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( 二 ) 【导读】作为人工智能的先行者

向光电计算要算力，目前国际上已作出三个贡献，能使计算中心小型化
如何从光电计算要算力？普林斯顿大学的教授做过一个理论分析，进行神经网络计算的构架，从理论上推算，它能提升三个数量级的算力，同时功耗也能降低6个数量级。功耗现在也是提升算力要考虑的一个重要问题。光电计算能够给这方面带来巨大的福利，使得算力提升三个数量级，功耗还能下降6个数量级。目前这方面的研究工作已经起步。
光电计算并不是一个新东西，它和人工智能一样，也是20世纪50年代诞生的。只是计算的计算机半导体、硅基的芯片就已经满足需求，所以研究者就渐渐减少了在这方面的研究。尤其是在1990年贝尔实验室用砷化钾做了一个光学开关来控制计算机的原型，由于当时对算力的需求较小，所以芯片就可以解决。而现在随着人工智能对芯片的极致要求，从2017—2019年，很多机构都对光电计算的研究作出了重要贡献，比如三维受控的衍射的传播时间，以及全并行的光速计算。通过研究能够很快识别一个文字，因为光是不需要电的，所以这种光计算不需要耗电就可以做到以可控高维的光场传播，从而实现高速高效并行的计算。因此构建光电计算的架构，成为现在解决算力的一个重要研究方向。
1990年1月29日，美国贝尔实验室宣布研制出世界第一台光计算机
光学作为新的计算途径，它带来的最重要的变革，一是范式变革；二是算力提升；三是功耗下降。正因其诸多优点使得国内外很多研究机构都开展了相关研究。目前国际上作出的贡献有三个，麻省理工做的干涉神经网络架构非常不错；明斯特大学和剑桥是留相片材料，做脉冲的架构；清华大学是用衍射神经网络做架构。三种不同的方案都各有优势，也各有不足。光电计算的算力能提供3个数量级，使无人系统更快、更小、更智能。希望大家关注这个方向。
光电智能芯片最重要的特点是什么？是它们对庞大的计算中心小型化。我们现在的计算中心都要消耗很大的电能，如果使用光电计算就能节省许多电能。第二，纳秒级目标感知与识别。纳秒级的感知目标与识别非常快，现在使用相机拍摄，要转成电，然后再计算。试想如若它是直接光进到相机就计算了，那么速度就变得非常快。因此光电智能芯片对新基建里的工业互联网、计算机视觉、大数据分析和光通讯都有重要的支撑作用。这是对算力的一个探讨、一个思路。
新算法：从脑科学到人工智能的认知科学是一条未来研究道路
第二是算法。现有人工智能仅实现了简单的初级视觉感知功能。在初级视觉感知信息处理与高级认知智能过程中，性能远不如人脑，人脑具有物理学习和数据的抽象能力。有些学者认为深度学习存在极大的危机， BP算法有很大局限性，需要推倒重来，需要再次从大脑的认知机理模型中寻找灵感。
新一代认知智能作为现在算法上国际上最重要的结合点。众所周知， 1969年BP算法的雏形是从控制里面来的，是从最优控制理论中产生、采集的。直到1989年卷积神经网络诞生。认知和神经科学家首次将BP算法引入到多重神经网络，构建了认知计算模型。再到2015年的计算模型。由此可以看出BP算法是深度学习使用最为广泛的，但是它仍存在很多问题。
从1958年开始研究的卷积神经网络来看， 1981年的诺贝尔奖得主发现人的视觉是分层的，有高层的视觉分层，也发现视觉系统卷积的特性。于是1980年日本学者提到简单复杂的细胞概念，提出了新的认知机理。 DavidMarr认为，人对视觉信息的表征和处理的计算研究得出了一个重要的结论，视觉和感知效应的关系。 2007年TomasoPoggio提出了H-MAX模型。 2012年Alex的贡献开启了人工智能的黄金时代，得到了广泛的应用。通过算法的历史分析，就能预测未来。