大數據文摘出品算法
由中國計算機學會(CCF)舉辦的計算領域年度盛會CNCC 2020今天在北京隆重開幕，大會主題是「信息技術助力社會治理」。架構
大會設有14個特邀報告、3場大會論壇、百餘場技術論壇以及CCF CTO峯會等多場活動，邀請到超過400位國內外計算機領域知名專家、企業家到會演講。機器學習
值得一提的是，本次CCF還邀請到清華大學智能科學講席教授、清華大學智能產業研究院的院長、IEEE fellow和美國藝術科學院院士張亞勤，在他去年9月正式從百度離職後，終於再度迴歸到大衆的視線。ide
今天，張亞勤教授在CNCC 2020上帶來以「智能技術趨勢」爲主題的演講，隨着數字化3.0的到來，張教授重置技術與工業的角度討論數字化的新浪潮，並分享了他在人工智能、新計算體系和通信架構等方面的看法。性能
如下內容在張亞勤教授的演講基礎上略有改動。學習
數字化新浪潮帶來了歷史性的變革：一切都在數字化大數據
張亞勤表示，隨着數字化3.0的到來，將來十年許多行業都將經歷構造轉變。這場數字化的新浪潮提供了歷史性的機會，能夠經過先進的機器學習算法，加強的計算能力，5G的新基礎設施，神經形態計算來改變現有的工業格局。優化
過去咱們作計算機最大的現象是數字化，數字化1.0在80年代中期就開始了，那個時候更多的是把內容數字化，有語音、音樂、視頻、圖像，包括後面的HDTV和Video，整個發展至關快。編碼
數字化2.0在90年代中期開始，因爲內容數字化，產生了消費者互聯網，掀起了好幾輪浪潮。同時企業也在數字化，包括ERP、CRM、工做流以及商業智能，到了後面有各類數字倉庫、雲，各類各樣。但在軟件領域，消費軟件產品市場在中國一直沒有真正到一個主流。人工智能
如今進入全新的數字化3.0，包括互聯網物理化。首先是物理世界數字化，咱們的車、船，飛行器件數字化，路、交通等，城市在數字化，家庭在數字化，工業、車間、電網、機器，乃至貨幣都在數字化，能夠看到物理世界和數字世界造成一對一的影射。過去咱們講數字高速公路，如今真的高速公路也變成數字。
能夠看到，因爲物理世界數字化，產生的信息量和數據達到了天文級，好比無人車，每一個人天天能夠產生10個T的數據。另一個特色就是，如今數據大部分不是給人看，而是讓機器作決策，好比無人駕駛。
不像第一代和第二代，咱們的生物世界也在進行數字化，大腦、身體，每一個器官，甚至包括DNA還有蛋白質，經過腦和世界的接口，這個數據量更大，比咱們物理世界更大。這個容量級很難用正常的方式去處理計算。
如今這個世界是信息物理和生物世界的融合，先是數字化，而後連到一塊兒，最後纔是智能化。
AI變革帶來產業新機遇
5G出現以後，的確帶來不少新的可能。5G是第一次把三網真正在應用層統一了，這是一件大事，5G讓傳輸的速度更快、延遲更低。
任何新的技術須要時間，你們要有一些耐心，5G剛剛發展速度就已經很快了，張教授表示相信在將來三到五年5G可以帶來巨大的變革，不只是對用戶，更多的是對於工業和產業。
張教授還用兩張圖舉了兩個例子，一是百度崑崙芯片路線圖，第一代崑崙AI芯片已經達到14nm工藝、2.5D封裝、512G的帶寬。明年會出來第二代，7nm，耗能減小不少，性能將提升3倍左右。
另一個例子是地平線自動駕駛芯片的路線圖。能夠看到，隨着Level的提高，規劃愈來愈困難，須要很強的功能，很好的穩定性。地平線在這方面作了不少的工做，芯片不論是從質量、性能、耗能上都和如今的國際芯片（像特斯拉的SSD）達到一樣的性能，甚至更好。
咱們能夠看到，技術的發展確實給IT產業以及不少行業帶來了新的機遇。首先IT產業自己是最大的受益者。不論是芯片技術、操做系統、雲平臺仍是應用，都在不斷的快速迭代。更重要的是，它改變甚至顛覆了目前的產業，教育、醫療、金融、製造，每一個行業都會有AI的成分。
現在的AI就像20年前的互聯網，可以融入到每一個行業。
再有就是創造新的行業。張亞勤教授認爲自動駕駛、工業物聯網、AI醫療生物計算，這三個領域頗有潛力，他本身也比較有興趣。
最後，張亞勤提到，但願他成立的智能產業研究院可以成爲國際化、智能化、產業化的應用研究機構，可以吸引與培養出有國際視野的CTO和頂級的架構師，並利用核心技術突破孵化出一些新企業。
尋找下一輪AI的突破口；對於產業來說，深度學習的黃金時代剛剛開始
下面這張圖涵蓋了人工智能60年上下。能夠看到，在左半部分講到人工智能發展的不一樣流派，將來最大的多是借各類流派之長，創造新的一些算法，有邏輯符號也有數據和知識，要借鑑人類的進化，大腦的特色。
如今，不論是作研究的也好，作產業的也好，都在思考下一輪人工智能突破在什麼地方，特別是如今深度學習，通過十幾年的研究和應用，已經到了一個穩按期。如今主要的發展不只是靠算法，更多的靠計算的算力。
張亞勤教授認爲，在研究方面、算法方面，還有一些可挖掘之處，可是已經到了相對平臺期。不過對於產業來說，深度學習的黃金時代纔剛剛開始，還有至少十年的時間能夠深刻到每一個不一樣的行業裏。
他還在演講中提到，人工智能當下遇到的挑戰主要是隱私、數據保護和倫理工做。前段時間，張教授在美國碰到一個小團隊在作通用人工智能。他們的主要的任務是創造一個有自主意識的AI。他本身表示堅定反對。
咱們再看看最基本的東西，計算和通信基本的範式。
第一是香農定律，包含三個方面，熵、信道容量和速率編碼。定義了三個極限，無損壓縮極限，信道傳輸極限，有損壓縮極限。如今這幾部分基本上都快接近極限了。
第二個是馮諾伊曼架構，作計算機60年來都採用這個架構。馮諾伊曼架構至關簡單和漂亮，就是一個程序儲存的原理。但在這幾年，特別是在深度學習上已經有了很大的限制。
第三個是摩爾定律，想必這個你們都比較熟悉，原來摩爾定律中提到的每18個月、24個月的發展速度也降下來了。
咱們須要突破這三個瓶頸。
要讓新的計算體系和通信架構突破體系架構的限制。深度學習須要新的架構，架構包括數據流、計算模式。深度學習領域須要不少優化，還有高速的儲存。這些東西和傳統的架構不同。
將來智能實驗室的主要工做包括：創建AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）雲腦研究計劃，構建互聯網（城市）雲腦技術和企業圖譜，爲提高企業，行業與城市的智能水平服務。
若是您對實驗室的研究感興趣，歡迎加入將來智能實驗室線上平臺。掃描如下二維碼或點擊本文左下角「閱讀原文」