人工智能和中国国家人工智能发展战略
一. 人工智能的发展历程
人工智能(AI:Artificial Intelligence)的研究自1956年达特茅斯会议以来,起起伏伏发展了62年,终于在最近5年取得了重大突破。AI系统在语音识别、图像识别、围棋、德州扑克等诸多领域取得了超越人的能力的成果。究其原因,业界普遍认同有三大要素合力促成了这次突破:深度学习算法、海量的数据和充足的计算力。其中,充足的算力得益于摩尔定律在最近二十年的发展,使得在可以接受的价格、功耗和时间内完成人工智能算法所需的计算。
摩尔定律由英特尔创始人之一的戈登•摩尔于1965年提出,至今已有53年。即使按照每两年单位面积上的晶体管数量翻倍来计算,目前的晶体管密度大约是当年的6400万倍。在摩尔定律发展的前30年,人工智能的研究经历了逻辑推理时代和专家系统时代。芯片的计算和存储能力从早期不能满足复杂人工智能任务的要求,到逐渐超越。20世纪80年代出现了专门支持专家系统的计算机(如80-90年代的Symbolics计算机)和性价比更高的基于x86微处理器的个人计算机(90年代后成为主流)。1995年之后的20年,摩尔定律的量变推动了质变,开启了信息时代的技术飞跃。根据英特尔的处理器芯片能力和零售价格对比测算,单位价格可以购买到的计算力提升了1.5万倍,从而使通用中央处理器(CPU: Central Processing Unit)已经可以支持各种AI任务。但是CPU的架构未必对各种AI 算法都是最优的。对于目前主流的深度学习(DL:Deep Learning)算法,需要有更高并行计算能力和存储带宽的芯片架构,来提高训练速度或者达到工作时的实时性要求。因此,在深度学习领域出现了多种CPU加专用芯片的异构计算方案。另一方面,与脑启发式(brain-inspired)的深度神经网络不同的类脑(brain-like)计算研究也推出了先进的神经拟态芯片(neuromorphic chip)来支持超高能效比(energy efficiency)的自然学习方式。
可以说,通过芯片技术来大幅增强人工智能研发的条件已经成