>科技>>正文

斯坦福大学教授张首晟:摩尔定律遭遇危机,是AI时代最大的挑战和机会

原标题:斯坦福大学教授张首晟:摩尔定律遭遇危机,是AI时代最大的挑战和机会

摩尔定律无法保持指数级的爆炸式增长,正为AI时代带来了巨大的危机和挑战。但这给我们带来了全新的、历史性的机会。

口述

张首晟

整理

黑智

7月15日,2017网易未来科技峰会在北京举办。这次会议将主题确定为“新生”,意为经历了从2015年开始的资本寒冬,以及当前的技术创新,中国的互联网行业,正在被年轻的创业者和变革中的巨头引向全新的未来。

而提到科技推动创新和商业发展,“AI+”自然是其中重头的话题。在峰会上,斯坦福大学终身教授、美国科学院院士张首晟发表了题为“人工智能的三大支柱”的主题演讲。

在张首晟看来,今天人工智能的爆发,主要是由于三大趋势的汇聚:计算能力的提高、互联网时代带来的大量数据,以及全新的算法的产生。摩尔定律奠定了信息社会的快速发展,但是摩尔定律无法保持指数级的爆炸式增长,这为AI时代带来了巨大的挑战和危机,需要全新的材料和算法出现,但同时对于中国的人工智能领域创业而言,这也是巨大的机会。

以下为张首晟演讲实录,经黑智编辑整理:

谢谢大家,非常荣幸跟大家做一个分享,我今天演讲的题目是“人工智能的三大支柱”。

我们今天的确是生活在非常伟大的、非常奇特的时代。整个人类作为一个物种,在地球上演化了已经差不多十万多年,这当中人类一直是地球上最智慧的物种,但我们今天的确碰到了一个新的挑战,也是一个新的“物种”的出现——人工智能。机器的智慧在很大程度上可能会超过人类的智慧。

那么,为什么在今天这个时候出现了这么一个新的、神奇的物种?主要是三个大趋势的汇聚。

第一,是计算能力。计算机的计算能力在过去的五六十年当中,基本上按照摩尔定律在增长。计算能力的提高现在突飞猛进,这是人工智能三大潮流汇聚的第一个潮流。

第二个潮流,互联网时代有大量数据的产生。人工智能一定要学习,自动通过大量的数据汇集能够得到学习,数据的产生是由于互联网的产生,把我们生活的每一个角落都变得数据化。

另外,对于我来讲,是最最神奇的发展,非常新的一些算法的产生。人一开始会模拟大脑工作的原理来做出一些人工智能、机器学习的算法,但我今天跟大家主要分享的是,在今后发展的过程当中,我们可能会推出一些算法,大脑根本不能实现的,但是在机器里面却能够实现。比如说我会谈及量子计算,完全新的、在数学上的一些算法。

摩尔定律的危机

摩尔定律奠定了信息社会为什么飞速发展,相比之下,传统行业往往是比较平行、比较线性的增长情况。现在摩尔定理继续按照传统的方式推进下去,是不能按照过去发展的指数,实现爆炸式增长的。为什么呢?每个三极管运算的过程当中必然会产生很多的热量,如果三极管的基本原理没有改变,每过18个月,三极管的数字翻一次倍的话,所产生的热量也是每过18个月翻一次倍,这种情况下,整个芯片继续提升的情况下,必然会烧掉。

这是一个非常大的挑战和危机,我作为一个物理学家,看到这是一个非常好的机会,使得我们可以完全回到一张白纸上重新来想这个原理。计算机按照原先的摩尔定理继续往前推进的话,碰到的阻碍是什么?

我们今天经常讲信息的高速公路,但是在信息的层次,信息的高速公路却是非常拥挤的。如果我们把电子想象成跑车的话,有相互之间的碰撞、周围的碰撞,在这个过程当中会产生许多的热量,这样每过18个月翻一次倍,继续提升的话,芯片就会烧掉。我的工作,刚才主持人所提到的科学的发展,拓扑绝缘体的发现,用最最简单的话来讲,就是我们为电子在芯片的最最底层造了一个信息的高速公路,高速公路最根本的原理,车道各分其道、互不干扰,每个电子在固定的车道上在运行,而不像是赶集的情况下会到处碰撞。

但是我们今天生活的硅谷,里面新创的信息领域的公司,的确像摩尔定理一样,每过18个月翻一次倍。今天为什么科技界所有的注意力全部汇集在硅谷,也是有历史原因的。AT&T贝尔实验室的肖克利先生发明了三极管,在二次世界大战之后,他把这个技术带到了硅谷。今天,大家都想以硅谷作为目标,使自己的城市成为下一个硅谷,但是这的确不容易,因为要真正碰到历史性的机会是不容易的。如果我们半导体技术完全是按照传统的摩尔定理继续一直往前走的话,只能是跟在别人的后面。但是今天,中国的智慧,碰到摩尔定理的危机,给我们带来了全新的机会,使得我们在白纸上画出最新、最美图案的时候,可以创造下一个硅谷的奇迹。

这里我简单给大家汇报一下我所做的科学研究发明是什么。简单的一句话来讲,量子自旋霍尔效应,就是把量子在芯片的层面上,按照红的和蓝的,电子自身向上的,按照红的轨道芯片在运转,自旋向下的按照蓝的轨道,碰到杂质的时候,首先车道是分开,并且按照自旋,空间上有一个分开,但是自旋的方向也不一样,碰到杂质继续往前走,不会散射回来。这的确是最近材料科学领域,在量子科学领域非常大的发现。我们在2006年,在理论上做了预研,到了2007年,在德国的一个实验小组,在实验室里面完全验证了我们的预研。但是现在还不能完全工业化,虽然达到了这个效应,相对来说还是在比较低的温度上才能够实现,所以我们正在寻找新的材料。大家可能听说过石墨烯,它是碳原子组成的蜂窝状的单元制成的材料。石墨烯没有我们讲的神奇的性质,但是我们在元素周期表,随着碳原子往下走会就会碰到烯,和碳原子一样,也能组成单的原子层,我们预研这个材料能够像高速公路运转,在室温下就能达到效应。

我们的科学发现也是基于数学里,拓扑不变量的概念。数学家认为我们吃早餐,虽然左手拿的是糖圈,右手拿的是咖啡杯,但是数学意义上,它们的拓扑性质是一样的,因为他们中间都有一个孔。拓扑不变量是非常神奇的数学概念,但我们把它用到了真正具体的材料上。我通过这个简单的例子跟大家分享一下,今天每一位年轻人都在考虑怎么能够有更好的创意,有一些好创意的办法就是做一些跨界的思维。

今天我们有一个更激动人心的想法,就是所谓的量子计算机。拓扑绝缘体对于量子计算机,也是非常好的材料。

人工智能在算法上的提高

现在我跟大家分享一下人工智能在算法上的提高。我们今天想到做人工智能最主要的原因,也是想模仿人的大脑,我们看整个人工智能的过去和未来,我想通过一个比喻来解释。

我们在500年以前,看到鸟飞的时候,就想,我们能不能造出一个飞行器。一开始的时候,我们只是简单模仿鸟的飞行,我们今天之所以能够做出飞机,并不是我们简单地在学鸟飞,我们是真正想清了飞行的数学原理是什么,我们设计出来的飞机并不一定要完全像鸟一样飞,但完全能够比鸟飞得更好。

同样的思维,今天来想人工智能。第一步是通过神经网络模仿人的大脑的每个神经元,还是简单的模仿时期,到了下一步应该怎么做呢?真正理解智能、智慧的数学原理是什么,就像我们理解飞行的数学原理是什么。一旦理解了之后,就能设计出来更好的算法,这些算法不一定是大脑能够实现的,但是却可以比大脑做得更加好。

我们如果想清这一点,就能想到真正用一些好的算法,来取代一些技术上的瓶颈。比如说人工驾驶这个领域,绝大部分项目还是在学习Google当年提出的技术路线,比如说在汽车顶上装上激光雷达,需要高清的三维地图。但这也给自动驾驶领域带来了很大的瓶颈,首先,激光雷达非常贵,做高清三维地图也是非常麻烦。丹华资本投资了一家硅谷无人驾驶创业公司Autox,它的创始人是MIT博士、普林斯顿教授肖健雄,他们的自动驾驶解决方案,就是能够通过普通的摄像头认知周围的一切,不需要雷达、激光或其他的导航设备。

大数据时代产生了大量的金融、教育、医疗健康的数据,我们现在机器学习的能力,就是通过这些大数据本身,帮助我们大大提高在金融领域、教育领域、健康领域的效率。但是我们现在碰到一个很大的问题,那就是,能够处理数据和拥有数据的,可能是两个不同的公司,相互之间不一定有完全的信任,使得很多数据不能够被实时做分析。我也和大家推荐一个新型的算法,叫同态加密,这个新的算法能够在加密的数据上学习到里面的智慧,不一定要看到数据本身,这样的话,数据的拥有者和数据的处理者完全能够分开,并且能够建立信任基础上的合作。

机器超过人类?要先能写出更伟大公式

现在大家在人工智能领域最想问的问题,是哪一天真正机器的智慧会超过人,我们怎么能够衡量机器哪一天超过人。过去两年,我们看到了人机大战,DeepMind能够在围棋上战胜人类最高选手,这是不是已经说明计算机已经能够超过人类?

最经典的测试方法就是所谓的图灵测试,我如果对话之后,不能分辨出来和我对话的到底是机器还是人,就说明机器已经达到人的智慧。但是我觉得,这个测试还是有一定的误导。机器的智慧要完全能够模仿人,还是一个漫长的过程,人类作为一个生物物种的演化,的确带来了一些非常理性的成分,但要让机器去学习人类理性的部分比较容易,但是学习非理性的那些情感,还是不那么容易。像爱因斯坦这样伟大的科学家能够写出质能方程E=mc^2,这么简单朴实的公式,我们做实验能够验证它,这可以说是人类智慧最高的结晶。那么,下一次机器人是不是也能够赶在人类的前面,写下深奥的定理,作为科学发现?在这种情况下,机器的智慧才是真正的超过人。

在这个领域,我们要做大的发展,我们在美国已经清晰地看到,一定要在学术界和工业界做非常紧密的结合。学术界人才往往能够作出最好的算法,但是现在工业界,尤其是互联网公司手上都拥有大量的数据,一定要在紧密合作的过程当中,真正把人工智能做到更好的下一步。

我们这个时代最伟大的两个跨界,一个是要把科学和投资紧密结合在一起,一个是要把中国和美国紧密结合在一起,这里面我们一定会得到更多的机会。

总结

人工智能对于中国来讲,是一个非常好的机遇。我们中国人口众多,有非常庞大的数据;中国整个教育的水准,现在在国际上,尤其是在数理科学领域,在国际上走得非常前沿,我们有非常好的接受了高等教育的人才。

刚才我讲过,人工智能发展有三大支柱,一个是大数据,而中国就拥有非常大的数据;一个是需要在物理材料上做大的推进,我也是想通过人工智能的发展,把中国的基础科学大大往前推进;另外我们在算法上需要数学方面优秀的人才,中国在这方面的确是有非常好的人才。而我们要达到这一点,一定要建立好两个桥梁的作用,一个是把学界和企业界连接在一起,一个是把硅谷和中国连接在一起。

图森未来 陈默返回搜狐,查看更多

责任编辑:

声明:本文由入驻搜狐号的作者撰写,除搜狐官方账号外,观点仅代表作者本人,不代表搜狐立场。
阅读 ()
投诉
免费获取
今日推荐