英特尔宋继强：坚持科研的长期主义 推动AI向3.0时代跃迁

文/英特尔中国研究院院长宋继强博士投稿

最近几天，新冠疫情在北京再次进级，使总体向好的海内抗疫形势变得严厉。方才重启的出发糊口被再次打乱，我们或者在将来较长一段时刻内都不得不面临防疫常态化这一实际。本周，我又开始切换到“云办公、云糊口”的状态。长途办公、视频集会会议已成风俗，孩子的课业交给了在线教诲平台，斲丧和娱乐的方法也酿成了看收集直播、听云演唱会。在疫情这一非凡的场景下，一系列新型AI应用需求被全面激活，AI真正渗出到了我们一般糊口的方方面面。

作为一个科技从颐魅者，我深知这些AI新应用的发作绝非一日之功。从量变到质变的进程，是恒久的科研机关与数字化基本办法建树的功效。对准久远的方针与代价，僵持恒久的科技研究，是我们面临“疫情”这样不确定变乱时独一确定的工作。这不只必要前瞻性的视野与机关，还必要有不为面前好处所摇动的刻意与意志。

从AI的成长历程看，人类对付AI的试探已经一连了70多年。回望AI的成长过程，我们可以清楚地捕获到几个要害的节点。AI第一海海潮，是通过由人拟定的各类法则去做理论性的推理。固然在推理方面示意不俗，但仅限于几个严酷界说的题目，且没有进修手段，无法处理赏罚不确定性题目。而真正令AI渐入佳境的，则源于由深度进修所触发的AI第二海海潮。互联网、移动互联网等所发生的海量数据，给呆板提供了进修、发掘和试错的工具，让体系得以自发地找到“纪律”，作出猜测、判定和决定。数据的增添，外加算力的晋升以及基于深度进修构建的算法演进，这三张“王牌”让一些典范的深度进修应用到达乃至逾越了人的手段。这使得越来越多的乐观主义者笃信，深度进修是极具代价且值得财富界大局限跟进的偏向。

然而，深度进修就是AI的终极谜底吗？跟着对付深度进修的研究深入，我们发明尚有一些题目亟待办理。起首，“能耗”是最大的挑衅。有研究陈诉表现，回收处事器级此外CPU加上GPU集群去实习一个大型AI模子，其所耗损电力发生的碳排放量，相等于5辆美式轿趁魅整个生命周期所耗损的碳排放量。试想，假如各行各业都相沿这样的AI计较模式，人类的生态情形将会遭到多么的粉碎。然后，“数据量”是又一大挑衅。今朝的深度进修过于依靠大数据，在一些小数据量的场景下，深度进修行使会很是有限。AI应该像人类大脑那样，通过小数据举办自我进修。在实习进程中，如安在担保AI模子手段的环境下，大幅低落能耗并镌汰所需耗费的时刻和数据量？这是AI继承向前成长的重要偏向。但此刻看来，基于大局限GPU并行计较去加快深度进修实习的方法，并不能满意这个前提。

一个真正的智能体系，应该是情形自顺应性的“天然智能”。起首，它不只能处理赏罚确定性的题目，还能处理赏罚不确定性题目。第二，它不只可以或许干事，还必需是可表明的。第三，它不完全依赖大数据驱动，即便少量数据也可实现更高效能的一连进修。第四，它应具备高靠得住性，可能说切合人类给它设定的伦理道德。这是我们对付AI技能下一成长阶段——AI 3.0期间的瞻望。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!