文汇网|向光电要算力，向认知科学要算法，2066年AI或取代人类任务【导读】作为人工智能的先行者

【导读】作为人工智能的先行者，微软小冰已升级到第八代，倡导并推广新型人人交互模式。交互是人类社会发展的重要驱动力，随着对现有交互瓶颈的不断突破，新形式的人工智能交互将无处不在，并对人类社会及商业行为产生深远影响。未来已来，人工智能应该怎么往前走？算法和算力该怎么解决？人和AI将怎样共处？日前，中国人工智能学会理事长、国务院参事、中国工程院院士戴琼海分享了“人工智能的几点思考” 。
新算力：不仅向物理要，还要向脑科学、光电计算、存算一体等要
跨学科交叉是人工智能时代的典型标志，比如潘云鹤院士提及的认知视觉和认知表达，都是典型的跨学科研究。人工智能技术海纳百川，比如计算机视觉、自然语言理解、机器人和逻辑推理等，且在医疗、电子、金融等行业都发挥了巨大作用。下面我将从三个层面浅析一下人工智能时代的几个问题：第一个是算力；第二个是算法；第三个是人与AI怎样相处？
首先，是算力。 1956年Rosenblatt的感知机只包含了512个计算单元就能做数据分类。但人工智能发展过程中一直受到算力的困扰，直到GordonMoore提出了集成电路芯片上所集成的晶体管数量每18个月翻一番，为后来的几十年芯片技术的发展指明了方向。 1999年， NVIDIA发布了GPU进行并行的数据处理，使得人工智能向更加广阔的领域发展。 2012年， Alex使用AlexNet进行GPU加速，开启了深度网络应用的先河。接下来就是众所周知的谷歌AlphaGo ，拥有5000个GPU ，训练40天，就可以打遍天下无敌手，说明并行计算、专用芯片对人工智能具有重要的推动作用。
Rosenblatt于1958年发布感知器算法，即使用单个神经元、单层网络进行监督学习（目标结果已知），并且输入数据线性可分
我们再看看现有技术的发展。流媒体视频占全球互联网下行流量的58% ， 2019年8月国内互联网的终端数已经突破了20亿，这些数据都需要巨大的算力支撑。
但是算力的提升速度已经不再遵循摩尔定律了。从第一台计算机出现到后来的几十年，芯片算力基本符合摩尔定律。但随着时间的推移，芯片上晶体管的密度增长已经不再遵循摩尔定律，于是国际科技巨头都开始发力，比如谷歌的TPU和中国的地平线、寒武纪都是将设计神经网络专用芯片来提升算力。但这些芯片都是专用的，无法满足通用人工智能的发展需要。
我以前常说，理学思维，工科实践。物理要求什么？比如量子力学、量子计算。众所周知，英特尔、谷歌在处理特定任务时，发现量子计算速度远高于现在的计算机。随着有效量子比特的数量不断增加，他们希望（尤其谷歌）在量子计算领域成为霸主。但现实是经过物理学家们的分析，其中许多问题尚未解决，比如如何长时间保持足够的量子比特的相干性，这是一个重要问题；同时在这个时间内做出足够的超高精度量子的逻辑计算也是一个难题。
【文汇网|向光电要算力，向认知科学要算法，2066年AI或取代人类任务】因此，在未来的一段时间里要想完全用量子计算提升算力，是完全实现不了的。于是，人们提出了存算一体的架构，提升它的算力。所以，人工智能时代走入了交叉时代，除了向物理要算力，还要向脑科学要算力，比如类脑计划，希望通过模拟脑科学里的机理提升算力；不仅如此，还要向物理的边界、光电计算要算力；同样还有也要向存算一体、光电+要算力。