01 智能化發(fā)展推動專用計算走向前臺

1946年第一臺電子計算機發(fā)明以后，通用計算機一直統(tǒng)治著信息化的整體進程，但2010年前后發(fā)生了兩次重大技術(shù)變革：智能手機的發(fā)明和4G技術(shù)的普及、應(yīng)用。二者推進了計算、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，智能手機的銷量超過平板電腦，桌面電腦和移動電話的銷量成4:6之勢，且差距逐步擴大。

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)的競爭，作為通用技術(shù)的計算機處理芯片，也將發(fā)生重大變革，其實這種變革已經(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、以及各種算法增強技術(shù)等，而且通用計算機將不斷吸納、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)在臺式機和平板電腦中已經(jīng)日漸普及。

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

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

必須認識到，是“專用技術(shù)”特定的模型、算法、軟件等，催生了特定的“專用計算”功能需求，進而指導了“專用芯片”的設(shè)計。這種“專用技術(shù)”，不是產(chǎn)生于軟件技術(shù)，而是科學數(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，是計算科學與各傳統(tǒng)科學學科融合發(fā)展的結(jié)果。

02 計算科學與不同學科的融合，正在驅(qū)動科學的數(shù)字革命

計算科學（Computational Science）與計算機科學（Computer Science）只有一字只差，卻是內(nèi)涵完全不同的兩個概念。

計算科學本身就是一種融合性的科學，因為，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，而是針對特定科學（如生物學、物理學、社會學等）、工程、以及人文科學中需要解決的各種問題的模型、算法與軟件。第二類元素是計算機與信息科學，目的是利用計算機與信息科學的成果，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，以解決計算中需要解決的各種問題。第三類元素是計算的基礎(chǔ)設(shè)施，即完成各種科學和工程問題計算的計算機系統(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（計算機和網(wǎng)絡(luò)）科學與技術(shù)的成果密切相關(guān)；唯獨第一類元素，與特定的學科或工程問題有非常強的相關(guān)性和針對性，并不屬于信息科學與技術(shù)的范疇，是計算科學的真正“內(nèi)核”。

因此，計算科學基于信息科學而發(fā)展，但絕不等同于信息科學。特別學科和工程領(lǐng)域的建模，需要對相關(guān)的科學或者物理系統(tǒng)有非常深刻的認識和理解，要有豐富的知識和經(jīng)驗，這是計算科學真正的難點。

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

2021年10月5日，瑞典皇家科學院宣布將諾貝爾物理學獎授予三名科學家，其中有兩名科學家——真鍋淑郎和克勞斯·哈塞爾曼，因“對地球氣候進行物理建模，量化可變性，并可靠地預測了全球變暖”而獲獎，這就是融合科學推動物理學發(fā)展的典型案例。

2013年10月9日，瑞典皇家科學院宣布將諾貝爾化學獎授予美國科學家馬丁·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)多尺度復雜化學系統(tǒng)模型方面所做的貢獻”，而且在20世紀70年代，這三位科學家設(shè)計出的這種多尺度模型讓傳統(tǒng)的化學實驗走上了信息化的快車道。

雖然這些科學家的研究都起始于上個世紀的六七十年代，但彼時計算機已經(jīng)獲得廣泛應(yīng)用，他們是走在時代前面的科學家，直到本世紀一二十年代，他們的成就終于為世人所認識，獲得了諾貝爾獎的殊榮。

03 智能技術(shù)正在引起新的科學革命

人工智能的現(xiàn)代發(fā)展和人類進入智能化時代的標志性事件，是2016年3月阿爾法圍棋（AlphaGo）對弈韓國九段專業(yè)棋手李世石，并以4:1的壓倒性優(yōu)勢取得勝利。這個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。兩位高手對弈，通常在150手之內(nèi)決定勝負，其間，每一手棋大約有250種不同的選擇。顯然，圍棋博弈是一個非常復雜的物理系統(tǒng)，要構(gòu)造一個下圍棋的深度學習網(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)學問題。

圍繞人工智能的未來發(fā)展，大約可分為初級和高級兩類。

現(xiàn)在我們看到的所有人工智能的成果，基本上停留在跟機器學習相當?shù)某跫壦缴?，而高級水平的人工智能比如人腦模擬、類腦運算可能還需要經(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年進行過數(shù)次民調(diào)，征求業(yè)內(nèi)專家對人工智能未來發(fā)展的意見，涉及“何時可以實現(xiàn)通用人工智能”的問題，最樂觀的估計是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）認為“永無可能”。

2022年6月，德國科學家布萊恩·麥克馬洪發(fā)表了《人工智能正在引領(lǐng)一場新的科學革命》一文，仔細梳理了基于深度學習算法的人工智能，基于2020年Google人工智能團隊解決的蛋白質(zhì)折疊問題（AlphaFold），全面分析了人工智能對當代科學革命的影響。主要可以概括為五個方面：快速閱讀科學文獻、處理海量數(shù)據(jù)、提升儀器效能、輔助科學實驗、輔助建模等。

現(xiàn)在互聯(lián)網(wǎng)上查詢文獻涉及如何將數(shù)據(jù)變成信息、將信息變成知識、再將知識貢獻給讀者，這是很多人很多年努力的方向。據(jù)統(tǒng)計，2021年關(guān)于新冠病毒的文獻一共有18萬份，沒有一個學者看得過來，但Google的算法可以全部讀一遍，完成主要趨勢的分析、代表性觀點文獻的整理等；還可以利用人工智能技術(shù)處理海量數(shù)據(jù)，提升科學儀器效能，特別是一些重大的科學儀器，幫助科學家進行實驗和輔助建模。在此基礎(chǔ)上，麥克馬洪認為，人工智能正在引起一場科學革命。

這就涉及一個問題，科學家本身需要數(shù)字轉(zhuǎn)型，因為人工智能最后的建模一定是由科學家完成，如果科學家不懂計算機、不懂網(wǎng)絡(luò)，想要推動科學的數(shù)字化革命就非常困難。

21世紀上半葉的這場科學革命的核心和主角是科學家，不是IT工程師，也不是AI工程師；科學家必須責無旁貸地研究怎樣利用計算科學和人工智能加快本學科的數(shù)字轉(zhuǎn)型，推動全社會的科學革命。

我感覺，當代科學革命最主要的社會阻力，還是來自科學家本身，因為科學家一般并不認為數(shù)字化屬于科學范疇，認為融合科學不是正統(tǒng)科學。這種觀點是完全錯誤的，從上面列舉的幾個諾貝爾獎獲獎?wù)呖梢钥闯觯瑖H上也不是這樣認識的。

04 “重硬輕軟”的傾向不能再持續(xù)下去

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

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

另一個是人工智能，主要依賴于統(tǒng)計建模。統(tǒng)計建模是以科學家的認識和判斷為基礎(chǔ)，充分利用網(wǎng)絡(luò)空間和科學實驗中豐富的大數(shù)據(jù)，構(gòu)造關(guān)于研究對象的統(tǒng)計模型。這種模型，大多不具有科學建模的原理性和精準性，只是追求統(tǒng)計意義上最終結(jié)果的近似性和可接受性。利用大數(shù)據(jù)和深度學習算法的不斷逼近，通過試錯和調(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)來訓練模型，數(shù)據(jù)質(zhì)量越高，模型的有效性和準確度就越高；充分利用現(xiàn)有的超算功能，有可能以更短的時間、更高的效率，揭示很多超巨系統(tǒng)復雜的內(nèi)在規(guī)律。本質(zhì)上，在計算科學力有不足之處，融合科學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)的科學基礎(chǔ)。這一點至關(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，他認為人們擅長“軟”思維，而計算機通常是“硬”思維。在“硬”計算中，電子計算機需要確定性和精度，否則，計算結(jié)果就無法接受，或者說，硬計算不接受“模糊”。與硬計算不同，軟計算處理技術(shù)因為比較“寬容”，不那么“較真”， 可以容忍不精確性、不確定性，接受部分的真實性和近似值，因此，相應(yīng)地，比較容易實現(xiàn)可計算性、魯棒性和低求解成本等。

這一點，在現(xiàn)實生活中可能非常有用，也會催生很多新的學術(shù)領(lǐng)域。正因為如此，軟計算構(gòu)成了大量機器學習技術(shù)的理論基礎(chǔ)。

就智能技術(shù)的兩個科學基礎(chǔ)而言，計算科學屬于“硬計算”一類，而人工智能則屬于“軟計算”一類。計算科學和人工智能是新科學革命“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)生科學研究的新范式。這一點對未來發(fā)展至關(guān)重要。本質(zhì)上，智能革命就是一場科學革命，沒有科學革命，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“軟件為計算服務(wù)”，未來智能化的發(fā)展則是“計算為軟件服務(wù)”——我設(shè)計什么軟件，你幫我用芯片做出來，這是一個重大變革。

軟件會駕駛科學與工程這兩輛馬車逐漸走向科學技術(shù)舞臺的中央?！爸赜草p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最終報告（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、每秒機動數(shù)千次的多臺作戰(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