眼下人工智能（néng）很熱，門派也很（hěn）多（duō），在“人（rén）工（gōng）智能(AI)”與“智能增強（qiáng）(IA)”經曆了多輪“此消彼長”之後，未來的“江湖”會（huì）怎樣?在“深度學習”被很多巨頭（tóu）奉為有關生死存亡的技術和能力之後，誰會是取（qǔ）代（dài）“deeplearning”的（de）下一個“AI殺手”?當IT巨頭都在角逐“類人腦計算”時，“類人腦”的（de）現實之路還有多遠?作為為全球芯片巨頭，英特爾有什麽樣的AI布局?英特爾中國研究院院長宋繼強會（huì）給出什麽樣的答案?

      
  
  
      AI和IA需（xū）要“在一起”
  
　　IT和武俠江湖很像，也分學派和流派。關於人工智能（néng）(Artificial Intellingence，AI)與智能（néng）增強(Intellingence Argumentation，IA)，科（kē）技預（yù）言家約翰·馬爾科夫在他的《與（yǔ）機器人共舞》一書中有清晰的分類和定義。
  
　　五六十年（nián）前，當一撥人投（tóu）身（shēn）於“未來的計（jì）算機能夠建立（lì）起和人一樣的智慧”(人工智能)的時候，另一撥人紮進了“交互式計算”裏，認為計算機更多的是在增強人的智（zhì）慧（huì）而非取代人類（lèi），去做了“智能增強”。前一撥人認為，計算機是可以獨立完成一些事情，不需要人的參與。後一撥（bō）人認為，計（jì）算機（jī）始終無法（fǎ）脫離人，需（xū）要以人為中心，所以他（tā）們（men）更多去做“智能增強”。
  
　　宋（sòng）繼強表示，要讓機器獨立具備人的能力，不是一件容（róng）易的事情，也遇到一些瓶頸，所以在早些年AI熱過（guò）後，又沉寂下去。而去做機器與人協作的這撥人，希望提高機器效（xiào）率，很重（chóng）要的一（yī）個維度就是解決“Human in the loop”(人機交互)。
  
　　這兩撥人平行研究，偶爾會有交集，並且此消彼長（zhǎng）。當AI特別熱的時候（hòu），人機交互就（jiù）會沉寂下去，當人機交互熱的時候，AI又會“消停”下來。
  
　　從宋繼強的觀點來看，要想加速人工智（zhì）能的商業應用，這個兩條平行線是應該合二為一的。目前看，獨立的AI，比如說AlphaGo在人給它進行大量訓練之（zhī）後（hòu），在與人（rén）下棋（qí）的那段時間是可以獨（dú）立完成一（yī）些事情，甚至某（mǒu）些方麵超過人，但（dàn）是到目前為止我們還看不到AI在通用和全麵能力上（shàng）趕上（shàng）和超過（guò）人（rén）的跡象，而且還非常遙遠（yuǎn）。
  
　　在構造基於AI的自主機（jī）器裏麵有三個關鍵的維度，第一步是感知，二是認知，三是行動，要把這（zhè）三個步驟連貫起（qǐ）來形成一個（gè）閉環。
  
　　從“感知”和“行動”的維度看，目前有了很多（duō）進（jìn）步。而其（qí）實最（zuì）難突破的是“認（rèn）知”。因為它包含太多不同行業的知識，包括對心理學、對人、對物體，對知識等如何建模。目前看，這個維度還沒有（yǒu）達到人類可用的程度。
  
　　宋（sòng）繼強舉了語意理解的例子。比如一句話是聲音信號，變成了文字，這個文字不同的（de）語言文字有（yǒu）不同（tóng）的表示。中文（wén）的“太陽”和英文的“Sun”，他（tā）們對應都是（shì）一個物體，這（zhè）個符號太（tài）陽與你語句裏邊的其他的詞，會形成一些關係，到（dào）底你（nǐ）說這句想表達什麽，這個語意理解要從你這個感知層的一些（xiē）符號去推算。
  
　　這其中還要消除“語義歧義”。比如（rú）“乒乓球拍賣完了”這句話，有好幾種意思表達（dá），究竟是“乒（pīng）乓球拍，賣完了!”還是“乒乓球拍賣，完了!”這（zhè）需要結合上下文，需要結合語境才能（néng）準確了解。
  
　　除了語義歧義，我們人在對話中（zhōng）不（bú）是每句話都把所有信息說全的，人是很容易識別，但是計算機要做到很不容易。
  
　　再比如你說“幫我去冰箱中拿可樂”這句（jù）話，人很容易（yì）就可以（yǐ）完成幫你拿可樂這一係列的動作。但機器人是“蒙”的，它得算很多，因為缺失很多信（xìn）息，首先冰箱在哪（nǎ）兒?什麽是（shì）可樂?長什麽樣?從這兒到冰（bīng）箱那兒要怎麽走過（guò）去?太多事情他不懂，這裏麵涉及很多知識，需要將很多知識庫建起來，放（fàng）進去（qù），機器人才能很（hěn）好地去（qù）完成這一（yī）動作。
  
　　在知識缺（quē）失或者信（xìn）息不（bú）完整等背景下，“智能增（zēng）強”派上了（le）用場。比如說，智能機器人通過（guò）語音、屏幕交互（hù），把缺失的信息以比（bǐ）較自然、而不（bú）是太笨的方式呈現給用戶，讓用戶替他去解決。比如（rú）機器（qì）人（rén）已從（cóng）網上搜來了一些知識，可樂有幾種，減肥的，紅色的，它就可（kě）以問人：“你要哪種可樂?”機器人不知道冰箱在那裏（lǐ），機器人可以問人：“這個冰箱是不是在某個廚房?”這樣的問題（tí）人（rén）是可以接受的。我們通過一部分人工智（zhì）能，一部分人機交互，把（bǎ）這個閉環形（xíng）成，讓機器人用起來（lái），加快商業化應用，機器人（rén）的智慧成長之路就可以加快。
  
　　我們都知道一個事物的快速（sù）成長有兩個途徑，一個是靠軍事使用，另一個是靠商業（yè）推動。商業應用是我們看到可能讓機器人（rén）成長起來的最（zuì）好路徑。通過（guò）AI+IA，這個（gè）路就沒有那麽遠了。
  
　　宋繼強最近與德國做機器人的院士（shì）進行交流。院士坦言（yán），即便是最厲害的深度學習也不可能將識別準確（què）率做到100%，算法隻是其中的一步，事實上機器人要運行穩（wěn）定、要可靠，還有很多維度的事情要完（wán）善，還（hái）有（yǒu）很多問題要解決。在AI+IA的發展思路上，德（dé）國院士與宋繼強的觀點是一致的。
  
    
     
    
    
     知識庫是下一AI競爭關鍵（jiàn）點
  
　　目前大家對人工智能的關注焦（jiāo）點是算法，“深度學習”尤其火。應該說，深度學習是（shì）目前解決AI問題的最好方法，但並不排除未來還會有更高效的AI算法出來，事實上解決人工（gōng）智能的問題，不同的工具在不同的（de）維度有不同的優勢（shì）。
  
　　宋繼強表（biǎo）示，另（lìng）外一個維度是中國應該關注的，就是前麵提（tí）及的（de）“知識庫”(Knowledge Vault)，這是AI的另一（yī）個難題。
  
　　麻省理工(MIT)等是比較（jiào）早開始（shǐ）做知識庫（kù）的機構，當時為了讓機器人在（zài）室（shì）內工（gōng）作，需要建立（lì）一個（gè）知識庫（kù），主要（yào）覆蓋室內的常識(Open Mind Common Sense)。比如讓機器人從室內到門外，門是關著的，機器人看到門是關的（de），它是不（bú）知道如何出去的，門牽扯到哪些?開關如何操作，門才可以開?這是一套連接的知識網（wǎng）絡。當時學術界做這樣一套常識，投入（rù）很多人力，幾屆學生一起做才完成，用半結構化的短句，把知識做在裏麵，這（zhè）些（xiē）知識（shí）通過一（yī）定的模式可以查詢出來。僅僅是一個室內場（chǎng）景，建（jiàn）立常識庫就很不容易，而且稍稍變化一下環境（jìng）就（jiù）不適用，比如在國外建立的常識庫（kù），拿到中國就未必適用了。
  
　　在（zài）宋繼強看來，知識（shí）庫是人工（gōng）智能裏邊最（zuì）複（fù）雜的東西，因為知（zhī）識日新月異。他舉了一個非常淺顯（xiǎn）的網絡語言的例子，現（xiàn）在年輕人三天（tiān）兩頭（tóu）換（huàn）新詞，如果不更新這些詞匯，你就不懂他講的是什麽意思。
  
　　宋繼強提及了穀歌公司正在（zài）建立全球最大的知識（shí）庫的事情，可能這個信息（xī）還沒有引起更大的關注。穀歌通過（guò）算法自動搜索網上的信息，利（lì）用機器學習將數據變成知識，到目前（qián），穀歌（gē）已經收集了16億件事實（shí），而穀歌表示（shì）這個知識庫要建立起來至（zhì）少需要（yào）十年（nián）的（de）時（shí）間。而事實（shí）上，這是一個（gè）非常有（yǒu）“野心”的事情（qíng），因為（wéi）一旦（dàn）建立起來，意味著全球（qiú）的智能設備都有可能需要去使用其知識庫（kù），它就有（yǒu）可能左右這（zhè）個世界（jiè）的所有（yǒu）智能設備。
  
　　我在網上搜索了一下國外分析師對穀歌正在構建知識庫的評（píng）價，還是嚇了一跳。比如，“知識庫除了（le）改善（shàn）人（rén）機交互之外（wài），也會推動現實增強技術的發展”。“知識庫還能夠改變我們研究人類社會的方法，甚至可以對未（wèi）來做精準的預測”。“知識庫改善人（rén）們的生活和娛樂，甚至是戰爭的方式”。
 
　　目前（qián）全球許多大（dà）公司都在構建知識庫。在宋繼強看來，構建知識庫這個事情也隻有大公司可為（wéi），因為做它時間跨度很長，小公司根本支撐不下去。而且這個知識（shí）庫如果被別人利用了，智能設（shè）備的（de）觀點都會發（fā）生變化（huà），它會影響機器人以後的價值觀，重（chóng）要性不言而喻，不能被短期利益驅動。而且（qiě）知識庫和文化和地域有關，我們不可能一大堆的設備總用英（yīng）語（yǔ）去（qù）查詢，所以它需要本地化、中文化，美國做的知識庫肯定不太適合中國。中國（guó）的大公（gōng）司應該注意到這個維度。中國（guó）的公（gōng）司中，宋繼強認為，百度和騰訊都有可能做這個事情。
  
　　除了知識庫中國需要發力，宋繼強認為中國應該發力的第二個方麵（miàn）是自（zì）然語言（yán）處理。因為在認知推理中，很（hěn）重要的一個關鍵是如何在（zài）比較少（shǎo）的數（shù）據中，推理得到有意義的（de）結果，在其（qí）中很多（duō）是與自然語言相關，而（ér）中國在自然語言理解上（shàng）有（yǒu）優勢（shì）。從視覺識別來看，國內和國際沒有太大的區（qū）別。而在自然語言（yán）識別上有很多差別，我們推（tuī）動AI往下走，很多技術與之密切相關。隻有在知識庫和自然語（yǔ）言理解上做好，我們才敢（gǎn）把更（gèng）多的（de）事情交給（gěi）機器（qì）人。
  
　　CPU、FPGA和ASIC
  
　　談及AI離不（bú）開計算力，從字符識別語音識別到圖像識（shí）別，對（duì）計算能力的要求是一步一步往上走的，這一步一（yī）步的往（wǎng）上走離不開計算能力的大幅提升和成本的大幅下降。現在AI要（yào）求計（jì）算能力不斷提升，有（yǒu）的（de）公司也采用圖形加速器去做訓（xùn）練、去做識別，遇到的難題之一就是計算能（néng）力提升，功耗也變大。而很多（duō）智能設備是移動的，不管是無人車還（hái）是（shì）服（fú）務機器人，都要求續航時間，都對功耗降（jiàng）低有迫（pò）切需求。而做AI智能設備有三（sān）步，識（shí）別、推理、行動，所以不僅僅是要它進行識別，還要它進行分（fèn）析、挖掘信息（xī），計算能力（lì）和功耗之間的矛盾就變得越（yuè）來越（yuè）突出了。
  
　　怎麽解決?一個方式（shì）是用軟（ruǎn）件的方式。人工智能是一（yī）個軟硬結合的係統，其（qí）實不是純軟件的（de）事，軟件可以做一些算法優化，把計算量砍下來。第二個是硬件的方式。就是用很經濟、很有（yǒu）效的方式使用電力。這其中也有幾類，最通用的方式是CPU，比如英特爾的酷睿係列、至（zhì）強係列，這些通用的處理器，最通用的同時功耗也高。另一種是專用芯片ASIC(Application-SpecificIntegrated Circuit)，它可以（yǐ）做到功耗很低，但是性能很強。ASIC方案是（shì）一（yī）個（gè）終（zhōng）極解（jiě）決方案（àn）。處於軟件和硬件方式中間的是（shì）FPGA，FPGA的功耗和通用性處於中間檔，功耗比CPU和（hé）GPU都低，他有一定的配置靈活性，配置起來是要靠寫硬件的代碼。而且它的成本比ASIC要高，所以當量還不足以支撐大規（guī）模製造專用芯片的時候（hòu），通常會采用（yòng）FPGA。
  
　　講清楚CPU和FPGA以及ASIC的關係，大家就很好理解為什麽英特爾要收購Nervana這家初創公司的原因了，因（yīn）為Nervana是做專用AI芯片的，是AI的ASIC供應商，現（xiàn）在的AI需求到了需要專（zhuān）用AI芯片的時候了。據稱，Nervana處理器速度將可達到GPU的10倍，而投靠英特爾，可以（yǐ）讓Nervana獲得（dé）強大的芯片製造能力、資金能力和生態鏈整合能力。所以這樁婚姻會非常自然。
  
　　宋繼強表示，從數據顯示來看，目前在全球計算中心的計算量中，有10%是與（yǔ）AI相關，雖然看起來占比還不是很高，但是成長性超快，還在加速成長中（zhōng），而且AI有引擎帶動效應，所以（yǐ）英特爾（ěr）加速這個部分的布局是非常順理成章的（de）。
  
　　在AI這個路徑上（shàng）看，從（cóng）CPU到FPGA到ASIC，英特爾做了很好的布局。講完（wán）這（zhè）條線路（lù），大（dà）家一定會關心另外一條線路“類人腦計（jì）算”，因為那條路其實才更接近於AI的（de）需求。而目前包括IBM、穀歌以及中國都在加速在（zài）這個路徑上的布局。作為全球芯片（piàn）的巨頭，英特爾不做類人腦芯片的研發嗎（ma）?
  
　　宋繼強表示，英（yīng）特爾（ěr）並非（fēi）不做，隻是現在還沒有到（dào）透露的時候，一般大家看到的都是已經相對商業化的（de）英特爾技（jì）術路線，對於（yú）未來的（de）研究，英特（tè）暫時（shí）不會公布。
  
　　我曾在幾年前參加英特爾在矽（guī）穀舉行（háng）的英特爾全球研究院展示日活動，那（nà）時，英特爾就（jiù）已經在進行“類人（rén）腦芯（xīn）片”和計算架構的研發，主要是放在美國研究院，隻是現（xiàn）在還沒有（yǒu）到公布的時候，而全球的類人腦計算都還處於比較（jiào）早（zǎo）期的階段，商業化之路還很遙遠。