当前位置: 首页 > 科技赋能

引领场景通用AI时代

时间:2024-05-22 10:36:26 科技赋能

从互联网时代到智能硬件时代,技术发展与商业模式创新始终相互影响。

技术发展会促进商业模式创新,商业模式创新也会影响技术发展。

但一旦技术发展不足以支撑商业模式创新,商业模式创新就会陷入停滞。

商业模式创新将持续发生,直到下一波技术革命到来。

从“物联网”到“万物互联”,海量数据产生,简单的触摸屏交互已经无法满足用户多样化的输入需求。

受技术发展因素影响,商业模式创新开始停滞。

在这种情况下,人工智能技术一旦取得突破,商业模式就能实现创新发展,随之而来的将是巨大发展潜力的市场空间。

如今,Web 2.0时代互联网产品现有技术已经不能满足商业模式的创新需求。

未来,要想创新商业模式,必须依靠不断完善的技术,人工智能将成为重要支撑。

近十年来,人工智能未来的硬件架构主要集中在信息处理层面。

基于此,我们将这个时代称为“大数据时代”或者“数据爆炸时代”。

未来,这种大数据时代诞生的信息处理能力将出现发展瓶颈。

届时,计算机科学研究的重点将转向“突破计算机当前计算能力的极限”,也就是颠覆冯·诺依曼的硬件架构。

在人工智能技术的支持下,颠覆冯·诺依曼的硬件架构将从底层硬件架构的改变开始。

届时,硬件模型将摆脱对云计算的依赖,人工神经网络将直接从芯片层面进行模拟,构建完整的硬件大脑。

这个想法或许是人工智能在硬件设备领域的最终解决方案。

从目前的技术层面来看,虽然这个想法的实现还需要很长的时间,但它的大体方向已经显现。

(1)人脑芯片 今年8月,IBM宣布三星电子生产、IBM与纽约康奈尔大学联合设计的百万神经元类人脑芯片TrueNorth获得巨大成功。

IBM的人脑芯片研发项目于2001年开始,美国五角大楼高级项目研究局投资1万美元。

时隔六年,这款集成1万个神经元、2.56亿个突触的芯片终于面世。

这种芯片与拥有数亿个神经元和不可估量的突触的人脑相比还很遥远,但已经非常接近蜜蜂的大脑了。

现阶段,这款芯片可以以每瓦每秒数十亿个突触的速度运行,并且可以像人脑一样检测和识别物体。

简单来说,这款芯片在运行过程中,可以通过检测和识别模式将一些字母连接在一起,拼凑出完整的单词和句子并进行识别。

总体来说,这类应用比较简单,很难在商业领域使用,距离商业智能的实现还有很大差距。

除了IBM的TrueNorth芯片外,英特尔、高通等公司也有自己的芯片设计。

他们的芯片设计受到了工程师的高度赞扬,被称为“神经拟态”。

未来,以TrueNorth为代表的二进制芯片将被能够模拟人脑连接功能的芯片产品所取代。

当然,这个想法能否实现取决于能否找到正确的神经元结构,研究过程也将需要较长的时间。

(2)量子计算 目前常见的计算机都是借助晶体管电路来存储数据,这些电路都是二进制的,只能完成一些简单的建模和计算。

面对复杂的建模和计算,他们常常显得无能为力。

量子计算机很好地弥补了普通计算机的这一缺点。

他们利用粒子的量子态来存储数据,利用量子算法来操纵数据,利用量子逻辑来完成一般计算。

其强大的并行计算能力可以显着提高计算机的计算速度。

谷歌在量子计算机研究方面做出了杰出贡献。

秉承“让机器人像人类一样独立思考”的理想,谷歌开始与科学家合作研究量子计算机的处理器。

这项研究是否成功现在还无法预见,只能在未来确定。

(3)目前基于通用CPU和GPU的仿生计算机形成的处理神经网络运行效率低。

以谷歌大脑为例。

Google Brain 有 16,000 个 CPU。

完成识别动物面孔的无监督学习训练需要 7 天。

而且,谷歌大脑的数亿个突触仍然远远落后于人脑的数万亿个突触。

另外,基于CPU和GPU的通用处理器占用面积大,散热功能差,在建设数据中心时消耗大量电力。

普通互联网公司根本无法承担如此大的成本。

面对这些问题,专门的神经网络处理器成为了各个互联网公司的必备设备。

仿生计算机就是为了解决这个问题而诞生的。

通过仿生计算机,可以有效解决构建大规模人工神经网络的问题。

目前,在中国,陈云骥团队已经开发出了基于仿生学原理的神经网络计算机。

计算机不需要访问内存,大大减少了通信时间(至少90%),并且可以支持现有的主流机器学习算法。

与那些主流GPU相比,寒武纪神经网络计算机性能比提升了21倍,性能功耗比提升了一倍。

从专用智能到通用智能 专用智能时代,人工智能技术只能应用于特定领域和场景。

例如,绿神通的计算机视觉技术只能应用于安防监控领域。

如果应用在商场,其三维摄像头将无法识别顾客的基本特征,也无法根据顾客的停留时长来分析其消费情况。

偏好,更不用说以此为基础进行精准营销了。

无论是安防监控领域的违法行为识别与响应,还是商场领域的顾客消费行为识别与响应,其基础都是计算机视觉技术。

然而,在专用智能时代,由于计算能力和建模能力不足,人工智能技术只能应用于特定领域,无法跨场景应用。

未来,随着人工智能技术的发展,当专业智能时代进入通用智能时代时,人工智能技术的普遍适用性将大大提高(图1)。

届时,普通监控摄像头+计算机视觉云平台将能够在任何场合识别人群并根据用户需求进行分析和决策。

图1 人工智能技术发展趋势 如今,通用智能时代离我们还很遥远。

要从专用智能时代迈向通用智能时代,必须在计算资源层面超越当前的能力上限;我们必须在计算机建模层面突破离线深度学习算法的限制,真正实现“机器人像人类一样思考”。

在跨场景通用人工智能时代,应用层企业进入门槛最低,平台企业进入门槛最高,技术细分龙头企业进入门槛中等。

这意味着,届时,应用层企业之间的竞争将会非常激烈。