英特尔宋继强：深度学习就是AI的终极答案吗？
最近几天，新冠疫情在北京再次升级，使总体向好的国内抗疫形势变得严峻。刚刚重启的生产生活被再次打乱，我们或许在未来较长一段时间内都不得不面对防疫常态化这一现实。本周，我又开始切换到“云办公、云生活”的状态。远程办公、视频会议已成习惯，孩子的课业交给了在线教育平台，消费和娱乐的方式也变成了看网络直播、听云演唱会。在疫情这一特殊的场景下，一系列新型ai应用需求被全面激活，ai真正渗透到了我们日常生活的方方面面。
作为一个科技从业者，我深知这些ai新应用的爆发绝非一日之功。从量变到质变的过程，是长期的科研布局与数字化基础设施建设的结果。瞄准长远的目标与价值，坚持长期的科技研究，是我们面对“疫情”这样不确定事件时唯一确定的事情。这不仅需要前瞻性的视野与布局，还需要有不为眼前利益所动摇的决心与意志。
从ai的发展进程看，人类对于ai的探索已经持续了70多年。回望ai的发展历程，我们可以清晰地捕捉到几个关键的节点。ai第一波浪潮，是通过由人制定的各种规则去做理论性的推理。虽然在推理方面表现不俗，但仅限于几个严格定义的问题，且没有学习能力，无法处理不确定性问题。而真正令ai渐入佳境的，则源于由深度学习所触发的ai第二波浪潮。互联网、移动互联网等所产生的海量数据，给机器提供了学习、挖掘和试错的对象，让系统得以自发地找到“规律”，作出预测、判断和决策。数据的增长，外加算力的提升以及基于深度学习构建的算法演进，这三张“王牌”让一些典型的深度学习应用达到甚至超越了人的能力。这使得越来越多的乐观主义者深信，深度学习是极具价值且值得产业界大规模跟进的方向。
然而，深度学习就是ai的终极答案吗？随着对于深度学习的研究深入，我们发现还有一些问题亟待解决。首先，“能耗”是最大的挑战。有研究报告显示，采用服务器级别的cpu加上gpu集群去训练一个大型ai模型，其所消耗电力产生的碳排放量，相当于5辆美式轿车整个生命周期所消耗的碳排放量。试想，如果各行各业都沿用这样的ai计算模式，人类的生态环境将会遭到何等的破坏。然后，“数据量”是又一大挑战。目前的深度学习过于依赖大数据，在一些小数据量的场景下，深度学习使用会非常有限。ai应该像人类大脑那样，通过小数据进行自我学习。在训练过程中，如何在保证ai模型能力的情况下，大幅降低能耗并减少所需花费的时间和数据量？这是ai继续向前发展的重要方向。但现在看来，基于大规模gpu并行计算去加速深度学习训练的方式，并不能满足这个条件。
一个真正的智能系统，应该是环境自适应性的“自然智能”。首先，它不仅能处理确定性的问题，还能处理不确定性问题。第二，它不仅能够做事，还必须是可解释的。第三，它不完全依靠大数据驱动，即便少量数据也可实现更高效能的持续学习。第四，它应具备高可靠性，或者说符合人类给它设定的伦理道德。这是我们对于ai技术下一发展阶段——ai 3.0时代的展望。
目前，我们正处于从ai 2.0到ai 3.0时代的转折点。那么，究竟什么有望成为穿透ai未来的“利刃”呢？从目前看，作为一种前沿的计算模式，神经拟态计算最有可能开辟出一条从ai 2.0到ai 3.0的崭新赛道。神经拟态计算，是在传统半导体工艺和芯片架构上的一种尝试和突破。它通过模拟人脑神经元的构造和神经元之间互联的机制，能在低功耗以及少量训练数据的条件下持续不断自我学习，大幅提高了能效比。显然，神经拟态计算的特点非常符合ai3.0的发展需求。因此，神经拟态计算也被寄予厚望，有可能在人类迈入下一代ai的进程中发挥重要作用。
英特尔是一家立足长远、推动底层技术创新的公司，以此来帮助客户取得商业应用上的成功。为此，我们不断对前沿技术领域加大研究，即便这些领域在短期内无法看到实际成效。围绕神经拟态计算，我们从很早就开始积极探索这一崭新的计算模式，并取得了令人瞩目的成就。英特尔的神经拟态计算芯片loihi已经具备了嗅觉的能力，神经拟态系统pohoiki springs已经拥有1亿神经元的计算能力，这已经相当于一个小型哺乳动物的大脑。
当然，神经拟态计算还处于非常早期的阶段，要想将这项技术真正应用于ai，我们还有很长的路要走。但我相信，底层技术的创新必须坚持长期主义，长时间地专注于一个方向与赛道，以这种确定性去对抗发展过程中的一切不确定性，才有可能最终取得成功。
英特尔中国研究院院长 宋继强博士
基于TLC320AC01与DSP的接口设计
嵌入式开发的发展方向是往哪里发展
探讨锂离子二次电池对被动类保护器件新性能要求
基于TAE32F5300主控芯片的1KW GaN图腾柱PFC+LLC数字控制电源方案
物联网通讯标准多元 专业认证加速产品上市
英特尔宋继强：深度学习就是AI的终极答案吗？
瑞萨电子每况日下：将追加裁员5千人
机器人焊接工作站包括哪些组成部分？
失调电压和共模抑制比的区别和联系
如何了解量子电视
EUVIS基于DDS的任意啁啾模块DSM303-V4
芯盾时代基于零信任的数据安全管理体系建设思路
智慧校园之蓝牙室内定位技术在学校中的应用
ADI单芯片解决方案应对医疗设备高清图像采集
滤波器的主要参数介绍
扬尘在线监控系统厂家的详细介绍@三体推荐
geant4在manjaro/archlinux系统下的安装方法
新唐科技推出KM1M4BF系列MCU马达和PFC控制器
ThreadLocal的作用以及应用场景
自由现金将如何在全球范围内实现密码经济
作为一个科技从业者，我深知这些ai新应用的爆发绝非一日之功。从量变到质变的过程，是长期的科研布局与数字化基础设施建设的结果。瞄准长远的目标与价值，坚持长期的科技研究，是我们面对“疫情”这样不确定事件时唯一确定的事情。这不仅需要前瞻性的视野与布局，还需要有不为眼前利益所动摇的决心与意志。
从ai的发展进程看，人类对于ai的探索已经持续了70多年。回望ai的发展历程，我们可以清晰地捕捉到几个关键的节点。ai第一波浪潮，是通过由人制定的各种规则去做理论性的推理。虽然在推理方面表现不俗，但仅限于几个严格定义的问题，且没有学习能力，无法处理不确定性问题。而真正令ai渐入佳境的，则源于由深度学习所触发的ai第二波浪潮。互联网、移动互联网等所产生的海量数据，给机器提供了学习、挖掘和试错的对象，让系统得以自发地找到“规律”，作出预测、判断和决策。数据的增长，外加算力的提升以及基于深度学习构建的算法演进，这三张“王牌”让一些典型的深度学习应用达到甚至超越了人的能力。这使得越来越多的乐观主义者深信，深度学习是极具价值且值得产业界大规模跟进的方向。
然而，深度学习就是ai的终极答案吗？随着对于深度学习的研究深入，我们发现还有一些问题亟待解决。首先，“能耗”是最大的挑战。有研究报告显示，采用服务器级别的cpu加上gpu集群去训练一个大型ai模型，其所消耗电力产生的碳排放量，相当于5辆美式轿车整个生命周期所消耗的碳排放量。试想，如果各行各业都沿用这样的ai计算模式，人类的生态环境将会遭到何等的破坏。然后，“数据量”是又一大挑战。目前的深度学习过于依赖大数据，在一些小数据量的场景下，深度学习使用会非常有限。ai应该像人类大脑那样，通过小数据进行自我学习。在训练过程中，如何在保证ai模型能力的情况下，大幅降低能耗并减少所需花费的时间和数据量？这是ai继续向前发展的重要方向。但现在看来，基于大规模gpu并行计算去加速深度学习训练的方式，并不能满足这个条件。
一个真正的智能系统，应该是环境自适应性的“自然智能”。首先，它不仅能处理确定性的问题，还能处理不确定性问题。第二，它不仅能够做事，还必须是可解释的。第三，它不完全依靠大数据驱动，即便少量数据也可实现更高效能的持续学习。第四，它应具备高可靠性，或者说符合人类给它设定的伦理道德。这是我们对于ai技术下一发展阶段——ai 3.0时代的展望。
目前，我们正处于从ai 2.0到ai 3.0时代的转折点。那么，究竟什么有望成为穿透ai未来的“利刃”呢？从目前看，作为一种前沿的计算模式，神经拟态计算最有可能开辟出一条从ai 2.0到ai 3.0的崭新赛道。神经拟态计算，是在传统半导体工艺和芯片架构上的一种尝试和突破。它通过模拟人脑神经元的构造和神经元之间互联的机制，能在低功耗以及少量训练数据的条件下持续不断自我学习，大幅提高了能效比。显然，神经拟态计算的特点非常符合ai3.0的发展需求。因此，神经拟态计算也被寄予厚望，有可能在人类迈入下一代ai的进程中发挥重要作用。
英特尔是一家立足长远、推动底层技术创新的公司，以此来帮助客户取得商业应用上的成功。为此，我们不断对前沿技术领域加大研究，即便这些领域在短期内无法看到实际成效。围绕神经拟态计算，我们从很早就开始积极探索这一崭新的计算模式，并取得了令人瞩目的成就。英特尔的神经拟态计算芯片loihi已经具备了嗅觉的能力，神经拟态系统pohoiki springs已经拥有1亿神经元的计算能力，这已经相当于一个小型哺乳动物的大脑。
当然，神经拟态计算还处于非常早期的阶段，要想将这项技术真正应用于ai，我们还有很长的路要走。但我相信，底层技术的创新必须坚持长期主义，长时间地专注于一个方向与赛道，以这种确定性去对抗发展过程中的一切不确定性，才有可能最终取得成功。
英特尔中国研究院院长 宋继强博士
基于TLC320AC01与DSP的接口设计
嵌入式开发的发展方向是往哪里发展
探讨锂离子二次电池对被动类保护器件新性能要求
基于TAE32F5300主控芯片的1KW GaN图腾柱PFC+LLC数字控制电源方案
物联网通讯标准多元 专业认证加速产品上市
英特尔宋继强：深度学习就是AI的终极答案吗？
瑞萨电子每况日下：将追加裁员5千人
机器人焊接工作站包括哪些组成部分？
失调电压和共模抑制比的区别和联系
如何了解量子电视
EUVIS基于DDS的任意啁啾模块DSM303-V4
芯盾时代基于零信任的数据安全管理体系建设思路
智慧校园之蓝牙室内定位技术在学校中的应用
ADI单芯片解决方案应对医疗设备高清图像采集
滤波器的主要参数介绍
扬尘在线监控系统厂家的详细介绍@三体推荐
geant4在manjaro/archlinux系统下的安装方法
新唐科技推出KM1M4BF系列MCU马达和PFC控制器
ThreadLocal的作用以及应用场景
自由现金将如何在全球范围内实现密码经济