CIIS 2019 演讲丨廖仁亿：培养AI软件到AI芯片的新一代顶尖人才

10月26日-27日，由陕西省委网信办、陕西省工业和信息化厅、陕西省科学技术厅指导，中国人工智能学会主办，西安市委网信办、西安市科学技术局、西安国家民用航天产业基地管理委员会、京东云共同承办的2019第九届中国智能产业高峰论坛在“硬科技之都”--西安举办。在27日举办的全国高校人工智能学院院长/系主任论坛上，新思科技人工智能实验室主任廖仁亿为我们带来了题为“培养AI软件到AI芯片的新一代顶尖人才”的精彩演讲。

廖仁亿 新思科技人工智能实验室主任

以下是廖仁亿的演讲实录：

今天人工智能的专家特别多，而我的报告是从产业来看人工智能在软硬件结合落地方面。

为什么需要人工智能？为什么最近几年人工智能变得特别火？我们看过去的历史，现在看人工智能60年，从超过100亿年到150年左右的宇宙的历史来看，人工智能的历史是非常短的，如果把宇宙的历史看做一年，人工智能60年的发展还不到一年里一秒钟的时间。从人工智能发展的历史来看，我们不禁在想，这些人工智能的先驱在做这些前沿的发展时，心想的是什麽呢？这中间比如说有发明计算机的Charles Babbage/Ada Lovelace， AlanTuring， Enrico Fermi， John Von Neumann,Marvin Minsky等等，比如说Fermi这样伟大的物理学家就在想，如果我们人类社会的智能照这样发展下去，有一天智能势必会辐射到宇宙中去，那为什麽人类到现在还是孤零零的在宇宙中，没有意识到其他智能的存在？智能代表的是什么呢？为什么人工智能是一级学科呢？为什么和数学物理一样的重要呢？就是我们所学的不管数学物理，归结到最后，就是唯心和唯物。而心代表的，可能就是不在目前物理描述里面的智能。纳米科技的先驱Eric Drexler说，这世界上我们想要的所有物质，不过就是一些原子分子的排列组合，现在我们现在人类还没有搞清楚我们要如何操作这些原子分子,一旦搞清楚了，这世界上我们想要的一些物质就是可以无穷无尽的，而AI就可能是扮演使能这科技的关键技术。有意思的是，Eric Drexler正是AI大师 MarvinMinsky的学生，在加州理工学院听了物理学大师Richard Feynman的演讲而领悟，开创了纳米科技研究的先河。

将来AI会跟不管是5G还是联网、生物科技都发生深远的交互影响。当人类第一次解开DNA之后，发现人类的基金是数字的形态存在的，这是一个很震惊的事情。如果人是以数字存在的时候，疾病包括人类谈之色变的癌症，可能是有一些DNA复制错误造成，或DNA长度缩短造成，这些人工智能的发展会影响到人类生活的福祉，是因为其中的算法，可能会解决一些困难生物信息的问题，而医学和人类的生命相关，就是这类重要的问题。我们现在在计算的时候是比较粗放的做一个物理的计算，比如说是用许多的原子分子做一个比特的运算，而这个在制药研发时各种可能的原子分子组态和结构变化计算，运算量会变的异常困难而巨大。新药研发一般需要数年到十几年来做研究实验，Deep Mind的 AlphaFold这种将AI 用在Protein Folding上这种困难问题上做突破，为这类复杂的计算问题带来曙光。

现在很多人在做机器人，但可能如前麻省理工学院实验室的Rodney Brooks说的，现在连一只昆虫的能力都达不到，还担心什麽强人工智能？现在深度学习有了非常大的进步，但还是有相当多的东西不容易在短期看到成功。比如说我们今天的深度学习还是没有办法回答一些因果关系，有不可解释性的问题，而硅芯片上面成本越来越高，功耗越来越高。比如麻省理工学院的物理学家Max Tegmark研究，事实上计算性能如果每几年增长一倍的速度，其实还需要2000年来能到达到物理的极限，AI 的先锋 Ray Kurzweil也问了一个著名的问题，一公斤的石头能有多聪明？这个令人吃惊的答案是，一公斤的石头的运算量，它可能超过地球上人类所有大脑的计算量总合，但一公斤的石头，虽然有你肉眼看不见的惊人运算量，但当你摸它的时候，它可能却是冰的。所以只是目前我们所用的硅的技术只是到了一个瓶颈，从人类的历史来看，科技的，进步一直没有停歇下来。看这些先锋在做AI或研究AI的时候，一直在想到后面很远的一些根本物理问题，这些看问题的宏观思考，是我们所需要学习和借鉴的。

我们前面讲的比较多的是AI的本质，另外从企业角度来看。我们看2009年，过去最大的企业不少是石油，电信，银行的这些公司，但现在2019年领先的大的企业家前几名都是一些云公司，更进一步来看，也都是AI的公司，所以让我们看到，将来这世界这些最重要的公司，事实上都是算法公司或人工智能的公司。著名的管理学大师Peter Drucker说，汽车是工业中的工业，直至今天，汽车仍是非常重要的应用，包括它的电子化、网联、智能、共享。这里面有非常多的技术整合，不管是电子元器件或者是软件等，这些都有巨大的需求和巨大的发展，要整合非常多方面的技术。人才培养中要进行软硬件的结合，了解系统的全貌，才能设计和实现一个好的系统。包括我们在实际实现的时候，是从前端到后端，通过一个迭代的方式。因为在做一些工程设计的时候，市场是可能日新月异，规格也可能需要对应修改，所以能适应市场需求变化，做高效的迭代就非常关键。这些都必须要有一个完整的系统开发的宏观意识。

比如说在整个芯片设计里面，比如从网络模型到中间的编译器，以及芯片上的整个结构，都需要做比较好的探索和优化，芯片到最后不可能每一年增长一倍的算力，所以在这里面每个环节能够提高，就格外的重要。你如果从最上层看到最下层算法，从神经网络到编译器和硬件的优化，用一些可视化的方法达成设计, 这样设计一个系统的时候，能够看到一个完整的全貌。也才不至於看到性能不好，不知问题出在哪里，无从著手。

现在这个科技和人工智能进步的趋势是不会停止的，包括各种的量子运算、新的计算形态，包括更好的算法，这些都需要大家一起努力的，才能取得更大的突破。

（本报告根据速记整理）

CAAI原创 丨 作者廖仁亿

未经授权严禁转载及翻译

如需转载合作请向学会或本人申请

转发请注明转自中国人工智能学会