青暮、陈彩娴编辑
陈彩娴目前我们还无法精细到神经元级别的观测，只能从功能层面理解大脑，但这些成果也启发了很多经典的人工智能算法，例如卷积神经网络启发自猫脑视觉感受野研究，胶囊网络启发自脑皮层微柱结构研究。在未来，我们能不能深入到神经元的层面研究大脑，是非常重要的一步。8月29日至30日，主题为“智周万物”的年中国人工智能大会（CCAI）在位于江苏南京的新加坡·南京生态科技岛举办。在大会上，中国工程院院士戴琼海做了主题为《人工智能：算法·算力·交互》的特邀报告，从算力、算法与人机交互三方面展开了分享，指出光电智能计算是未来算力发展的一大候选，深度学习遭遇算力和算法瓶颈，全脑观测对于启发下一代AI算法至关重要，在人机交互的发展中，我们要谨记图灵的教诲，完善AI伦理，并且机器视觉、触觉的协同是一大技术重点。以下是演讲全文，AI科技评论进行了不改变原意的整理：1光电计算推动AI算力飙升在人工智能发展的时代，特定学科的定义越来越含糊，交叉学科成为机器学习的特点。同时，人类在脑力层面进一步依赖机器，并逐渐把更多大脑思考和不可解析的问题交给机器来执行。这其中也涉及到“力量”的问题。但是，我们发现，在许多由机器辅助或代替人类处理问题的领域里，如无人系统、量子计算、纳米科技、物联网等，机器的“力量”还不够，原因在于：现有的许多模型和算法还达不到机器学习的需求。截止今日，人类在算力方面的研究已有半个世纪。年，Rosenblatt发明第一台基于感知机的神经计算机，“Mark1感知机”，仅包含个计算单元。这台感知机只能进行初步的数据分类，但无法进行更复杂的算法分类和数据分类，因为算力不够，后者需要用到更复杂的算法。人工智能技术发展的低谷主要来自两方面：一是模型性能差，二是算力不够。算力实际上就体现了软件与硬件应如何结合、发展。年，GordonMoore建立摩尔定理，提出：集成电路芯片上所集成的晶体管数量，每隔18个月翻一番。为什么每隔18个月就要翻一番呢？这是为了提高算力和算法的可实现性。随后，在年，芯片技术出现。这是信息时代最伟大的贡献。计算机芯片加上互联网，专家系统的投入使用成为一个新的里程碑。到了年，英伟达为了提升算力，提出使用GPU进行并行计算，于是出现首个名义上的GPU：NvidiaGeForce，算力为50GFLOPs。这为算力提升起到关键作用，也实现了人类脑力的迁移。之后，我们可以看到，年，AlphaGo使用个GPU、个CPU，在围棋上战胜人类。包括后来年，AlexNet性能的提升也得益于GPU，并开启深度学习的黄金时代。由此可见，算力对人工智能的发展和应用有着关键影响。兴，算力也；亡，算力也。算力的不足，将会导致人工智能的衰落。在智能医疗、智能制造、无人驾驶和无人系统等领域，我们需要用到的算法和模型越来越复杂。其次，在互联网影视、短视频、网络直播等行业，据调查，流媒体视频占全球互联网下行流量的58%，年8月国内互联网终端数量突破20亿，每月超过20亿的注册访问量，每分钟高达个小时的上传视频。值得注意的是，随着军事AI的快速发展，军事技术对算力的需求也逐渐增长，然而电子摩尔定律逼近极限，传统芯片瓶颈凸显。举个例子，在中程导弹和远程导弹的研发中，光纤牵引头是一个关键点，用于探路与开路，但由于算力不够，导弹的飞行速度被制约。如果算力能将飞行识别的速度提高到纳秒级、甚至是皮秒级，那么导弹的飞行速度就能提高。人工智能产业的发展对算力需求呈指数增长，如何从硬件与软件上提高算力，成为国内外科研者的研究热点。算力颠覆性提升、催生新国防武器和新应用也成为国际竞争的一个体现。最近，MIT的一位计算机科学家CharlesLeiserson在《Science》上发表了一篇文章：《TheresplentyofroomattheTop:Whatwilldrive