科學大家|摩爾定律接近物理極限 信息技術將如何發展

　　2018年08月07日 08:55 科學大家


　　

　　出品 | 新浪科技《科學大家》

　　撰文 | 沈曉衛 IBM全球副總裁、IBM大中華區首席技術官、IBM中國研究院院長

　　當前，人工智慧、區塊鏈、量子計算等技術正在飛速發展，通過今天這些科技創新，我們能夠預測到未來的一些生活方式。那麼未來科技將如何發展，未來信息技術發展的方向又將是什麼？

　　

　　指數級增長的時代

　　科技創新大致可以分為兩類：一類是突破性的技術創新，另一類是持續性的技術創新。計算機歷史上第一個硬碟的出現、第一個高級程序設計語言Fortran的產生、動態隨機存取存儲器DRAM的發明等，這些都是IBM在過去幾十年中的突破性的技術創新，為當代計算機的發展奠定了基礎。另一方面，我們也需要持續性的技術創新。舉個例子，IBM在上個世紀50年代推出了全球第一個磁碟存儲系統IBM 305 RAMAC，內部安裝了50個直徑為兩英尺的磁碟，重量約為一噸。但是，這個系統的存儲量只有5兆位元組。如果沒有後面持續性的技術創新，今天一個筆記本電腦的磁碟容量就需相當於一艘萬噸巨輪的體積。

　　今天我們正處於一個指數級增長的時代。信息技術的發展很大程度上是摩爾定律的作用，持續性的技術創新使得晶體管的數目每18個月能夠翻倍，及由此帶來效率的提升和成本的下降。在網際網路時代我們看到同樣的指數效應在網路上發生，加入網路的用戶數在呈指數型增長，網路的價值大致是與連接到網路中的結點數的平方是成正比的。今天面臨的大數據時代，我們也看到這樣的趨勢，大數據本身正在以指數級增長。與此同時，未來人工智慧技術的發展，使得我們可以從大數據中得到的商業洞察力也會呈指數級增長。我們把人工智慧、區塊鏈、量子計算放在這樣一個指數級增長的時代中，可以設想到這些技術未來對我們生活的影響。

　　

　　談到信息技術未來的發展，首先是人工智慧將變得無處不在。除了今天面向消費者的人工智慧外，更多企業級、用於解決行業方案的人工智慧也將被廣泛應用。其次，今天已非常火熱的區塊鏈技術將飛躍發展。區塊鏈技術將會重新定義交易，任何交易都會由於區塊鏈技術的廣泛使用而根本改變，變得更加安全與可靠。最後是量子計算。量子計算會從根本上改變我們對計算的理解，為行業創新帶來無限可能。

　　

　　未來的人工智慧

　　迄今的人工智慧大多數還是一種專用的人工智慧（Narrow AI），我們看到的人工智慧的解決方案大多數都是來解決單一的問題，雖然這個問題本身可能充滿了挑戰，它可能是語音識別的問題、圖像識別的問題。那種通用的我們大家憧憬的能夠解決所有問題的人工智慧，應該說離今天還非常遙遠。今天的人工智慧更多的還是一種我們稱之為面向消費者的人工智慧。

　　我們正在邁入一個比較寬泛的人工智慧（Broad AI）時代，這個時代重要的標誌就是人工智慧技術開始解決一個領域或者跨領域的多個問題。我們會看到人工智慧從專用變得多用，變得更加寬泛，從完成單一任務的人工智慧解決方案到完成多個任務甚至跨領域多個任務的解決方案。在不久的將來，企業人工智慧會逐漸地興起和發展，我們會看到更多的人工智慧在垂直領域的應用。

　　

　　與此同時，我們也會看到人工智慧變得無所不在。特別的一點，人工智慧會從雲端向邊緣端蔓延，因為我們很多時候的數據處理需要在邊緣端來進行，比如說實時信息處理。不久前IBM發布的最小計算機，一平方毫米的面積，有幾十萬個晶體管，包括了計算、存儲、通訊等功能。當人工智慧從雲端向邊緣端擴展時我們會看到人工智慧和物聯網開始做一個深度的融合，它使得我們今天可以對物理世界做更好地管理、分析與優化。

　　·人工智慧改變行業

　　人工智慧的成功需要商業的成功，而人工智慧商業的成功必然需要與行業結合。從宏觀來看，人工智慧與行業來結合，大致提供這樣兩類價值：一是人工智慧代替一部分人力，提高我們的效率；二是人工智慧提供基於知識、基於數據的專家助手來幫助人類，使我們做更好的決策。

　　

　　我們把人工智慧的視頻分析用在工業製造中產品質量的缺陷檢測和質量控制；我們開發人工智慧的醫生助手，為醫生提供實時的診療建議；我們構建人工智慧的律師助手，為律師提供基於相關法律條文和相關案例的建議。

　　談到人工智慧與行業的結合，我們需要構建平台和基於平台之上的解決方案。用人工智慧時代的醫療來做一個例子。我們需要構建一個人工智慧的數據平台，在這個平台上可以對醫療數據，無論是結構化數據還是非結構化數據，進行安全有效的管理。在這個基礎上我們來構建各種垂直領域的解決方案。這些解決方案可能是為醫院的，可能是為醫生的，可能是為政府監管部門的，可能是為製藥公司的，也可能是為醫療保險公司的。我們再把視角聚焦到為醫生服務的人工智慧解決方案。可以是為專科醫生來做腫瘤診斷的決策支持；也可以是幫助社區醫生來做慢性病的規範化管理。從技術維度來看，一方面我們需要基於醫療指南來做知識驅動的系統，另一方面我們也需要根據醫療數據（包括電子病歷，醫療影像等）來構建數據驅動的系統，並把知識驅動和數據驅動做有效的整合。

　　

　　·人工智慧面臨的挑戰

　　首先是人工智慧的演演算法層面。一是如何從小樣本、弱標識的數據中進行學習。相對每一個要解決的行業問題，數據或者標識好的數據往往不是那麼多。在這種情況下，我們如何能夠很好地從小數據中進行學習就變得非常重要。另外一點，人工智慧的演演算法或者人工智慧的解決方案需要能夠對結果進行解釋。比如我們把人工智慧應用在醫療中，不但要給醫生提供建議，還要能夠給醫生解釋為什麼給出這樣的建議。人工智慧演演算法的開發者也需要理解這樣的模型是如何工作的。

　　其次是人工智慧的模型。我們需要構建更多的可以重複使用的基礎人工智慧模型。這是經過數據訓練的，能夠獨立完成一些基本功能的模型。用這樣的模型來構建更複雜的人工智慧模型，再往上一步步構建行業的應用。我們可以設想一個人工智慧模型的交易市場（Marketplace），人工智慧模型的開發者和使用者能夠在這樣的平台上對模型進行交易。

　　第三是人工智慧的應用場景。這是今天企業級人工智慧面臨的巨大挑戰。行業專家並不完全理解人工智慧技術，包括未來的發展。技術人員並不完全理解行業。如何選擇應用場景，使得今天的技術或者我們預計未來三五年可能出現的技術能夠對這個場景提供合適的解決方案，是一個很大挑戰。特別是，這對人工智慧領域的領軍人物提出不一樣的要求，不僅需要是人工智慧專家，還需要對行業有一定的理解，並對商業創新有一定的感覺。

　　最後是人工智慧的安全和倫理。人工智慧技術本身的發展可能會給我們帶來全新的挑戰。一方面，人工智慧技術可能被用來對我們計算機系統進行攻擊；另一方面，數據可能被污染，如果我們使用了被污染的數據，可能使構建的人工智慧解決方案產生偏差。比如，如果我們用被惡意改變了的數據來訓練交通標誌識別系統，它可能會對一些重要的交通信號產生錯誤的解讀。再比如，我們構建一個信用卡申請審核解決方案，如果數據是有偏見的，無論是有意還是無意，可能對某一類申請人給出不合適的判斷。如何一方面保護我們的數據，另一方面保護人工智慧的模型免於受到攻擊就變成一個非常重要的技術問題。與此同時，我們也需要新的行業標準，可以對人工智慧模型進行安全和倫理的測試與鑒定。

　　未來的交易

　　區塊鏈技術將會從根本上改變未來的交易系統。今天的商業交易有很多身份驗證、授權許可、文檔審核。舉一個例子，今天一個海運運單可能需要幾十人的審核與上百個文件的簽署，這中間任何一個文件的丟失或者延誤都會造成問題。許多這些人為的成本都可能會因為區塊鏈技術的出現而消除。

　　IBM這些年來一直專註於企業級區塊鏈技術。我們非常重視安全開放的平台與生態的構建。與此同時，我們把區塊鏈技術引入不同的行業和不同的領域。

　　比如說在食品安全領域。建立可信的食品供應鏈需要多方共同的參與，包括出廠方、配送方、消費者等。區塊鏈提供了這樣一個平台，把供應鏈的各方彙集在一起，並且提供了去中心化、可追溯的解決方案，最終實現了食品供應鏈的透明、安全、有效和可追溯性。 區塊鏈提供了這樣一個平台，把供應鏈的各方彙集在一起，並且提供了去中心化、可追溯的解決方案，最終實現了食品供應鏈的透明、安全、有效和可追溯性。

　　

我們也嘗試把區塊鏈技術應用在其他領域，比如去中心化的跨行支付。IBM開發了全球第一個基於區塊鏈技術的去中心化跨行支付系統，通過分散式賬本在網路參與者之間構建可追蹤、可審計和可證明的交易記錄，降低了中央銀行的成本、避免單點故障，並提供了靈活性來處理不同銀行之間的不同結算規則。

　　

　　在可預見的將來，我們會看到人工智慧技術和區塊鏈技術的融合。雖然這兩者看似分屬兩個不同的技術方向：人工智慧是在封閉數據平台上訓練中心化的智能；區塊鏈則是在開放數據環境下構建去中心化的應用。然而，區塊鏈的技術創新無疑是能夠幫助人工智慧的，尤其是區塊鏈技術將會為數據的可信性和可追溯性提供支持與保證。

　　未來的計算

　　人工智慧的發展需要強大的計算力的支持，而計算力在過去30年有了極大的提高。今天我們面臨很多新的挑戰，很多人認為摩爾定律可能會最終遇到物理的極限。我們來看一看有什麼新的技術能夠持續不斷地提供我們需要的新的計算力。

　　今天的計算機系統在過去幾十年雖然有非常大的性能提高，但其基本架構還是沒有太多的改變，都是基於傳統的馮諾依曼架構，而這種架構比較擅長邏輯運算，而不是特別擅長模式識別與形象思維。IBM在這方面做了很多的嘗試，其中一個例子就是類腦計算。幾年前IBM發布的TrueNorth晶元，是這個領域非常重要的探索。我們希望構建能夠模仿人腦思維方式的全新的計算機系統。我們可以模擬100萬個神經元，2.5億個神經突觸，而這樣的類腦晶元僅有70毫瓦的功耗。我們也有一個長期的目標，希望能夠構建模擬100億個神經元，而功耗不超過1000瓦的新的類腦計算晶元。

　　

　　談到新的計算能力，我們必須談一談量子計算。量子計算在過去十年間取得了極大的進展。量子計算利用了量子的兩個概念，一個是量子疊加，一個是量子糾纏。量子計算機之所以強大，是因為從理論上來講，它可以同時計算指數級的路徑。而經典計算機只能在這樣一個指數級的空間中計算若干條路徑。

　　今天IBM的科學家用低溫超導來實現量子計算。2016年IBM首先發布了五個量子位的量子計算機。2017年先後發布了16個量子位的量子計算機，20個量子位的量子計算機，以及50個量子位的量子計算原型機。與此同時我們把量子計算用雲平台的方式提供給用戶。用戶可以從遠端實現量子的編程。到今天為止我們有超過7萬的用戶使用這個量子云平台，已經進行了超過300萬的量子計算的實驗。

　　量子計算機的計算能力不僅僅取決於有多少個量子比特位，還和其他一些因素有關。量子位的穩定性可能受到環境的影響，它們之間也會相互影響。我們用「量子容量」的概念來界定量子計算機的計算能力。作為一個長期的目標，我們需要改進的是量子容量，而不僅僅是簡單地增加量子位。

　　接下來我們看一看量子計算在未來的應用前景。在不適合經典計算機解決的問題中，有一部分我們相信是適合量子計算的，可能是一些優化問題，可能是一些機器學習問題，可能是一些物理化學的模擬問題。如果我們能夠利用未來的量子計算做高效的物流最優路線的設計，我們就可能為供應鏈管理提供新的優化方式。如果我們能夠用未來的量子計算做更好的分子模擬，我們就可能以更低成本來發現新的材料或者發明新的藥物。如果我們面對大數據能夠用未來的量子計算來改進我們的機器學習，我們就可能讓人工智慧變得更加強大。

　　今天我們還是處在我們稱之為量子準備的階段。我們長期的目標是構建具有容錯能力的通用量子計算機。量子計算機不是單獨運行的，而是要和傳統計算機做一個結合，一起解決我們今天需要解決的問題。

　　

　　最後總結一下，在人工智慧時代，人工智慧代表了信息技術的未來。我們看到人工智慧時代技術創新有四個重要的維度：一是人工智慧的核心技術；二是人工智慧與區塊鏈的結合；三是新的計算力，包括量子計算；四是人工智慧與行業的結合。可以這樣講，人工智慧改變世界，最終還是要從改變每一個行業開始。