶片的發展的現狀' 的提問, 楊林表示, 他們開發了一款可以通過USB連接的硬體, 可以用於AI計算. 他認為, 我們現在需要將AI '玩' 起來, 這樣才能迎來發展; 李維興則認為手機等移動平台在發展AI技術上有著很大的機會, 手機晶片產量更大, 成本更低, 整合程度也更高.
在接下來的環節中, 楊林繼續重申了自己 '把AI玩起來' 的主張, 他認為通過AI硬體, 我們可以開發出各種有用的產品. 他以自己與科大訊飛的合作為例, 展示了如何將語音識別整合到AI硬體中. 楊林認為, 從學生到退休人員, 都可以參與到AI的開發中來.
李維興則表示, AI的使用場景是非常豐富的, 隨著移動平台的發展, 手機與汽車都將成為AI的一個終端. 楊林補充說, 今年的主流移動平台可以提供0.1T的通用算力, 這是不夠用於大規模AI計算的, 所以要在雲端算, 手機上應用. 但是, 中國手機總體閑置算力是非常龐大的, 約合800台神威·太湖之光的算力. 我們未來可以通過網路, 將這些算力利用起來.
Mitchell提問道, 在剛剛的對話中, 大家提了分布式計算機, 雲計算與本地計算結合等面向未來的計算方式, 但這個未來中, 最大的不確定性是什麼?
楊林表示, 通信技術的發展讓這些計算方式成為可能, 但殺手應用的缺乏可能是最大的不確定性. 李維芯則繼續重申了自己將AI玩起來的主張, 他認為 '跳一跳' 這樣小遊戲或許會是AI發展的機會. (鐘毓)
以下為圓桌會議實錄:
主持人: 有請李維興, 楊林, Tom Mitchell進行圓桌論壇.
主持人 (Tom Mitchell) : 圓桌論壇我們要討論一個非常重要的話題, 我們會討論一下AI和硬體, 包括晶片的技術, 它會如何改變人工智慧的本質. 我今天非常高興的請到了楊林, 是 (GTOI) 首席科學家, 並且是伯克利的教授, 另外一個是李維興, 是高通的. 首先我問一下這個問題, 我們還處於AI提供硬體階段還處於比較早的階段. 我想問一下二位, 你們如何看待未來幾年支援AI的一些相應的硬體發展趨勢是什麼?
楊林: 現在大家都知道, 人工智慧現在已經進入到產業化階段. 從研發到產業化階段是需要幾個新的平台, 也需要一個新的做法, 我這次來主要就是說, 現在常用的平台, 現在就是英偉達的GPU, 包括Google的TPU. 現在也有蘋果公司, 高通或者華為都做出來的手機的. 我們現在研發了一塊, 可以做到手機外USB一個很小的晶片, 功耗非常低, 性能非常好. 我現在希望大家把人工智慧玩起來. 一旦到玩起來, 才能夠真正達到產業化. 我們說AI生萬物是這次會議的主題. 怎麼生萬物, 就是有各種形式的落地平台. 下面我會其他的具體問題再解答.
李維興: 非常感謝主持人的問題, 這是一個非常好的問題. 實際上我要打算這樣回答, 我也打算用中文來回答. 其實從人類的科技進步, 進入所謂個人可以使用的產品, 其實這條路是一個非常重要的一個, 從技術, 從實驗室, 從學校裡面到最後是一些特殊的IC, 最後是大家可以用的產品.
這條路很重要, 這條路實際上在之前20年大家可以發現到在移動平台上, 移動計算平台上面帶來了一個非常好的機會. 說明移動計算平台最熟悉的就是手機, 從簡單的功能機到稍微複雜一點的功能機, 到現在大家的人手一機的智能手機. 智能手機往前推進的速度是非常快的. 有非常多技術上必須去解決的, 提供一些功能, 從最早的語音, 到攝像頭, 到視頻, 到互聯網. 每一個不同的需求, 自然就會帶給工程師一些挑戰. 透過這麼大的一個平台的非常快速的迭代改進, 造成所有好的技術, 好的生產工藝都能夠在移動平台上面發揮出來. 這是第一個優點.
第二個優點, 就是因為它的量大, 就說我們叫做規模經濟. 讓成本快速到達一個大家都可以負擔得起的一個關鍵.
第三個非常重要的, 就是移動平台的一個推理, 就是高度整合的需求. 為什麼呢? 因為手機像最早大哥大這麼大一隻的話不可能做到這麼方便, 你必須將它縮小化. 縮小化的好處是耗電量降低, 不僅是待機時間增長, 使用時間也增長.
透過這三個非常重要的因素加起來, 從使用的方式也改進了, 從語音, 到無線上的互聯網, 到現在大家APP的使用方式改變了大家的上網習慣, 改變了大家消費的習慣. AI又是另外一個非常重要的一種使用方式, 它講整個CPU, GPU, DIC, 或者特殊為了AI設計的硬體的需求激發起來. 透過一個高度整合, 快速迭代的規模經濟將這個東西帶起來. 所以高通認為這種AI在行動領域, 甚至是其他不同的使用方式都會帶來經濟重要的推理.
主持人 (Tom Mitchell) : 非常感謝非常有意思的觀點. 大家可以看到, 剛才二位都指出, 就說在AI的基礎硬體方面會一些非常大的變化. 所以我問這樣一個問題, 你覺得有哪些, 今天哪些新的應用是今天不能做的, 但是因為這些新的硬體, 將來可能會出來.
楊林: AI剛才我講了, 現在一方面是研發, 咱們中國已經確定了百度搞智能汽車, 騰訊搞智能醫療, 阿里搞智慧城市, 科大訊飛搞語言翻譯. 但是這是國家大項目, 我剛才指出了什麼叫, 把人工智慧玩起來. 沿著這四個方面我都可以給你舉個例子, 就是我們大家都可以參與到人工智慧應用創造的方面. 剛才聽大會主持人也說了, GMIC已經從全球移互聯網改成, 或者將來的趨勢是機器智能.
所以我們大家相當於我們下面要進一步, 我先說智能醫療. 智能醫療是大家治病. 但是如果用一個很簡單物美價廉的東西放到你每天早上起床看的鏡子裡面, 它就會監視你的家人, 每天你的狀態的變化. 這個也沒有什麼隱私的問題, 也不用上傳. 但它就會覺得你今天好像沒睡醒, 或者你今天是發高燒, 或者是怎麼樣. 然後向你建議一些其他方式. 就說AI生萬物, 實際上相當於萬物長眼. 因為第一件事就是要感測器的問題. 這是我舉的智能醫療問題, 當然還有其他的問題, 包括嬰兒和老人的監護.
第二, 智能汽車, 我們不是說除了智能駕駛之外, 智能交通之外還搞什麼東西? 可能就是說現在帶著車鑰匙找不著車怎麼辦, 或者鑰匙丟了怎麼辦. 到那兒可以用聲紋識別, 人臉識別這套東西. 就是有人把你的車鎖撬了, 還有一個這是不是我們家人, 不是的話可以把不法分子傳到你的手機上, 告訴你這個車被人偷盜了. 這些東西不是在智能駕駛的範圍, 但是和汽車也有關係, 就是你自己開發, 沒有人替你開發, 你自己可以玩出來這樣一個東西.
還有智慧城市, 智慧城市肯定是一個很廣大的範圍, 我們就要提到智能家居. 國內我想現在也有掃地機. 什麼是掃地機, 現在都有智能掃地機, 它就是自己掃完地沒電以後自己去找一個充電的. 但是我們知道現在掃地機沒有眼睛, 相當於雇了一個瞎老太太幫你掃地, 效率非常不高. 你可以根據你們家是地毯還是地板, 你可以搞一個智能設備, 它是專門哪髒掃哪, 節約了電, 還有看到哪兒可以掃一掃. 現在還有1500-2000元的智能鎖, 這個東西我們也可以做. 煙霧報警器, 這些智能家居東西我們都可以做, 這是智慧城市一個最大的突破.
最後一個例子是跟科大訊飛搞, 現在大家都是在網上搞翻譯, 或者是語音理解. 最近臉書這個問題產生了以後, 也不是自己, 為了這麼搞, 可能會有一些人利用科技的漏洞把人個人的隱私拿掉. 實際上把這個東西放在自己一個小的東西裡, 比如我剛才拿的USB這麼一個小的附加元件裡, 你就可以把自己的語音識別翻譯, 可以給訓練好. 而且這個非常簡單, 因為在語音識別裡有兩種, 一種叫特定人識別, 就是針對你自己的; 一種叫非特定人識別, 是根據所有的全世界的人. 非特定人的識別難度是非常非常大的. 的確, 是這個小晶片做不到的. 但是針對你們一家人的, 我就是北京口音, 北京人訓練北京的, 上海人訓練上海的. 這樣的話非常簡單的一個識別的問題. 但是隱私的問題就不存在了.
所以說這些事剛才Tom講的, 說是下面我們在產業化怎麼做, 我覺得一方面科研政府的項目; 一方面是我們高中生, 大學生家裡退休的知識分子, 都可以開發我們日常生活的人工智慧硬體.
李維興: 這個問題也是一個有意義的問題, 剛才楊教授講的各種使用方式, 我總而言之, 從身邊的近, 到稍微遠一點到你家, 智能家居, 到城市, 到整個大區域的, 不管是剛剛Tom提到的, 比如說醫療的事情, 不管是治傳染病的, 這都是各種不同使用方式.
我從另外一個角度討論這個問題好了, 就是說事實上有非常多現在在, 比如說我們身邊手機, 車子上面的技術, 可能在二三十年前都某一個教授帶一個PHD學生, 用當時非常困難的計算平台做出來的PHD論文. 為什麼現在突然之間這些東西就普遍化了呢? 其實就是因為計算的平台有這個能力. 我舉一個算是我進高通第一個工作, 就是如何將語音數位化. 因為之前的話我們叫彎機, 到了2G的時候一定要將它壓縮, 那時候二三十年前的論文找出來, 發現有語音壓縮的各種不同的技巧. 這些觀念在, 但是沒有一個運算的平台, 很多好的想法就無法實現. 但是現在把這個方向轉過來, 一旦市場提供了有效, 低成本, 非常高效率的計算平台, 突然之間你本來沒想到的使用方式其實都會蹦出來.
我常常跟我身邊的同事講, 當好幾個Dake之前Intel發明的時候, 決定發明Intel的時候, 絕對沒有想到臉書是它設計的需求. 直到這個平台變得大家可以接觸得到, 自然就有非常聰明的人根據他身邊不管是個人或者工作的情況, 將這個東西用上去. 高通認為AI各種不同使用方式一定是非常豐富的. 這就是為什麼我們認為如何將所謂不管是硬體, 還是軟體, 更重要的是框架, 要讓它提供出來, 用非常方便整合的方式, 讓業界, 甚至跨業界的使用方式都有機會做出來. 這個時候一定有讓大家眼睛一亮的使用方式自然就會碰出來. 高通認為移動一定是跟著你的一種使用方式, 這時候所謂雲上面的訓練跟推理, 到計算機, 到邊緣側, 也就是手機側這個地方, 甚至車子, 都會是一個平衡. 我個人也是期待有更多有意義, 讓我們生活更加方便, 甚至是啟髮式的使用方式會在業界推展出來. 謝謝.
楊林: 我補充一些李博士剛才說的說法, 我非常贊同他說的這個. 這個就是怎麼玩起來, 大家現在人人都有手機, 就是用手機玩起來. 為什麼用手機玩起來? 我這裡說一個, 剛才咱們說了人工智慧是算力. 算力過去十年前手機晶片都是專用整合電路. 為什麼? 就是通訊需要的算力非常大. 但是十年前大家都改成通用算力, 就是Arm, 或者其他通用晶片. 在通用晶片算力算起來的時候, 就進到了我們每個人手上, 都有一個通用的算力, 這個算力是多少呢, 據我估計, 就是到今年新的型號, 0.1T, 這是什麼意思呢, 就是每秒鐘10的11次方的算, 就是最簡單的, 人工智慧用的這種乘法, 加法. 大家可以知道, 這個算力很大, 但是人工智慧要需要的算力會遠遠大於這個. 這是為什麼李博士說在雲端算, 手機端用. 我最近也跟其他人在探討這個事, 就是高校教育的問題, 怎麼樣大學生, 高中生用起來, 就是我們也要參與訓練, 怎麼參與, 我給大家說一個, 就是連續三年中國是超級計算機的領軍者. 我們的神州太湖, 每秒鐘11億次. 什麼概念呢? 是每秒鐘10的17次方. 相當於一個神州太湖等於1百萬個手機, 算力相當大. 可是中國移動有8億9千萬的用戶, 所以我們相當於有8億9千台神州太湖的算力. 最起碼它有一半時間, 當我們睡覺的時間不用, 也沒人用, 也不存在電的問題. 充電寶大家都有, 就是在外面都可以用. 後來一個移動資深專家告訴我, 經過統計, 每天每人只用三個小時. 所以說八分之一的使用, 八分之七的時間是閑置的. 我們每個人手裡, 我現在統計的, 就是整個中國移動的手裡相當於有8百台神州太湖的算力閑置, 沒有利用起來. 所以這是未來我們玩兒AI的一個最重要的平台. 我現在為了這個生態鏈, 針對我們現在這個, 作為第一個有高通的手機作為一個通用平台, 外我們這個專用加速器, 就是一個落地平台, 我們現在還用了一個最時髦的叫區塊鏈技術. 區塊鏈技術可以把大家所有的資源都利用起來. 沒有隱私的問題, 也沒有就是搞應用的人只是搜集數據, 搞訓練的人只是專家, 白天上班, 晚上替你開發應用, 也不用公司高檔的GPU或者是伺服器, 而是用他自己的手機. 所以這個很快, 我相信兩三年之內, AI的普及就會普及.
李維興: 剛才楊教授講的我補充一下或者澄清一下. 剛剛提到數字, 從2017年到2021年, 就是接下來的五年, 實際上手機全球的銷量大概是估計86億. 這麼大量, 我剛才提到的規模經濟跟整個迭代的速度會將非常多的技術往前延伸.
第二點, 我剛剛必須再深度講一下. 雲端上面, 所謂訓練和推理, 大家都會認為好像在終端上面只是做訓練, 實際上高通不這麼認為. 高通認為在終端側也有做訓練和推理的需要. 因為有非常多的個人資料, 事實上剛剛Tom教授也提到了, 隱私是一個非常重要的問題. 因為把一些重要的名字拿掉, 也許傳上網不是什麼大問題, 可是有些非常個人性的東西, 必須要在人的身邊, 這時候能夠在你的手機側, 透過你自己的資料去做訓練, 才能夠好好的把它用起來. 當然, 這個還有所謂低時延的需求. 因為高通同時也是通訊公司, 所以我們對3G/4G, 實際上現在2020年大家都在往5G方向走. 可是同一個時間, 所謂從資料上去再下來, 這個時延還是不是可以被忽略掉的, 這個就在本地做相當多的運算, 不管是所謂的本地訓練還是什麼都是非常重要的. 第三個非常重要的一點, 就是可靠性. 萬一停電了, 我講的不是手機停電, 而是網路上停電, 或者其他理由造成的, 這個時候在本地端的需求是顯而易見的.
主持人 (Tom Mitchell) : 二位描述了非常美麗的未來. 現在想問一個問題, 你們兩位剛才描繪了未來的圖景, 這樣一個未來的圖景它是一種分布式的計算機的環境, 我們現在已經有了雲的伺服器和終端的移動手機, 將來的圖景是兩者結合, 可能還一些USB是接到手機裡面, 是本地的. 還有通過5G可以很好的跟雲上的服務相對接.
有一個我想提一下, 大家可能這方面都有很多的思考, 如果我們去理解未來整個的通訊的基礎架構的話, 我想問一下兩位這個問題, 有哪一個要素是是最大的一個不確定性? 也就是說, 要實現這樣一個目標哪個是最大的一個不確定性呢? 這個問題是否能理解, 最大的不確定性是什麼, 為了實現這樣一個目標?
李維興: 我覺得這裡其實有些東西是確定的, 包括通信網路往前迭代, 然後計算能力基本上就是Moslow越來越小, 代表計算能力越來越高. 但是如果今天問我, 因為我們在每一個2G轉3G, 3G轉4G其實都會問一個問題, 就是說為什麼大家用3G, 為什麼大家用4G, 為什麼大家用5G. 最後會想去說, 因為殺手級的應用或者殺手級的使用方式讓2G/3G/4G變成什麼, 像智能手機其實在蘋果之前已經存在, 但是好像到了一個時間點突然之間就變成大家都可以有了. 如果今天問我, 我覺得這是不知道的, 可能是一切.
楊林: 說到不確定性, 我這個人是比較樂觀的, 所以我認為可能會比大家現在想象的AI的普及會更快, 而且最後的結果會更好. 為什麼呢? 我上個星期參加了一個全球軟體開發大會, 全是年輕人, 坐的都是跳一跳, 這種小遊戲, 就是年輕人, 我們這代人都是屬於我不能叫做工作狂, 但是總是覺得只有工作才有價值. 人家就認為玩也是生活中的一個最大的一部分. 下來後我跟他們討論, 就是說怎麼讓他們能夠參與到AI裡, 就是人工智慧裡. 第一個, 就是說我們已經有了手機平台, 我也給手機平台加了一個AI專用的加速器的東西. 怎麼玩兒? 跳一跳的開發者說, 我準備把你這個東西加上去. 這個東西我跟他講他為什麼參與, 為什麼有興趣? 我說我這個是NP Hard. NP Hard跟比特幣是一樣的, 是一個哈希碼. 我想大家為什麼參與到比特幣的挖掘? 第一, 比特幣需要大量算力, 所以需要專用晶片. 開發人工智慧實際上也是一個NP Hard的問題, 就是學習和訓練. 他要找到這個適合的東西.
這個工作誰來做, 就是全民做, 不是某一個大公司. 某個大公司只是做一個很具體的, 也是很重要的, 但是這個需要很長時間的. 你們可以想像, 智能汽車, 自動駕駛, 智慧城市, 智能醫療, 這個東西願景非常大, 什麼時候能來呢? 五年, 十年? 不知道, 不確定. 大家我個人認為, 家裡這些小的像我剛才說的智能旅遊, 智能家居, 你學中草藥, 識別中草藥什麼, 就是這些東西是非常非常方便, 也沒有大的公司去給你開發這個東西, 這個是需要興趣, 需要玩兒. 所以我個人認為, 所有這些搞小遊戲的人都向我保證, 他們一定在一邊玩的過程中, 一邊把AI的小應用, 現在是小程序, 小應用, 現在又加了一個小AI. 所以這個跟我講的人都是阿里巴巴, 騰訊, 小米, 這些人他們都聽進去了, 他們會打造一個生態鏈, 把所有的這些AI的應用普及到高中生, 普及到誰都可以玩兒, 沒有文化都可以玩兒.
主持人 (Tom Mitchell) : 非常感謝兩位, 但是我們時間已經到點了. 在這裡我說一下我們的探討使得我更加的意識到了, 對於我們現在所面臨的問題還有機會都是同樣的豐富多彩的, 所以這個議題非常的有意思. 可以說關於硬體的實施, 可能也會涉及到了一些隱私的保護, 也會涉及到延時和關於界面以及其他的很多問題. 也希望我們的聽眾一塊來向我們的這些專家, 感謝他們的真知灼見. 大家一塊鼓掌, 謝謝.