机器之心发布
联想创投2020 CEO年会
近日,在联想创投 2020 CEO 年会上,清华大学讲席教授、智能产业研究院院长、美国艺术与科学院院士、百度前总裁张亚勤先生带来了《未来科技趋势展望》。
张亚勤表示,数字化的 3.0 时期已经到来,数字化的范围已从内容、社交和企业服务领域向物理和生物世界进行延伸,将我们熟悉的城市、工厂、电网、家庭向智慧交通、工业互联网、智慧医疗等方向进行升级,为了完成物理世界的「数字化」,数据需要更清晰地让数字世界和现实世界一一对应,通过深度学习,计算机不断加深着对于人类世界的认知。
随着数据的海量爆发,如何突破目前的算力,成为了一代又一代科学家攻克的关键,香农定律、冯诺依曼架构和摩尔定律奠定了传统计算与通讯范式,如何突破已经接近极限的三种理论?张亚勤表示,需要通过对信息的重新定义,制定新的计算范式、计算体系和通讯架构,而他们又给产业带来了新的机会。为此,中国需要抓住机会,引领数字化的 3.0 时代和第四次工业革命浪潮。
清华大学讲席教授、智能产业研究院院长、美国艺术与科学院院士、百度前总裁张亚勤发表演讲
以下为张亚勤演讲全文:
大家下午好!非常高兴能够来到联想创投 CEO 年会,作为中国 IT 的 icon,联想 36 年历经坎坷,也取得很多进展,尤其是联想的「3S」战略,和我今天要讲的内容「智能技术趋势」非常吻合。
数字化进程的演变与 3.0 时代的到来
回顾 IT 产业 30 年发展历程,最大的特征就是数字化。第一波数字化开始于 80 年代中期,也是联想成立的时期。围绕自然界的内容表述,数字化的范围包括音乐、视频、声音、图像等,算法和标准有 MP3/4、H.26、AVS 等;随着 PC 的推出,又出现了 PPT、EXCEL、WORD 文档数字化。
第二波数字化开始于 90 年代中期,在内容数字化的基础上加上互联网、HTDP、HTML 的产生,从而催生消费者互联网,从早期的 PC 网站、门户,到搜索、电商、社交,再到后来的共享经济、Zoom 等视频通讯、数字货币和移动支付。从产品体验和规模等方面来看,中国在移动互联网时代下的消费互联领域整体领先于世界。
与此同时,企业也在数字化方向不断细化与革新,比如 ERP、CRM、HR、Supply Chain、BI、workflow 等管理系统的诞生。在云领域,中国已在逐步追赶基础设施云的建设,逐渐缩小与其他国家在规模效应上的差距。
我认为,中国软件的发展跳过了以「软件作为产品」的时代,直接进入以「软件作为服务」的时代。互联网本身就是「软件作为服务」的一种符号,作为一种新软件模式,我认为大量 SaaS 公司会在 5 年之后陆续出现,未来 SaaS 平台会有很大的机会。
现在,我们进入了数字化 3.0 时期,也即智能感知时代,这个阶段发生了两方面转变:一是物理世界的数字化,我也把它叫做「互联网的物理化」工厂、电网、机器,乃至所有移动设备、家庭、城市都在向数字化发展。在这个过程中出现了相较于过去上千甚至上万倍的海量数据,比如一辆无人车每天产生的数据量大约 5-10T;相比于数据主要提供给人员辅助决策的 1.0 和 2.0 时代,数字化 3.0 时期 99% 以上数据在机器间传输,到最后一环节才传递给人员。
第二个方面的转变生物世界的数字化,人们的细胞结构、所有器官乃至整个身体都在数字化,整体数量级比物理世界大上千倍。从虚拟、宏观到微观,整个数字信息世界、物理世界和生物世界正在走向融合。此外,「数字孪生」技术可以让我们更加清晰地将物理世界和生物世界进行一一对应。
有了大数据之后,我们还要实现数据的结构化和智能化。在人工智能的 60 年发展过程中,有「冬天」也有「春天」。人工智能根据不同算法大致分为两类:一种是逻辑推理,是以知识为驱动的算法;另一种是以大数据为驱动的算法,两者都运用到了人类大脑的基本认识、基本模型和决策模型。
过去十年里最流行的深度学习,基本是以大数据、大计算、大模型算法来驱动,其中包括 AlphaGO、AlphaZero。深度学习确在过去一段时间取得很好的进展,比如 GAN、Transfer learning,到现在的 GPT-3 等等。未来,深度学习还有很大发展空间,其算法需要结合符号逻辑、知识型推理和更多模型的因果关系和新的范式,目前对于产业来讲,未来五至十年,深度学习还会是最重要的算法。
根据 Google AI 负责人Jeff dean 的观点,人工智能的三大要素是数据、算法和算力,实际上是数据加上 100 倍的算力,并且算力比数据更重要 100 倍。这个观点我不完全同意,但我同意在目前深度学习框架下,算力十分重要。
突破香农、冯诺依曼、摩尔瓶颈,推动算力发展
怎么突破目前的算力?过去 60 年,传统计算与通讯范式有三个重要原理:香农定律、冯诺依曼架构和摩尔定律。
香农定律,定义了熵、信道容量和失真情况下压缩极限,目前,我们距离这三个极限已比较接近。冯诺依曼架构是指五个最基本模块加上程序存储原理,是图灵意义下最好的一种实现,但它的瓶颈在于数据和计算的分离。在深度学习中,庞大数据量本身就会形成一个瓶颈。最后还有摩尔定律的限制。
如何突破这三个瓶颈?
首先,我们需要对信息做一个重新的定义,制定新的计算范式。另外,进入互联网时代,香农理论从点对点通讯延伸到多用户信息论,但真正的理论框架并没有太大进步,所以需要更多理论层面的模型更新,否则深度学习就很难引入因果关系和模型。
目前,图像视频编码技术的发展已经达到性能极限,如何用 AI 彻底、大幅度地进行改善也需要我们的思考。
此外,还需要新计算体系和通讯架构,创新传感器类型。传感器能够获取各种各样的数据,所以非常重要。有观点认为,人用「小数据」就可以做决策,但我认为大数据是机器的优势,虽在决策方面与人相比稍有欠缺,但在获取各种不同数据时比人更有优势。
同时,需要新模态。深度学习需要的 Tensor Products、线性代数、布尔代数等要素在传统的冯诺依曼架构下不易实现,通过研发 GPU、ASIC 等技术加速并彻底形成新架构成为了大趋势。除了传统的英特尔、AMD,谷歌、百度、地平线、寒武纪等公司也在做这件事,在新架构产生之后,就会随之产生更多新算法、新模型、新型芯片,这将是一个非常大的机会。
这是一个我在百度启动的项目:昆仑芯片,这是一个大型芯片,主要用于大型训练,已经在百度部署。第一代昆仑芯片能在 150 瓦的功率下实现 260 TOPS 的处理能力。第二代昆仑芯片采用 7nm 先进工艺,相对于第一代芯片而言,性能提高了 3 倍。
核心基础设施「ABCD」带来智能时代的颠覆性改变
计算、通讯、新架构、新算法,它们给产业带来的新机遇,就像联想的「3S 战略」,在 IT 行业不断升级的背景下,为整个产业带来了新机遇甚至是颠覆性的改变。
抓住新的行业机遇,我们正在面临第四次工业革命,如果说前三次工业革命中国是旁观者,但在这一次,中国有机会在很多方面成为引领者。
面向第四次工业革命,我们希望能够打造成一个国际化、智能化和产业化的智能产业研究院(AIR)。我们有三个方式达到这个目标:最重要的是吸引一流人才,特别是担任过 CTO、研究院院长的人才,另外还要有深厚的学术背景和丰富的企业经验;其次,研究院还要培养目前我们还比较缺乏的、具备深度大系统思维能力和顶层设计能力的 CTO 和顶级架构师;最后,我们要打造核心技术并逐步将其发展为公司。
目前,我们刚刚起步,除我之外,还有两位联合合伙人,一位是马维英博士,他是电气电子工程师学会院士,字节跳动副总裁、人工智能实验室主任,也是微软亚洲研究院前常务副院长;另一位是赵峰博士,他也是电气电子工程师学会院士,还是前海尔集团 CTO、副总裁,全球 loT 教科书编写者。这两位联合合伙人非常符合我刚才的描述,不仅发表很多学术文章,同时又有丰富的产业经验。
我们聚焦于三个研究领域:智慧交通、工业互联网、智慧医疗。我认为,智慧交通能够为整个社会和产业带来巨大的影响,作为未来 5-10 年最有挑战的技术,无人驾驶还能够通过狭义的人工智能解决自身的难题。我们还聚焦工业互联网、IoT、智能感知,因为他们是数字世界和物理世界的接口;在我们看来,AI 在未来十年还可以深层次地改变整个医疗健康产业,不局限于 AI 机器人针对病人和医护人员的协助性工作,还包括制药、蛋白质结构预测等,实现以上三领域的发展都需要基础设施「ABCD」,即 AI、Big Data、Cloud、Device,以及学者对基础科学研究的支持。
在 AIR,我们采用完全开放的模式,希望和整个产业有多种形式的合作,比如联合实验室、联合科研项目、共同孵化项目,我们也希望能够通过这个机会认识更多创业者,让大家更了解 AIR,大家齐力构建更大的生态圈。
Amazon SageMaker1000元大礼包
ML训练成本降90%,被全球上万家公司使用,Amazon SageMaker是全托管机器学习平台,支持绝大多数机器学习框架与算法,并且用 IDE 写代码、可视化、Debug一气呵成。
现在,我们准备了1000元的免费额度,开发者可以亲自上手体验,让开发高质量模型变得更加轻松。