【小哈划重点：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。】
英特尔中国研究院院长宋继强
“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。
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。
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。
“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。
“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。
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。
“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。
“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。
（原文标题：《英特尔宋继强：AI 3.0时代具有四个特征》）
