人工智能:图灵猜中了开头,要用什么算出结局?


    电影《模仿游戏》临近结尾时,那个二战时期为盟军破译了德国密码系统“英格玛”的图灵,用一颗沾染氰化物的苹果掐断了自己的生命线——尽管他因为同性禁忌取向陷入舆论与道德双重谴责,走得不那么体面。
    而作为一名有着光怪陆离思想的天才,图灵作出的贡献远远不止于破译那些该死的密码。
    人工智能的三次浪潮与危机
    早在图灵拿起那颗苹果之前,他曾在论文中提出过一个模型,叫图灵机;1950年又提出了一种判断机器能否像人类一样思维的方法,即图灵测试。通俗一点解释就是网友形容的:如果一台机器能够像紫薇一样,和尔康从诗词歌赋谈到人生哲学,并且不让尔康发现她是一个机器,那么这台机器就算是很智能了。
    图灵给人工智能定下了发展的style。到了1956年,麦卡锡、纽厄尔、赫伯特西蒙等人在美国诺汉斯小镇的达特茅斯学院中,开了个长达两个月的小会——用机器来模仿人类学习以及其他方面的智能。这个会议最大的成就就是诞生了一个名字:人工智能。
    此后,人工智能被广泛应用于数学及自然语言领域,这是人工智能的第一次Happy Time。人们乐此不疲的研究各种算法以及计算工具,你所知道的几何、代数和英语等问题,都能被一一解决。
    然而第一次冬天来得太快。对于复杂问题,上世纪70年代的AI研究和计算能力根本无法承担,超出一点点范围就触及到它们的盲区。人们失望了,资本也纷纷离场,人工智能陷入停滞。
    转机出现在1980年,那一年卡耐基梅隆大学为DEC公司制造了个“知识库+推理机”组合的系统——专家系统,采用了人工智能程序,它能让DEC每年节约4000万左右的费用,这样的魅力让商业沸腾了。
    有了商业的青睐,人们开始觉得,人工智能会是一出好戏。但第二场寒冬再次不期而遇。1987至1993年现代计算机的出现及普及,让PC开始走进世界,走入家庭,其费用远低于专家系统所使用的专用计算机。人工智能再次感受到了寒冬的凛冽,人们开始逃离专家系统与人工智能。
    后来随着深度学习算法出现,再结合日益强大的处理器,人们对于AI的热情被再次点燃。
    1997年IBM的深蓝击败世界第一国际象棋大师的新闻让人炸锅,那是第一次人们感受到被AI支配的恐惧。每秒2亿步棋,70万份大师对战棋局数据,能搜寻并估计随后的12步棋,人们终于意识到,机器可以超越“专家”而拥有“智能”。
    接下来的故事大家都知道了:2011年Waston在美国电视问答节目击败两名人类冠军选手,四年后微软ResNet获得ImageNet冠军,错误率仅为3.5%,一年后阿法狗战胜围棋世界冠军李世石,第二年升级后的阿法狗又再次战胜柯洁。
    这是人工智能的第三次热潮,人们感受到了AI在“智商”上存在超越人类的潜力。但是第三次热潮到底能走多远,有一个关键性的因素正在显现。
    AI需要的不仅仅是算法和大数据
    不难发现,六十多年算法一次次的突破,数据在互联网移动化浪潮下的空前丰富,算力在芯片作用下的提升,刚好支撑起了人工智能的腾飞。
    如果说数据是人工智能高速运行的燃料,那么算力就是其发展的动力和引擎,可大数据爆发又给算力出了一道巨大的难题——AI负担的数据体量在迅速增大,当前算力处理如此庞大的数据开始力不从心,曾经给了AI发展希望的东西都在被逐一打破失效。
    自2012年以来,大型AI运算中用到的计算量呈指数式上升,并且每3.5个月计算量就会翻一倍,这一指标如今已经增长了30万倍,以摩尔定律的正常速度运算能力只能提升12倍。
    算力的核心,是芯片,通常就是CPU,CPU=N个晶体管=无数金属线+无数半导体材料,摩尔定律近乎失效导致集成电路上可容纳的晶体管数量,随着运算的迫切需求不断叠加再叠加。可无限叠加是不可能的,晶体管工艺也已逼近原子量级。
    一边芯片体积不断缩小,一边半导体技术趋于物理学极限,最先进的晶体管已经小于可见光的波长,电子开关的尺寸比生物病毒还小。
    不仅如此,计算成本也直冲云霄。阿尔法狗下一盘棋的电力开销大约为3000美元,3万多幅专业棋手对弈棋谱以及自我对弈产生的3000万盘棋局,每小时消耗2000度电,下一盘棋的电力开销大约为3000美元。这样的成本凡人玩不起,想要人人都能AI的设想,似乎还遥不可及。
    如何绕过CPU的物理极限释放算力,是人工智能未来发展的首要难关。
    智能计算让AI从“芯”启航
    从互联网巨头到IOT企业,从BAT,到联想、华为,很多企业发力AI,入局者如过江之鲫。但是谁能解决人工智能的难题并让未来充满想象空间,才是企业最好的入局方式。
    阿里把人工智能应用到电商,百度深耕小程序,腾讯瞄准游戏与社交,联想说要赌上身家性命去做AI但依然摆脱不了“联想没有技术”的魔咒,华为将“为智能世界提供极致算力”作为公司战略方向之一,并成立智能计算业务部,清晰定位的正是人工智能的算力瓶颈。
    中国的计算产业普遍缺“芯”,特别是核心芯片的设计和制造能力,马云说要自己造芯,华为的智能计算也是以芯片为着力点释放算力。没人会怀疑马云的商业头脑,可聚焦到芯片,华为自然比阿里要有更多的话语权。
    不可否认,硬件和研发能力一直是华为的强项。不管是手机上的麒麟芯片,还是去年发布的AI芯片昇腾310及910,都让国人记忆深刻。昇腾系列芯片既可部署在数据中心进行AI训练,还适合在边缘甚至端侧部署,用于AI推理。
    除了AI芯片,华为还有多种自主研发的服务器芯片,有用于ARM服务器的鲲鹏920处理器芯片,还有用于通用服务器的智能融合网卡芯片、智能SSD控制器芯片、智能管理芯片等。这些芯片共同作用,可以有效分担和卸载CPU的计算压力,在系统级超越CPU芯片级的摩尔定律。
    月中时候Gartner发布了2018年第四季度全球服务器市场数据报告,华为以收入同比增长45.9%成绩成为季度表现最抢眼的一个服务器品牌,稳坐第三名的交椅。当华为系列芯片与服务器产品线相遇,华为的服务器产品可以进化成全新的智能计算产品。
    就智能计算本身而言,传统定义是指一种经验化的计算机思考性程序,是辅助人类去处理各式问题的具有独立思考能力的系统;在华为的诠释下,智能计算是依靠底层芯片技术突破人工智能算力瓶颈,衍生出用的好、用的起的智能服务器和智能硬件。
    以芯片实力打造智能化底座,是否这就是在第三次热潮中撬动人工智能的支点?
    也许,人工智能不应该仅限于阿法狗,也不能一直仅存在于科幻电影,而应该像智能手机一般落地普及。这才是人工智能的未来,或者说,人类的下一个进步。