英特爾中國研究院院長宋繼強
“瞄準長遠的目標與價值，堅持長期的科技研究，是我們面對‘疫情’這樣不確定事件時唯一確定的事情。這不僅需要前瞻性的視野與佈局，還需要有不為眼前利益所動搖的決心與意志。”英特爾中國研究院院長宋繼強日前在接受《經濟日報》記者採訪時表示，AI新應用的爆發絕非一日之功，從量變到質變的過程，是長期的科研佈局與數字化基礎設施建設的結果。
回顧AI發展歷程，宋繼強指出，AI第一波浪潮，是透過由人制定的各種規則去做理論性的推理。雖然在推理方面表現不俗，但僅限於幾個嚴格定義的問題，且沒有學習能力，無法處理不確定性問題。而真正令AI漸入佳境的，則源於由深度學習所觸發的AI第二波浪潮。網際網路、移動網際網路等所產生的海量資料，給機器提供了學習、挖掘和試錯的物件，讓系統得以自發地找到“規律”，作出預測、判斷和決策。資料的增長，外加算力的提升以及基於深度學習構建的演算法演進，這三張“王牌”讓一些典型的深度學習應用達到甚至超越了人的能力。“越來越多的樂觀主義者深信，深度學習是極具價值且值得產業界大規模跟進的方向。 ”宋繼強說。
深度學習是AI的終極目標？在宋繼強看來，隨著對於深度學習的研究深入，還有一些問題亟待解決。首先，“能耗”是最大的挑戰。有研究報告顯示，採用伺服器級別的CPU加上GPU叢集去訓練一個大型AI模型，其所消耗電力產生的碳排放量，相當於5輛美式轎車整個生命週期所消耗的碳排放量。其次，“資料量”是又一大挑戰。
“目前的深度學習過於依賴大資料，在一些小資料量的場景下，深度學習使用會非常有限。AI應該像人類大腦那樣，透過小資料進行自我學習。”宋繼強認為，在訓練過程中，如何在保證AI模型能力的情況下，大幅降低能耗並減少所需花費的時間和資料量是AI繼續向前發展的重要方向。
“一個真正的智慧系統，應該是環境自適應性的‘自然智慧’。”展望AI技術下一發展階段——AI 3.0時代，宋繼強表示，首先，下一階段的智慧系統，不僅能處理確定性的問題，還能處理不確定性問題。第二，它不僅能夠做事，還必須是可解釋的。第三，它不完全依靠大資料驅動，即便少量資料也可實現更高效能的持續學習。第四，它應具備高可靠性，或者說符合人類給它設定的倫理道德。
目前，我們正處於從AI 2.0到AI 3.0時代的轉折點。宋繼強分析說，從目前看，作為一種前沿的計算模式，神經擬態計算最有可能開闢出一條從AI 2.0到AI 3.0的嶄新賽道。神經擬態計算，是在傳統半導體工藝和晶片架構上的一種嘗試和突破。它透過模擬人腦神經元的構造和神經元之間互聯的機制，能在低功耗以及少量訓練資料的條件下持續不斷自我學習，大幅提高了能效比。顯然，神經擬態計算的特點非常符合AI3.0的發展需求。因此，神經擬態計算也被寄予厚望，有可能在人類邁入下一代AI的程序中發揮重要作用。
“作為一家立足長遠、推動底層技術創新的公司，英特爾不斷對前沿技術領域加大研究，即便這些領域在短期內無法看到實際成效。”宋繼強介紹，圍繞神經擬態計算，英特爾已從很早就開始探索這一嶄新的計算模式，並取得巨大成就。例如，英特爾的神經擬態計算晶片Loihi已經具備了嗅覺的能力，神經擬態系統Pohoiki Springs已經擁有1億神經元的計算能力，這已經相當於一個小型哺乳動物的大腦。
“當然，神經擬態計算還處於非常早期的階段，要想將這項技術真正應用於AI，我們還有很長的路要走。但我相信，底層技術的創新必須堅持長期主義，長時間地專注於一個方向與賽道，以這種確定性去對抗發展過程中的一切不確定性，才有可能最終取得成功。”宋繼強說。（經濟日報記者 朱琳）
圖片說明：2020年3月，《自然-機器智慧》雜誌封面刊登論文，展示了英特爾神經擬態研究晶片Loihi識別氣味的能力。同月，英特爾最新神經擬態研究系統 Pohoiki Springs向研究人員開放， 具備1 億個神經元的計算能力。（英特爾供圖）
來源：經濟日報新聞客戶端