本文归集频道栏目及路径访问: 首页 > 人工智能严选必读 > 商界观察 • 首脑思维

英特尔宋继强:AI可以像人类大脑,通过小数据自我学习

朱琳 ☉ 文 来源:经济日报 2020-06-25 @ 哈希力量严选

【哈希力量划重点:神经拟态计算最有可能开辟出一条从AI 2.0到AI 3.0的崭新赛道。神经拟态计算,是在传统半导体工艺和芯片架构上的一种尝试和突破。它通过模拟人脑神经元的构造和神经元之间互联的机制,能在低功耗以及少量训练数据的条件下持续不断自我学习,大幅提高了能效比。】

图为英特尔中国研究院院长宋继强w4C哈希力量 | 智能的力量

英特尔中国研究院院长宋继强w4C哈希力量 | 智能的力量

“瞄准长远的目标与价值,坚持长期的科技研究,是我们面对‘疫情’这样不确定事件时唯一确定的事情。这不仅需要前瞻性的视野与布局,还需要有不为眼前利益所动摇的决心与意志。”英特尔中国研究院院长宋继强日前在接受《经济日报》记者采访时表示,AI新应用的爆发绝非一日之功,从量变到质变的过程,是长期的科研布局与数字化基础设施建设的结果。w4C哈希力量 | 智能的力量

回顾AI发展历程,宋继强指出,AI第一波浪潮,是通过由人制定的各种规则去做理论性的推理。虽然在推理方面表现不俗,但仅限于几个严格定义的问题,且没有学习能力,无法处理不确定性问题。而真正令AI渐入佳境的,则源于由深度学习所触发的AI第二波浪潮。互联网、移动互联网等所产生的海量数据,给机器提供了学习、挖掘和试错的对象,让系统得以自发地找到“规律”,作出预测、判断和决策。数据的增长,外加算力的提升以及基于深度学习构建的算法演进,这三张“王牌”让一些典型的深度学习应用达到甚至超越了人的能力。“越来越多的乐观主义者深信,深度学习是极具价值且值得产业界大规模跟进的方向。 ”宋继强说。w4C哈希力量 | 智能的力量

深度学习是AI的终极目标?在宋继强看来,随着对于深度学习的研究深入,还有一些问题亟待解决。首先,“能耗”是最大的挑战。有研究报告显示,采用服务器级别的CPU加上GPU集群去训练一个大型AI模型,其所消耗电力产生的碳排放量,相当于5辆美式轿车整个生命周期所消耗的碳排放量。其次,“数据量”是又一大挑战。w4C哈希力量 | 智能的力量

“目前的深度学习过于依赖大数据,在一些小数据量的场景下,深度学习使用会非常有限。AI应该像人类大脑那样,通过小数据进行自我学习。”宋继强认为,在训练过程中,如何在保证AI模型能力的情况下,大幅降低能耗并减少所需花费的时间和数据量是AI继续向前发展的重要方向。w4C哈希力量 | 智能的力量

“一个真正的智能系统,应该是环境自适应性的‘自然智能’。”展望AI技术下一发展阶段——AI 3.0时代,宋继强表示,首先,下一阶段的智能系统,不仅能处理确定性的问题,还能处理不确定性问题。第二,它不仅能够做事,还必须是可解释的。第三,它不完全依靠大数据驱动,即便少量数据也可实现更高效能的持续学习。第四,它应具备高可靠性,或者说符合人类给它设定的伦理道德。w4C哈希力量 | 智能的力量

目前,我们正处于从AI 2.0到AI 3.0时代的转折点。宋继强分析说,从目前看,作为一种前沿的计算模式,神经拟态计算最有可能开辟出一条从AI 2.0到AI 3.0的崭新赛道。神经拟态计算,是在传统半导体工艺和芯片架构上的一种尝试和突破。它通过模拟人脑神经元的构造和神经元之间互联的机制,能在低功耗以及少量训练数据的条件下持续不断自我学习,大幅提高了能效比。显然,神经拟态计算的特点非常符合AI3.0的发展需求。因此,神经拟态计算也被寄予厚望,有可能在人类迈入下一代AI的进程中发挥重要作用。w4C哈希力量 | 智能的力量

“作为一家立足长远、推动底层技术创新的公司,英特尔不断对前沿技术领域加大研究,即便这些领域在短期内无法看到实际成效。”宋继强介绍,围绕神经拟态计算,英特尔已从很早就开始探索这一崭新的计算模式,并取得巨大成就。例如,英特尔的神经拟态计算芯片Loihi已经具备了嗅觉的能力,神经拟态系统Pohoiki Springs已经拥有1亿神经元的计算能力,这已经相当于一个小型哺乳动物的大脑。w4C哈希力量 | 智能的力量

“当然,神经拟态计算还处于非常早期的阶段,要想将这项技术真正应用于AI,我们还有很长的路要走。但我相信,底层技术的创新必须坚持长期主义,长时间地专注于一个方向与赛道,以这种确定性去对抗发展过程中的一切不确定性,才有可能最终取得成功。”宋继强说。w4C哈希力量 | 智能的力量

(原文标题:《英特尔宋继强:AI 3.0时代具有四个特征》)w4C哈希力量 | 智能的力量


立场鲜明观点深刻的人工智能相关文章:
哈希力量全站严选推荐: