“人類社會已經(jīng)快速步入到智慧時代，什么才是這個時代的核心驅(qū)動力、生產(chǎn)力——是計算！”在近日由中國工程院信息與電子工程學(xué)部主辦的2018人工智能計算大會上，中國工程院院士、浪潮集團首席科學(xué)家王恩東給出這一觀點。
王恩東說，一個國家的GDP與其計算力呈現(xiàn)出明顯的正相關(guān)關(guān)系，全球GDP排名前5的國家，與全球服務(wù)器出貨量前5名幾乎保持一致。而今天市值排名前10的巨頭，比如蘋果、亞馬遜、谷歌、臉書、阿里巴巴、騰訊，等等，毫無例外地都是全球服務(wù)器采購量最靠前幾名的公司——這說明他們在計算力上投入不菲。從某種意義上說，計算力就是生產(chǎn)力。
“計算”“算法”“數(shù)據(jù)”，被稱作拉動人工智能的“三駕馬車”，在機器學(xué)習(xí)“算法”不斷突破、龐大“數(shù)據(jù)”爆炸式增長的今天，“計算”能否成為人工智能蓬勃發(fā)展的動力引擎，備受期待。
事實上，回顧人工智能的發(fā)展史，不難發(fā)現(xiàn)計算力在其中發(fā)揮關(guān)鍵作用?！皥D靈先發(fā)明計算機，后發(fā)明人工智能，可以說沒有計算就沒有人工智能，而人工智能，則讓計算力有了前進(jìn)的動力，有了發(fā)展的方向?！蓖醵鳀|說。
人工智能自1956年提出以來，經(jīng)歷了三個階段：第一個階段是20世紀(jì)60~70年代，人工智能力圖通過計算機來實現(xiàn)機器化的邏輯推理證明，但最終難以實現(xiàn)。第二個階段是20世紀(jì)70~90年代，計算機能力比之前幾十年已有了長足的進(jìn)步，這時試圖通過建立基于計算機的專家系統(tǒng)來解決問題，但是由于數(shù)據(jù)較少并且太局限于經(jīng)驗知識和規(guī)則，難以構(gòu)筑有效的系統(tǒng)。第三個階段是最近這幾年，基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，才逐漸步入快速發(fā)展期。
“為何在第二階段到第三階段之間，人工智能有長達(dá)30年的發(fā)展停滯？”美國工程院院士、美國加州大學(xué)洛杉磯分校教授叢京生在大會上拋出這一問題。
在他看來，近些年人工智能之所以能夠再次爆發(fā)，一方面是互聯(lián)網(wǎng)、信息化、數(shù)字化帶來了大數(shù)據(jù)，據(jù)統(tǒng)計，整個人類文明所獲得的全部數(shù)據(jù)中，有90%是過去兩年內(nèi)產(chǎn)生的，到2020年，全世界所產(chǎn)生的數(shù)據(jù)規(guī)模將達(dá)到今天的44倍。
這么多的數(shù)據(jù)是如何產(chǎn)生、存儲、互聯(lián)、處理的？背后依靠的都是計算。這就是叢京生所說的“另一方面”：計算能力的提高。上世紀(jì)80年代，人們用到的計算機，每秒鐘能夠執(zhí)行200萬到300萬指令，如今每秒鐘就可以有1000億到2000億次指令運算。
從這個角度說，是計算點亮了人工智能。叢京生說，“因為有了這些計算能力，才讓今天的人工智能無處不在?！?/p>
當(dāng)然，人工智能反過來也對計算提出更多需求和挑戰(zhàn)。比如，人工智能對于計算力的需求已遠(yuǎn)超摩爾定律的性能增長速度。
換句話說，我們需要更強的計算力。
此次大會對外發(fā)布了《2018中國人工智能計算力發(fā)展報告》，其中提到，隨著時間的推移，人工智能在新興經(jīng)濟和數(shù)字經(jīng)濟中的應(yīng)用場景將越來越多——
從目前開始到2020年，包括人臉識別、語音識別、自然語言處理等生物識別技術(shù)和車輛識別、智慧交管、智能路燈等智慧城市技術(shù)將是人工智能最典型的應(yīng)用場景；而2020～2025年，智能制造和智能家居的相關(guān)技術(shù)將走向成熟，成為最典型的人工智能應(yīng)用場景；2025年及之后，智能醫(yī)療、自動駕駛、智能助理等相關(guān)技術(shù)與政策將成形，促使上述行業(yè)的人工智能應(yīng)用實現(xiàn)爆發(fā)式增長。
報告同時提到，目前阻礙人工智能計算發(fā)展的主要挑戰(zhàn)在于四個方面：一是計算力的發(fā)展還未達(dá)到需求；二是可用數(shù)據(jù)量有限；三是從實驗室到實際運用過程中，還面臨諸多挑戰(zhàn)和問題；四是從應(yīng)用場景到提供完善的行業(yè)解決方案還需時日。
中國工程院二局局長高中琪說，盡管我國人工智能應(yīng)用發(fā)展速度很快，但與發(fā)達(dá)國家特別是與美國相比，我們在硬件算法的人工智能核心技術(shù)領(lǐng)域，還存在著明顯差距。
在他看來，雖然應(yīng)用終端的發(fā)展已經(jīng)遠(yuǎn)遠(yuǎn)走在硬件構(gòu)架的前面，但現(xiàn)在計算平臺已經(jīng)難以滿足人工智能日益龐大的運算需求。如何加強底層的構(gòu)架建設(shè)、提升計算力，已經(jīng)成為人工智能發(fā)展的關(guān)鍵問題。（邱晨輝）