'人类社会已经快速步入到智慧时代, 什么才是这个时代的核心驱动力, 生产力——是计算!' 在近日由中国工程院信息与电子工程学部主办的2018人工智能计算大会上, 中国工程院院士, 浪潮集团首席科学家王恩东给出这一观点.
王恩东说, 一个国家的GDP与其计算力呈现出明显的正相关关系, 全球GDP排名前5的国家, 与全球服务器出货量前5名几乎保持一致. 而今天市值排名前10的巨头, 比如苹果, 亚马逊, 谷歌, 脸书, 阿里巴巴, 腾讯, 等等, 毫无例外地都是全球服务器采购量最靠前几名的公司——这说明他们在计算力上投入不菲. 从某种意义上说, 计算力就是生产力.
'计算' '算法' '数据' , 被称作拉动人工智能的 '三驾马车' , 在机器学习 '算法' 不断突破, 庞大 '数据' 爆炸式增长的今天, '计算' 能否成为人工智能蓬勃发展的动力引擎, 备受期待.
事实上, 回顾人工智能的发展史, 不难发现计算力在其中发挥关键作用. '图灵先发明计算机, 后发明人工智能, 可以说没有计算就没有人工智能, 而人工智能, 则让计算力有了前进的动力, 有了发展的方向. ' 王恩东说.
人工智能自1956年提出以来, 经历了三个阶段: 第一个阶段是20世纪60~70年代, 人工智能力图通过计算机来实现机器化的逻辑推理证明, 但最终难以实现. 第二个阶段是20世纪70~90年代, 计算机能力比之前几十年已有了长足的进步, 这时试图通过建立基于计算机的专家系统来解决问题, 但是由于数据较少并且太局限于经验知识和规则, 难以构筑有效的系统. 第三个阶段是最近这几年, 基于深度神经网络技术的发展, 才逐渐步入快速发展期.
'为何在第二阶段到第三阶段之间, 人工智能有长达30年的发展停滞?' 美国工程院院士, 美国加州大学洛杉矶分校教授丛京生在大会上抛出这一问题.
在他看来, 近些年人工智能之所以能够再次爆发, 一方面是互联网, 信息化, 数字化带来了大数据, 据统计, 整个人类文明所获得的全部数据中, 有90%是过去两年内产生的, 到2020年, 全世界所产生的数据规模将达到今天的44倍.
这么多的数据是如何产生, 存储, 互联, 处理的?背后依靠的都是计算. 这就是丛京生所说的 '另一方面' : 计算能力的提高. 上世纪80年代, 人们用到的计算机, 每秒钟能够执行200万到300万指令, 如今每秒钟就可以有1000亿到2000亿次指令运算.
从这个角度说, 是计算点亮了人工智能. 丛京生说, '因为有了这些计算能力, 才让今天的人工智能无处不在. '
当然, 人工智能反过来也对计算提出更多需求和挑战. 比如, 人工智能对于计算力的需求已远超摩尔定律的性能增长速度.
换句话说, 我们需要更强的计算力.
此次大会对外发布了《2018中国人工智能计算力发展报告》, 其中提到, 随着时间的推移, 人工智能在新兴经济和数字经济中的应用场景将越来越多——
从目前开始到2020年, 包括人脸识别, 语音识别, 自然语言处理等生物识别技术和车辆识别, 智慧交管, 智能路灯等智慧城市技术将是人工智能最典型的应用场景;而2020~ 2025年, 智能制造和智能家居的相关技术将走向成熟, 成为最典型的人工智能应用场景;2025年及之后, 智能医疗, 自动驾驶, 智能助理等相关技术与政策将成形, 促使上述行业的人工智能应用实现爆发式增长.
报告同时提到, 目前阻碍人工智能计算发展的主要挑战在于四个方面: 一是计算力的发展还未达到需求;二是可用数据量有限;三是从实验室到实际运用过程中, 还面临诸多挑战和问题;四是从应用场景到提供完善的行业解决方案还需时日.
中国工程院二局局长高中琪说, 尽管我国人工智能应用发展速度很快, 但与发达国家特别是与美国相比, 我们在硬件算法的人工智能核心技术领域, 还存在着明显差距.
在他看来, 虽然应用终端的发展已经远远走在硬件构架的前面, 但现在计算平台已经难以满足人工智能日益庞大的运算需求. 如何加强底层的构架建设, 提升计算力, 已经成为人工智能发展的关键问题.