01 智能化發(fā)展推動(dòng)專用計(jì)算走向前臺(tái)

1946年第一臺(tái)電子計(jì)算機(jī)發(fā)明以后，通用計(jì)算機(jī)一直統(tǒng)治著信息化的整體進(jìn)程，但2010年前后發(fā)生了兩次重大技術(shù)變革：智能手機(jī)的發(fā)明和4G技術(shù)的普及、應(yīng)用。二者推進(jìn)了計(jì)算、網(wǎng)絡(luò)、軟件、數(shù)據(jù)的無處不在，為后續(xù)的智能化發(fā)展提供了基礎(chǔ)性的支撐，同時(shí)帶來了重大產(chǎn)業(yè)變革。

2016年第四季度，出現(xiàn)了重要的轉(zhuǎn)折點(diǎn)，智能手機(jī)的銷量超過平板電腦，桌面電腦和移動(dòng)電話的銷量成4:6之勢(shì)，且差距逐步擴(kuò)大。

芯片產(chǎn)業(yè)隨之發(fā)生巨變。隨著信息化向高端化、智能化發(fā)展，通用處理器技術(shù)越來越無法滿足市場(chǎng)和應(yīng)用的需求。伴隨處理器技術(shù)走向5納米、3納米甚至1納米，制造成本急劇增加，融資非常困難，帶來未來收益的不確定性，對(duì)產(chǎn)業(yè)界造成沖擊，從而形成“摩爾第二定律”，即芯片廠的成本每四年翻一番。通用芯片的發(fā)展愈加困難。

核心芯片技術(shù)面臨著下一輪變革。目前，芯片的最大需求在物聯(lián)網(wǎng)，隨著物聯(lián)網(wǎng)向全聯(lián)網(wǎng)的發(fā)展，對(duì)芯片的需求也越來越大。未來25—30年，信息化將聚焦于智能技術(shù)的競(jìng)爭，作為通用技術(shù)的計(jì)算機(jī)處理芯片，也將發(fā)生重大變革，其實(shí)這種變革已經(jīng)發(fā)生，就是通用處理器技術(shù)（CPU）轉(zhuǎn)向以滿足智能化和智能技術(shù)需求為主的專用處理器技術(shù)（GPU+）。

當(dāng)然，通用芯片還有發(fā)展空間。一方面，提高芯片性能的途徑有很多，例如，多核芯片、三維芯片、以及各種算法增強(qiáng)技術(shù)等，而且通用計(jì)算機(jī)將不斷吸納、更新、利用人工智能和智能技術(shù)的發(fā)展成果，使其功能更廣、性能更高。如翻譯、語音、圖像處理等技術(shù)在臺(tái)式機(jī)和平板電腦中已經(jīng)日漸普及。

無論如何，通用計(jì)算機(jī)的市場(chǎng)大局已定，市場(chǎng)或?qū)⒗^續(xù)萎縮，出貨量有可能繼續(xù)小幅度減少；但是，通用計(jì)算機(jī)有其不可替代的需求和功能。重要的是，如何應(yīng)對(duì)計(jì)算機(jī)趨向“專用計(jì)算”發(fā)展的新方向。

應(yīng)該看到，與通用計(jì)算技術(shù)不同，影響和推動(dòng)“專用計(jì)算”發(fā)展的引擎，已經(jīng)不是傳統(tǒng)處理器技術(shù)或計(jì)算機(jī)技術(shù)本身，而是與推動(dòng)智能化發(fā)展的各種“專用技術(shù)”密切相關(guān)。

必須認(rèn)識(shí)到，是“專用技術(shù)”特定的模型、算法、軟件等，催生了特定的“專用計(jì)算”功能需求，進(jìn)而指導(dǎo)了“專用芯片”的設(shè)計(jì)。這種“專用技術(shù)”，不是產(chǎn)生于軟件技術(shù)，而是科學(xué)數(shù)字化革命的結(jié)果，是包括人工智能在內(nèi)的智能技術(shù)發(fā)展的結(jié)果，是計(jì)算科學(xué)與各傳統(tǒng)科學(xué)學(xué)科融合發(fā)展的結(jié)果。

02 計(jì)算科學(xué)與不同學(xué)科的融合，正在驅(qū)動(dòng)科學(xué)的數(shù)字革命

計(jì)算科學(xué)（Computational Science）與計(jì)算機(jī)科學(xué)（Computer Science）只有一字只差，卻是內(nèi)涵完全不同的兩個(gè)概念。

計(jì)算科學(xué)本身就是一種融合性的科學(xué)，因?yàn)?，他包含三類不同元素的“融合”。第一類元素是建模、算法與模擬軟件，需要注意的是，這里指的不是通用的模型、算法與軟件，而是針對(duì)特定科學(xué)（如生物學(xué)、物理學(xué)、社會(huì)學(xué)等）、工程、以及人文科學(xué)中需要解決的各種問題的模型、算法與軟件。第二類元素是計(jì)算機(jī)與信息科學(xué)，目的是利用計(jì)算機(jī)與信息科學(xué)的成果，發(fā)展和優(yōu)化各種特定的系統(tǒng)硬件、軟件、網(wǎng)絡(luò)及數(shù)據(jù)管理等要素，以解決計(jì)算中需要解決的各種問題。第三類元素是計(jì)算的基礎(chǔ)設(shè)施，即完成各種科學(xué)和工程問題計(jì)算的計(jì)算機(jī)系統(tǒng)和網(wǎng)絡(luò)。

顯然，這三類元素中，第二和第三類都可以看作與信息（計(jì)算機(jī)和網(wǎng)絡(luò)）科學(xué)與技術(shù)的成果密切相關(guān)；唯獨(dú)第一類元素，與特定的學(xué)科或工程問題有非常強(qiáng)的相關(guān)性和針對(duì)性，并不屬于信息科學(xué)與技術(shù)的范疇，是計(jì)算科學(xué)的真正“內(nèi)核”。

因此，計(jì)算科學(xué)基于信息科學(xué)而發(fā)展，但絕不等同于信息科學(xué)。特別學(xué)科和工程領(lǐng)域的建模，需要對(duì)相關(guān)的科學(xué)或者物理系統(tǒng)有非常深刻的認(rèn)識(shí)和理解，要有豐富的知識(shí)和經(jīng)驗(yàn)，這是計(jì)算科學(xué)真正的難點(diǎn)。

計(jì)算科學(xué)與不同學(xué)科的融合，正在驅(qū)動(dòng)科學(xué)的數(shù)字革命和數(shù)字轉(zhuǎn)型，形成許多新興的分支學(xué)科，即融合學(xué)科，如計(jì)算物理學(xué)、計(jì)算化學(xué)、計(jì)算金融學(xué)、計(jì)算考古學(xué)、計(jì)算法律學(xué)等，幾乎任何一個(gè)學(xué)科前都可以加上“計(jì)算”二字，但內(nèi)容和方法卻發(fā)生了重大的變化。計(jì)算科學(xué)正在改造傳統(tǒng)科學(xué)，包括物理學(xué)、化學(xué)都有幾百年的歷史，但一定會(huì)被計(jì)算科學(xué)所改造。

2021年10月5日，瑞典皇家科學(xué)院宣布將諾貝爾物理學(xué)獎(jiǎng)授予三名科學(xué)家，其中有兩名科學(xué)家——真鍋淑郎和克勞斯·哈塞爾曼，因“對(duì)地球氣候進(jìn)行物理建模，量化可變性，并可靠地預(yù)測(cè)了全球變暖”而獲獎(jiǎng)，這就是融合科學(xué)推動(dòng)物理學(xué)發(fā)展的典型案例。

2013年10月9日，瑞典皇家科學(xué)院宣布將諾貝爾化學(xué)獎(jiǎng)授予美國科學(xué)家馬丁·卡普拉斯、邁克爾·萊維特、阿里耶·瓦謝勒，以表彰他們“在開發(fā)多尺度復(fù)雜化學(xué)系統(tǒng)模型方面所做的貢獻(xiàn)”，而且在20世紀(jì)70年代，這三位科學(xué)家設(shè)計(jì)出的這種多尺度模型讓傳統(tǒng)的化學(xué)實(shí)驗(yàn)走上了信息化的快車道。

雖然這些科學(xué)家的研究都起始于上個(gè)世紀(jì)的六七十年代，但彼時(shí)計(jì)算機(jī)已經(jīng)獲得廣泛應(yīng)用，他們是走在時(shí)代前面的科學(xué)家，直到本世紀(jì)一二十年代，他們的成就終于為世人所認(rèn)識(shí)，獲得了諾貝爾獎(jiǎng)的殊榮。

03 智能技術(shù)正在引起新的科學(xué)革命

人工智能的現(xiàn)代發(fā)展和人類進(jìn)入智能化時(shí)代的標(biāo)志性事件，是2016年3月阿爾法圍棋（AlphaGo）對(duì)弈韓國九段專業(yè)棋手李世石，并以4:1的壓倒性優(yōu)勢(shì)取得勝利。這個(gè)具有里程碑意義的事件，震撼了全球。

中國圍棋是一類充滿智慧的、復(fù)雜的二人博弈系統(tǒng)。據(jù)研究，圍棋總共有32,940種不同的棋路，其中992種被視為較為常見的搶手棋；據(jù)估算，變幻莫測(cè)的棋局有10172 種不同的最終結(jié)果和10768種不同的走法。兩位高手對(duì)弈，通常在150手之內(nèi)決定勝負(fù)，其間，每一手棋大約有250種不同的選擇。顯然，圍棋博弈是一個(gè)非常復(fù)雜的物理系統(tǒng)，要構(gòu)造一個(gè)下圍棋的深度學(xué)習(xí)網(wǎng)絡(luò)，不是一般軟件人員能夠完成的任務(wù)，其中涉及很多的數(shù)學(xué)問題。

圍繞人工智能的未來發(fā)展，大約可分為初級(jí)和高級(jí)兩類。

現(xiàn)在我們看到的所有人工智能的成果，基本上停留在跟機(jī)器學(xué)習(xí)相當(dāng)?shù)某跫?jí)水平上，而高級(jí)水平的人工智能比如人腦模擬、類腦運(yùn)算可能還需要經(jīng)過幾十年的發(fā)展。

人工智能也可分為應(yīng)用人工智能和通用人工智能，應(yīng)用人工智能也被稱為弱人工智能或者窄人工智能。2012年到2013年進(jìn)行過數(shù)次民調(diào)，征求業(yè)內(nèi)專家對(duì)人工智能未來發(fā)展的意見，涉及“何時(shí)可以實(shí)現(xiàn)通用人工智能”的問題，最樂觀的估計(jì)是2040年到2050年，專家意見的平均值是2081年，也有16.5%的專家（以90%的自信）認(rèn)為“永無可能”。

2022年6月，德國科學(xué)家布萊恩·麥克馬洪發(fā)表了《人工智能正在引領(lǐng)一場(chǎng)新的科學(xué)革命》一文，仔細(xì)梳理了基于深度學(xué)習(xí)算法的人工智能，基于2020年Google人工智能團(tuán)隊(duì)解決的蛋白質(zhì)折疊問題（AlphaFold），全面分析了人工智能對(duì)當(dāng)代科學(xué)革命的影響。主要可以概括為五個(gè)方面：快速閱讀科學(xué)文獻(xiàn)、處理海量數(shù)據(jù)、提升儀器效能、輔助科學(xué)實(shí)驗(yàn)、輔助建模等。

現(xiàn)在互聯(lián)網(wǎng)上查詢文獻(xiàn)涉及如何將數(shù)據(jù)變成信息、將信息變成知識(shí)、再將知識(shí)貢獻(xiàn)給讀者，這是很多人很多年努力的方向。據(jù)統(tǒng)計(jì)，2021年關(guān)于新冠病毒的文獻(xiàn)一共有18萬份，沒有一個(gè)學(xué)者看得過來，但Google的算法可以全部讀一遍，完成主要趨勢(shì)的分析、代表性觀點(diǎn)文獻(xiàn)的整理等；還可以利用人工智能技術(shù)處理海量數(shù)據(jù)，提升科學(xué)儀器效能，特別是一些重大的科學(xué)儀器，幫助科學(xué)家進(jìn)行實(shí)驗(yàn)和輔助建模。在此基礎(chǔ)上，麥克馬洪認(rèn)為，人工智能正在引起一場(chǎng)科學(xué)革命。

這就涉及一個(gè)問題，科學(xué)家本身需要數(shù)字轉(zhuǎn)型，因?yàn)槿斯ぶ悄茏詈蟮慕Ｒ欢ㄊ怯煽茖W(xué)家完成，如果科學(xué)家不懂計(jì)算機(jī)、不懂網(wǎng)絡(luò)，想要推動(dòng)科學(xué)的數(shù)字化革命就非常困難。

21世紀(jì)上半葉的這場(chǎng)科學(xué)革命的核心和主角是科學(xué)家，不是IT工程師，也不是AI工程師；科學(xué)家必須責(zé)無旁貸地研究怎樣利用計(jì)算科學(xué)和人工智能加快本學(xué)科的數(shù)字轉(zhuǎn)型，推動(dòng)全社會(huì)的科學(xué)革命。

我感覺，當(dāng)代科學(xué)革命最主要的社會(huì)阻力，還是來自科學(xué)家本身，因?yàn)榭茖W(xué)家一般并不認(rèn)為數(shù)字化屬于科學(xué)范疇，認(rèn)為融合科學(xué)不是正統(tǒng)科學(xué)。這種觀點(diǎn)是完全錯(cuò)誤的，從上面列舉的幾個(gè)諾貝爾獎(jiǎng)獲獎(jiǎng)?wù)呖梢钥闯?，國際上也不是這樣認(rèn)識(shí)的。

04 “重硬輕軟”的傾向不能再持續(xù)下去

接下來分享我對(duì)智能技術(shù)的理解。智能技術(shù)可以定義為利用計(jì)算科學(xué)和人工智能拓展和增強(qiáng)人類智力的技術(shù)，涵蓋模型、算法、軟件和數(shù)據(jù)，缺一不可。

智能技術(shù)的科學(xué)基礎(chǔ)主要包括兩個(gè)方面：一是計(jì)算科學(xué)，通常是科學(xué)家根據(jù)針對(duì)各種問題的科學(xué)知識(shí)和理解以及現(xiàn)有的成果，建立模型（人工建模），然后設(shè)計(jì)算法，進(jìn)行仿真模擬，再不斷修正、完善，最終得出想要的結(jié)果。計(jì)算科學(xué)是基于現(xiàn)有科學(xué)學(xué)科的理論和實(shí)踐成果構(gòu)造模型，看似科學(xué)性更強(qiáng)，但在很多復(fù)雜的大系統(tǒng)情況下，實(shí)踐上難度很大。

另一個(gè)是人工智能，主要依賴于統(tǒng)計(jì)建模。統(tǒng)計(jì)建模是以科學(xué)家的認(rèn)識(shí)和判斷為基礎(chǔ)，充分利用網(wǎng)絡(luò)空間和科學(xué)實(shí)驗(yàn)中豐富的大數(shù)據(jù)，構(gòu)造關(guān)于研究對(duì)象的統(tǒng)計(jì)模型。這種模型，大多不具有科學(xué)建模的原理性和精準(zhǔn)性，只是追求統(tǒng)計(jì)意義上最終結(jié)果的近似性和可接受性。利用大數(shù)據(jù)和深度學(xué)習(xí)算法的不斷逼近，通過試錯(cuò)和調(diào)整而不斷完善所收獲的結(jié)果，直到滿意為止。

人工智能通過大量的數(shù)據(jù)來訓(xùn)練模型，數(shù)據(jù)質(zhì)量越高，模型的有效性和準(zhǔn)確度就越高；充分利用現(xiàn)有的超算功能，有可能以更短的時(shí)間、更高的效率，揭示很多超巨系統(tǒng)復(fù)雜的內(nèi)在規(guī)律。本質(zhì)上，在計(jì)算科學(xué)力有不足之處，融合科學(xué)也完全可能利用人工智能的成果而求得發(fā)展，并成為智能技術(shù)的科學(xué)基礎(chǔ)。這一點(diǎn)至關(guān)重要。

1956年，模糊集之父拉特飛·扎德提出模糊集的數(shù)據(jù)概念，他認(rèn)為人們擅長“軟”思維，而計(jì)算機(jī)通常是“硬”思維。在“硬”計(jì)算中，電子計(jì)算機(jī)需要確定性和精度，否則，計(jì)算結(jié)果就無法接受，或者說，硬計(jì)算不接受“模糊”。與硬計(jì)算不同，軟計(jì)算處理技術(shù)因?yàn)楸容^“寬容”，不那么“較真”， 可以容忍不精確性、不確定性，接受部分的真實(shí)性和近似值，因此，相應(yīng)地，比較容易實(shí)現(xiàn)可計(jì)算性、魯棒性和低求解成本等。

這一點(diǎn)，在現(xiàn)實(shí)生活中可能非常有用，也會(huì)催生很多新的學(xué)術(shù)領(lǐng)域。正因?yàn)槿绱?，軟?jì)算構(gòu)成了大量機(jī)器學(xué)習(xí)技術(shù)的理論基礎(chǔ)。

就智能技術(shù)的兩個(gè)科學(xué)基礎(chǔ)而言，計(jì)算科學(xué)屬于“硬計(jì)算”一類，而人工智能則屬于“軟計(jì)算”一類。計(jì)算科學(xué)和人工智能是新科學(xué)革命“一硬一軟”的兩輛馬車，將在發(fā)展中不斷相互滲透和融合，從而產(chǎn)生科學(xué)研究的新范式。這一點(diǎn)對(duì)未來發(fā)展至關(guān)重要。本質(zhì)上，智能革命就是一場(chǎng)科學(xué)革命，沒有科學(xué)革命，就不可能有智能革命。

我們需要完成的最大轉(zhuǎn)變，就是重視軟件的科學(xué)屬性，不要以為軟件就是軟件人員寫出來的。過去70多年的發(fā)展是“軟件為計(jì)算服務(wù)”，未來智能化的發(fā)展則是“計(jì)算為軟件服務(wù)”——我設(shè)計(jì)什么軟件，你幫我用芯片做出來，這是一個(gè)重大變革。

軟件會(huì)駕駛科學(xué)與工程這兩輛馬車逐漸走向科學(xué)技術(shù)舞臺(tái)的中央。“重硬輕軟”的傾向，不能再持續(xù)下去。

最后，我想引用美國《人工智能國家安全委員會(huì)最終報(bào)告（2021年3月）》中的一句話：

“最優(yōu)秀的人類戰(zhàn)斗員也無法抵御以超音速飛行、由人工智能跨地域組織、每秒機(jī)動(dòng)數(shù)千次的多臺(tái)作戰(zhàn)裝備。人類不可能瞬間無處不在，但軟件可以?！?/p>

轉(zhuǎn)發(fā)自：工信頭條 資訊來源：域名國家工程研究中心 ZDNS