華為戰(zhàn)略研究院院長周紅：面對智能社會無窮的可能性，所有的想象都是保守的

4月19日，在華為第20屆全球分析師大會上，華為戰(zhàn)略研究院院長周紅在談到未來通信和未來計算時認(rèn)為人工智能的下一步發(fā)展面臨三個重要挑戰(zhàn)；而未來計算要發(fā)展更好的計算模式，以及與之匹配的計算架構(gòu)與計算部件。

AI能力快速提升同時帶來三個重要挑戰(zhàn)

“在過去的幾年中，我們看到智能應(yīng)用的迅速發(fā)展，尤其是通過AI模型優(yōu)化可能幫助解決應(yīng)用碎片化的問題，這也引發(fā)了模型規(guī)模的爆發(fā)式增長。過去十年，AI算法的算力需求提升了40萬倍?！敝芗t認(rèn)為，“在AI能力快速提升的情況下，需要考慮AI的目標(biāo)如何與人類一致、并且正確和高效地執(zhí)行。除了通過規(guī)則和法律來加強(qiáng)AI的倫理和治理外，從理論和技術(shù)的角度看，要達(dá)到這些要求，目前還面臨三個重要的挑戰(zhàn)：AI的目標(biāo)定義、正確性與適應(yīng)性、以及效率?！?/p>

第一個挑戰(zhàn)，缺乏共識的目標(biāo)定義。如果沒有定義清楚并達(dá)成共識，就很難確保AI發(fā)展的目標(biāo)與人類一致，也很難合理地分類和科學(xué)地計算。人工智能在歷史上有不同的流派，例如符號主義、貝葉斯主義、進(jìn)化主義、行為主義，以及連接主義等，它們還沒有很好地融合起來，我認(rèn)為缺乏共識的目標(biāo)定義是重要的原因之一。

第二個挑戰(zhàn)，在應(yīng)用中存在正確性和適應(yīng)性的挑戰(zhàn)。依靠大數(shù)據(jù)統(tǒng)計規(guī)律進(jìn)行的學(xué)習(xí)，會依賴于采樣的覆蓋面和數(shù)據(jù)的正確性，如果錯誤使用，就可能導(dǎo)致結(jié)果不穩(wěn)定和偏見的風(fēng)險，出現(xiàn)“黑天鵝”事件。比如用統(tǒng)計和相關(guān)計算模式來識別香蕉，如果在香蕉邊上放一些其他圖片，識別結(jié)果可能從香蕉變成烤箱，中間還有一定的比例是鼻涕蟲；熊貓圖片加上一些小噪聲，也可能被識別成長臂猿。這些圖片用人眼來看一目了然的，但是人工智能會犯錯，原因也很難解釋。因?yàn)锳I的能力分布在巨大的參數(shù)中，出了這些問題，我們既無法解釋、也難以調(diào)試。

第三個挑戰(zhàn)是AI的效率。從能源效率看，從2022年第60屆全球超級計算機(jī)Top500中看到，排名第一的Frontier的計算性能約1102PFLOPS，能耗是2100萬瓦，排名第二的Fugaku計算性能約442PFLOPS，能耗是3000萬瓦，而相比之下，人腦只需要約20瓦就能等效實(shí)現(xiàn)30PFLOPS的計算性能?？梢姰?dāng)前這些超級計算機(jī)單位能量的計算效率，要比人腦低3萬倍~10萬倍。從數(shù)據(jù)效率看，除了通過從大數(shù)據(jù)中得到統(tǒng)計規(guī)律來認(rèn)識和理解世界外，能不能從小數(shù)據(jù)中進(jìn)行思考，發(fā)現(xiàn)邏輯性形成概念，抽象出原則？

面對挑戰(zhàn)，未來計算要尋求突破

周紅認(rèn)為，可以在近幾年多位學(xué)者的研究思考基礎(chǔ)上，發(fā)展感知與建模、知識自動生成、求解與行動三個核心部分。感知與建模是對外部環(huán)境以及自身的表征與抽象；知識的自動生成應(yīng)該將吃穿住行、琴棋書畫、數(shù)理化生等人類能表達(dá)與不能表達(dá)、能感知和不能感知的知識都考慮進(jìn)來，將人已有的經(jīng)驗(yàn)融入到策略模型或評價函數(shù)當(dāng)中；求解與行動可以是在已有知識的基礎(chǔ)上，結(jié)合內(nèi)外部信息進(jìn)行直接的演繹推理，或者通過與環(huán)境交互試錯，來找到解決辦法。

周紅認(rèn)為要發(fā)展更好的計算模式，以及與之匹配的計算架構(gòu)與計算部件，來持續(xù)提升智能計算的效率。

“當(dāng)前在視覺與空間計算上，往往采用像素點(diǎn)來表達(dá)物體，但是絕大部分物體的識別與其像素點(diǎn)的顏色沒有直接的關(guān)系，甚至是毫無關(guān)系，它們在不同的光下呈現(xiàn)不同的顏色，因此建議增加幾何流形來進(jìn)行表達(dá)和計算，看看能不能用很小的數(shù)據(jù)量來抓住物體的不變性?！敝芗t說。

從實(shí)現(xiàn)的角度看，周紅表示當(dāng)前很多AI計算面臨存儲瓶頸，往往要花比計算多上百倍的時間來讀寫與搬移數(shù)據(jù)：“今后能不能拋開傳統(tǒng)的馮·諾依曼架構(gòu)的處理器、指令集、總線、邏輯器件和存儲器件，而是圍繞先進(jìn)AI計算模式的需要來重新定義新的架構(gòu)與部件？”

周紅表示，目前華為在工業(yè)領(lǐng)域、科學(xué)研究領(lǐng)域已經(jīng)有很多AI應(yīng)用實(shí)例。在軟件編程上，也在發(fā)展科學(xué)的模型驅(qū)動和形式化方法，如Vsync方法，實(shí)現(xiàn)了操作系統(tǒng)內(nèi)核的自動化驗(yàn)證和并發(fā)代碼優(yōu)化，在提升性能的同時也確?？煽啃?。

“在走向智能社會的過程中，可能有超過百倍，甚至千倍的信息需求增長，現(xiàn)有的很多理論和技術(shù)已經(jīng)遇到瓶頸，難以支持未來的發(fā)展，因此我們積極推動科學(xué)假設(shè)與商業(yè)愿景牽引的創(chuàng)新，在通信上，大膽探索有別于香農(nóng)定理的前提條件和應(yīng)用場景；在計算上，進(jìn)一步明確人工智能的目標(biāo)定義，提升正確性、適應(yīng)性和高效性?！敝芗t表示，“我們正在快速奔向智能社會，面對無窮的可能性，我們所有的想象都是保守的?！?/p>

作者丨劉晶

編輯丨邱江勇

美編丨馬利亞

監(jiān)制丨趙晨