11月14日至15日，由中國人工智慧學會、嘉興市人民政府主辦，嘉興市南湖區人民政府、嘉興科技城管理委員會、浙江未來技術研究院（嘉興）共同承辦的2020第十屆中國智慧產業高峰論壇（CIIS 2020）在嘉興南湖舉辦。在11月14日的主論壇上，國務院參事、CAAI 理事長、中國工程院院士、清華大學資訊學院院長、CAAI Fellow戴瓊海教授為我們帶來了題為《人工智慧幾點思考——算力、演算法、測試》的精彩演講。
戴瓊海:國務院參事、CAAI 理事長、中國工程院院士、清華大學資訊學院院長、教授、CAAI Fellow
以下是戴瓊海院士的演講實錄：
今天我和大家一起討論關於人工智慧本身發展裡的幾個問題。
首先，從歷史發展的長河來看，各種時代的區別不在於生產什麼，而在於怎麼生產和創造，這是最重要的環節。資訊時代計算機技術、微電子技術和網際網路技術三大#發明的誕生，使得其他學科非常迅速發展起來，包括原子能、空間技術、生物能等。人工智慧現在以深度網路為代表的工具應用，使得很多地方又發生了翻天覆地的變化，帶來了新的增長點。人工智慧迅速地推動行業發展，對人類社會的發展做出了突出貢獻。本次大會既然是產業峰會，我們先來對人工智慧產業做一個分析。
我們經過了幾次產業革命，來到了人工智慧時代，就是數字經濟的後時代。在人工智慧的發展歷程中，美國人工智慧企業、歐洲人工智慧企業和中國很多公司起到了非常重要的作用。我們分析一下人工智慧在國家戰略中的地位。美國非常重視人工智慧，在科研經費投入方面，諸多科研方向中對人工智慧領域始終保持著非常大的投入；從 2018 年國防戰略，一直到 2020 白皮書的釋出，人工智慧在美國掀起了很大的浪潮，希望在全世界把握高科技發展的動力。從美國人工智慧產業佈局來看主要有幾個方面，從智慧搜尋，包括自然語言處理、智慧語音助手和智慧機器人，以及無人駕駛方面形成了完整的行業生態，使得人工智慧企業蓬勃發展。典型 AI 技術應用包括智慧機器人、無人駕駛，代表了兩個硬方向的產業智慧，推動非常快；還有在無人機方面，這是他們的殺手鐧，也是未來軍事智慧裡最重要的組成部分。
人工智慧在歐洲國家戰略中定位與發展， 2018 年 25 個國家簽署了加強《人工智慧合作宣言》。歐洲人工智慧整個產業佈局，系統深入分析有智慧晶片，包括網路安全和醫療健康作為人工智慧最重要的應用領域；歐洲人工智慧產業佈局在工業物聯網、未來交通和智慧健康，這是三個重大的產業佈局。\
人工智慧在我國戰略中的定位也非常深入。2016—2020 年，中#共中央五中全會專門提到人工智慧、量子科學、腦科學等前沿領域，定位非常重要。習主席在九次講話中提到人工智慧對科技創新的重要作用。從人工智慧產業上，我國從2019 年開始提出了新基建，最重要的環節是人工智慧，而且人工智慧也作為新基建的基礎問題和基礎設施科技創新的題目展開。所以，2020 年我國人工智慧市場規模遠超全球市場規模增速的水平，尤其疫情時代不減反增，這是我國人工智慧發展最重要的趨勢。
人工智慧產業佈局從基礎、技術和應用，以及硬體、軟體方面有很多公司開展了非常大的創新，比如智慧醫療、智慧金融、智慧教育、智慧交通、智慧家居、智慧零售等。人工智慧在螺旋式上升，產業發展非常快時，學術界和產業界也一直在討論人工智慧應該怎麼往更加科學、更加透明、更加理性的方向發展。我們怎麼做到強人工智慧，怎麼提升人工智慧的算力，怎麼開展測試，判斷未來人工智慧應該具有哪些法則、規則，這是大家要考慮的事情。透過上面的產業分析，回過頭來從技術角度要討論一下我們應該做的三件事。
一、算力
人工智慧發展非常快，算力伴隨著人工智慧出現一直都在提升和發展，相輔相成。1956 年感知機的誕生，這時候就提到算力問題；1965 年摩爾提出了摩爾定律，算力與人工智慧也是相輔相成發展；1980 年專家系統；一直到 2012 年， GPU 的加速，如果沒有這個加速很難為產業服務；到 2016 年，圍棋 AI 在 170 個 GPU 上執行。流媒體影片佔全球網際網路下行流量的 58%。2019 年8 月國內網際網路終端數突破了 20 億，每月超過 20億的註冊訪問量，人工智慧的蓬勃發展帶來了算力需求的指數增長。
從硬體的角度來看，摩爾定律在最近幾年已經放緩，算力需求每三到四個月翻一番。從算力需求快速增長，到算力提升放緩，怎麼去解決這個矛盾，國際上也做了各種探索。這是谷歌的TPU，神經網路專用晶片，希望用它提升算力。包括中國的地平線、寒武紀等都開展了人工智慧專用晶片的研究，這已經和 CPU、GPU 不在一個量級了。還包括量子計算，可不可以存算一體架構，類腦計算怎麼提升，還有光電智慧計算，從自然到科學都在討論這個問題，算力如何提升。對算力提升在國際上也是一個極具需求和發展的路徑。普林斯頓大學教授提到了全光計算，算力能提升3 個數量級，如果用上，功耗下降 6 個數量級。我們在提供算力的同時，功耗也在下降。其實光電計算並不是什麼新東西，它和人工智慧發展一樣是三起三落。光計算起來時，矽基的算力就夠了，後來貝爾實驗室做了人工智慧、做了光電計算，但是沒有辦法用。一直到今年光電計算才提到議事日程。以三維受控衍射傳播實現全並行光速計算為例，這是一個顛覆，採集與計算無縫銜接，突破了存算分離速度制約，速度提升至少千倍，計算頻次 1 THz，遠超 GHz 電子計算。國際上目前有三個架構，一個是麻省理工的干涉神經網路，一個是明斯特大學和劍橋做的相變脈衝神經網路，還有清華大學做的衍射神經網路，都出現了不少研究和成果。如果光電計算實現，在無人系統中能夠體現非常大的能力，尤其是光電計算的自動駕駛，因為計算量非常快，導致力度特別大；在軍事武器，尤其導#彈上，光電計算會使得現有的導#彈速度再提升一個數量級，從而使無人系統更快、更小、更智慧。現在也在研究雲上的光電晶片、端側的光電晶片，如果光電智慧的晶片能研究出來，對新基建、工業網際網路、計算機視覺、光通訊和奈米級目標感知與識別這方面都能帶來非常大的作用，也是算力提升的一個最重要的方向。
二、演算法
演算法牽扯到我們的核心。要讓電腦像成人般下棋比較容易 , 讓它把一個東西放在一個桌子上也非常簡單。但是莫拉維克悖論指出，要讓電腦有如1歲小孩般的感知和行動能力卻是相當困難，甚至是不可能的。因此，如何實現高效，而且這個演算法還能解釋清楚，包括魯棒的新一代智慧，現在國內外都在研究。
腦科學對人工智慧演算法的啟示。人工智慧演算法的進步都離不開腦科學的積累和呈現，包括演算法層次的解釋、啟發卷積神經網路。Hubel 從1958 年發現簡單和複雜的細胞，發現視覺系統的卷積特性。還有一類，類腦計算、腦啟發、腦科學怎麼做的。上面是 1907 年脈衝神經元的認知問題；1981 年美國加州提出了單板模擬百萬神經元的計算，IBM 公司做了這方面的工作；直到現在，清華大學的專家都在類腦和存算一體上做了非常重要的工作。人工智慧演算法怎麼考慮，下面這些做人工智慧演算法的很多科學家都是認知科學家，而不是人工智慧的資訊科學家；上面腦觀測成果，腦科學為人工智慧啟示和認知科學家對人工智慧的理解搭建了橋樑。
整體分析可以看到，腦科學家對資訊傳遞機制、資訊解釋機制有一批獲諾貝爾獎；人工智慧方面，尤其是心理學家、認知科學家提出了一系列人工智慧的演算法，他們獲得了圖靈獎。所以人類如何思考和機器如何思考是有關係的，怎麼建立這樣一個恰當關係，是要研究的重要環節。大腦工作機理、資訊的傳遞，工作的功耗非常低，只有 20 瓦，怎樣找到新機制，找到新一代人工智慧演算法非常重要。從大機制來看，我們對神經細胞的理解，這時候是感知的智慧。現在大部分都透過核磁共振對宏觀影像理解，也就是現在提出的弱人工智慧，如果把這三個打通，從微觀、介觀到宏觀結合起來，對全腦的認知能不能做一個強認知智慧。這是整體的腦科學和機理建立起來，構建一個認知橋，多模態的觀測，透過先進神經技術，揭示腦結構、腦功能與智慧產生的多層次關聯與多模態影射機制，建立認知模型和類腦智慧體系。
美國 2016 年就啟動了一個阿波羅專案，1 億美金，3 個課題組共同聯合，有做機器學習，有做腦科學的，有做腦成像，有做腦機理，要做 1個立方毫米、10 萬神經元的解析，把它們的連線打通。上面是神經元模型，下面是機器學習模型，能不能揭秘對映關係。儘管斑馬魚、小鼠神經元都不同，斑馬魚才有 1 千神經元，果蠅不到 10 萬神經元，人類最多 8 百多億神經元，但是它們都具有通用智慧。所以通用智慧怎樣看待它對環節的理解，人對複雜環境的理解，斑馬魚對複雜環境的理解，生存的環境它們都能理解，因此都具備通用智慧。但是完全靠它很難解釋一個通用智慧的誕生。最近 IBM 用果蠅通用智慧方法研製了一套武器裝備系統。果蠅 10 萬神經元有 8 萬是視覺系統。研究符合人腦進化過程的新一代人工智慧理論體系能不能構建起來，這是大家要思考的問題。因此，我們對腦科學裡，尤其是機理做了分析，既有記憶痕跡假設，也有海馬體和記憶，一直到記憶與腦區的關係。透過記憶能不能構建起一個新的人工智慧演算法，這是另外一條通路，我們在做試驗。
於是提出了生物機制，包括記憶環路。如果記憶環路超出界限，我們用物理的熵平衡把這個機理建模，最後能不能提出一個新的人工智慧演算法，這是清華提出的人工智慧演算法框架。這裡需要反饋驗證，所以提出了生物科學機制的發掘，包括數學物理機制的約束，一直到新一代神經網路，這樣一個自學習的作用。這裡給出一個框架，科學家希望能在這個框架下研究演算法和工作。我們要做人工智慧新的演算法，一定要去打通腦科學機理；第二透過知識驅動和資料趨同共同構架一個架構，這是人工智慧演算法的初步分析。
三、測試
既然人工智慧演算法這樣做了，現在我們一直要想到，演算法好、演算法壞是不是應該測試一下。所以，人工智慧從 2016 年到未來這一段時間發展非常快，各種遊戲、工具，以及各種與人類相關的這種工作都被人工智慧取代。但是，這些東西能不能做的更好，是不是已經完結，需要做一套測試。圖靈首先給出了一個測試判斷人工智慧的水平。第一代圖靈測試進行過分析，圖靈測試的提出，包括到 1986 年早期自然語言處理，到現在程式首次透過了圖靈測試，人工智慧終於能像人類一樣學習並透過了圖靈測試。第二代有很多科學家都在研究圖靈測試，對深度網路怎麼測試，現在已經從通用測試到專用測試，具有了測試機器常識推理的能力，透過標準考試的能力。以前是給一個通用測試，70%，現在通用智慧測試不能起作用，專用測試神經網路抽象推理能力。這是第二代，專用測試。
新一代圖靈測試，現在講新一代的認知智慧，從專用智慧要走向通用智慧，以前我們所提到的圖靈測試還能夠測試認知智慧嗎？這又提出了一個新問題，也是一個新方向。我們從腦、認知、智慧，人工智慧理論從區域性發展到全域性發展，怎麼做這樣的測試，這是需要挖掘和發展的。如何實現具有功能識別、邏輯還能推理、認識還能決策的新一代認知智慧，要達到這三個要素，我們稱為新一代人工智慧特徵。
我們測試什麼，按照功能識別、邏輯推理和認知決策這三方面測試，可以分佈測試也可以整體測試，這是對新一代人工智慧提出的目標和要求，給出新的測試方向。我們以前做認知智慧時，微觀、宏觀和全腦的介觀尺度觀測，類腦計算技術起到很大作用，也對測試帶來了新挑戰。大腦的資訊 80% 來自視覺，包括人類獨有的語言功能，感知外界環境，理解建模外界環境，與外界環境互動，怎樣做決策、記憶與學習，感知世界、理解世界是人工智慧最重要的目標。從這裡大家可以看到，多模態迴路觀測技術揭示了腦結構、腦功能與智慧產生的多層次關係，所以認知測試應該是未來一個新方向。新一代圖靈測試邏輯推理，功能識別到認知決策，目前部分方面國際上已經做了很多貢獻，也在初步發展這條路徑。希望在座的，包括科學家、包括產業界都能夠在圖靈測試上發掘一些力量。
最後總結一下。在算力上包括光電計算在這裡起到很大作用，從演算法上我們更希望能不能更接近、更逼近本原的認知計算理論與方法；第二，腦科學啟發人工智慧；第三，認知測試層面，能不能提出新一代圖靈測試，功能識別、邏輯推理、認知決策這方面給出一個新方向。
（本報告根據速記整理）