Science×之江實(shí)驗(yàn)室 | 智能計(jì)算領(lǐng)域十大科學(xué)問(wèn)題

來(lái)源：之江實(shí)驗(yàn)室 時(shí)間：2022-10-21 15:13:22 作者：

　　近日，之江實(shí)驗(yàn)室與Science《科學(xué)》聯(lián)合征集并篩選出的10個(gè)被認(rèn)為最深刻、最具挑戰(zhàn)性的問(wèn)題，已在Science《科學(xué)》期刊出版。

　　智能計(jì)算是支撐萬(wàn)物互聯(lián)時(shí)代數(shù)字革命的新型理論方法、架構(gòu)體系和技術(shù)能力的總稱。其核心是綜合運(yùn)用智能技術(shù)和計(jì)算技術(shù)，對(duì)計(jì)算的基礎(chǔ)理論方法、軟硬件架構(gòu)體系、技術(shù)應(yīng)用支撐等進(jìn)行系統(tǒng)性、變革性的創(chuàng)新，形成強(qiáng)智能、大算力、高能效、高安全的計(jì)算能力和普惠泛在、隨需接入的服務(wù)能力，為智慧社會(huì)的數(shù)字能力建設(shè)提供基礎(chǔ)性支撐。

　　為推動(dòng)智能計(jì)算的發(fā)展，指引未來(lái)智能計(jì)算的研究，之江實(shí)驗(yàn)室與Science《科學(xué)》自2022年5月面向全球聯(lián)合征集了對(duì)未來(lái)智能計(jì)算研究具有重大意義的基礎(chǔ)性科學(xué)問(wèn)題。

　　李德毅院士、王懷民院士、朱世強(qiáng)教授、蔣田仔院士、陳怡然教授、于非院士、趙志峰研究員、Ajey Jacob博士等海內(nèi)外專家總結(jié)、提出了以下10個(gè)被認(rèn)為最深刻、最具挑戰(zhàn)性的問(wèn)題。

　　1. 如何定義智能，如何建立智能計(jì)算的評(píng)價(jià)和標(biāo)準(zhǔn)體系？

　　廣義地說(shuō)，智能是分析輸入的數(shù)據(jù)并對(duì)其做出適當(dāng)反應(yīng)的能力。許多人說(shuō)，一個(gè)真正的智能系統(tǒng)應(yīng)該能夠適應(yīng)它的環(huán)境——進(jìn)行學(xué)習(xí)、推理和進(jìn)化。然而，如何知道這種定義是否適用于任何給定的系統(tǒng)呢？

　　一個(gè)系統(tǒng)是否智能的傳統(tǒng)評(píng)估方法是圖靈測(cè)試——人能否分辨出這個(gè)系統(tǒng)是人類還是計(jì)算機(jī)？還有一些較弱的指標(biāo)，比如判斷系統(tǒng)是否準(zhǔn)確地執(zhí)行了指定的任務(wù)，或者是否可以在訓(xùn)練過(guò)的數(shù)據(jù)之外進(jìn)行泛化。評(píng)價(jià)的規(guī)則應(yīng)取決于考慮了公平和透明度的更廣泛的社會(huì)背景。

　　是否可以建立一個(gè)智能計(jì)算的標(biāo)準(zhǔn)體系仍然是一個(gè)開(kāi)放的問(wèn)題，因?yàn)樯踔翛](méi)有一個(gè)普遍認(rèn)可的度量標(biāo)準(zhǔn)來(lái)進(jìn)行討論。與一個(gè)系統(tǒng)相關(guān)的規(guī)則可能與為另一個(gè)系統(tǒng)建立的規(guī)則發(fā)生沖突，建立該系統(tǒng)的基礎(chǔ)可能會(huì)發(fā)生變化。

　　2. 模擬計(jì)算是否存在統(tǒng)一的理論模型？

　　模擬計(jì)算用硬件來(lái)模擬算法，測(cè)量如電壓、光強(qiáng)等連續(xù)信號(hào)。它在解決特定問(wèn)題上具有耗能低、運(yùn)算效率高的優(yōu)勢(shì)。但很多年前，隨著數(shù)字計(jì)算的出現(xiàn)（計(jì)數(shù)取代了測(cè)量），模擬計(jì)算就不再受歡迎了，部分原因是當(dāng)時(shí)很難擴(kuò)大其規(guī)模，也很難驗(yàn)證模擬系統(tǒng)。

　　然而，由于模擬計(jì)算能夠模擬生物網(wǎng)絡(luò)的組成部分，如突觸和神經(jīng)元，模擬計(jì)算已經(jīng)開(kāi)始了復(fù)興。不同的算法和平臺(tái)已經(jīng)發(fā)展起來(lái)，都試圖在模擬領(lǐng)域建立更有效的測(cè)量方法。

　　但是，目前使用多種物理載體和計(jì)算方法進(jìn)行仿真和計(jì)算是一種不完善的實(shí)踐。它需要一個(gè)統(tǒng)一的理論模型，以促進(jìn)其標(biāo)準(zhǔn)化和大規(guī)模應(yīng)用。

　　3. 計(jì)算領(lǐng)域的重大創(chuàng)新將從何而來(lái)，量子計(jì)算的計(jì)算能力是否會(huì)接近人腦的計(jì)算能力？

　　硬件和軟件的聯(lián)合設(shè)計(jì)和共同進(jìn)化很可能成為重大計(jì)算進(jìn)步背后的驅(qū)動(dòng)力。創(chuàng)新來(lái)自各個(gè)層面：我們幾乎每年都能看到具有獨(dú)特性能的新興設(shè)備取得突破。這些創(chuàng)新驅(qū)動(dòng)著它們集成到電路中，分級(jí)系統(tǒng)中以及被部署的算法和應(yīng)用中，同時(shí)，如何進(jìn)行集成也在驅(qū)動(dòng)著創(chuàng)新。

　　一些新設(shè)備可能對(duì)傳統(tǒng)計(jì)算沒(méi)有用處，但可能使神經(jīng)網(wǎng)絡(luò)變得高效，而新的計(jì)算模型可能需要非傳統(tǒng)的硬件支持。例如，需要新的架構(gòu)來(lái)模擬星形膠質(zhì)細(xì)胞的行為。星形膠質(zhì)細(xì)胞被發(fā)現(xiàn)在認(rèn)知中起著重要作用，與神經(jīng)元有很大的不同。

　　量子計(jì)算機(jī)的操作方式與通用計(jì)算機(jī)不同。它們的發(fā)展仍處于早期階段——目前它們主要用于大數(shù)分解等領(lǐng)域，如加密。他們是否有朝一日能夠模擬認(rèn)知計(jì)算，甚至人腦的情感能力，目前仍是一個(gè)熱門的研究問(wèn)題。

　　4. 哪些新器件將被制造（晶體管、芯片設(shè)計(jì)和硬件范式：光子學(xué)、自旋電子學(xué)、生物分子、碳納米管）？

　　在納米尺度上，這些器件已經(jīng)存在，或者正在被積極研究，而且有可能進(jìn)一步擴(kuò)大規(guī)模。關(guān)鍵是讓它們變得更好，并更好地利用它們。

　　例如，有許多器件是基本的電阻，它們可以被編譯成電平，這些電平被存儲(chǔ)和傳輸。各種各樣的技術(shù)——電子學(xué)、光子學(xué)等——都可以表現(xiàn)出非常相似的行為。這些行為很像大腦中的突觸，因?yàn)樾盘?hào)可以被傳輸、放大或衰減，并且激發(fā)的信號(hào)可以被整合起來(lái)，產(chǎn)生突觸波形。這將成為通用設(shè)備的基礎(chǔ)。

　　一個(gè)問(wèn)題是如何結(jié)合多個(gè)物理維度（如波長(zhǎng)和偏振模式）來(lái)開(kāi)發(fā)相應(yīng)的光電互連器件。功率、性能、面積和成本問(wèn)題需要被解決，以擴(kuò)大技術(shù)規(guī)模并使其逐步發(fā)展。

　　5. 智能計(jì)算如何使智能機(jī)器成為可能？

　　專業(yè)術(shù)語(yǔ)「機(jī)器」是「計(jì)算」的基本概念。一臺(tái)機(jī)器，無(wú)論智能與否，主要有三個(gè)組成部分：一個(gè)收集外部激勵(lì)（數(shù)據(jù)）的傳感器，一個(gè)存儲(chǔ)傳感器收集來(lái)的信息的存儲(chǔ)器，以及一個(gè)從存儲(chǔ)器收集數(shù)據(jù)并對(duì)其進(jìn)行推理，采取行動(dòng)或發(fā)送信號(hào)的邏輯單元。

　　智能機(jī)器將進(jìn)行智能計(jì)算。接下來(lái)的問(wèn)題是，我們是否可以創(chuàng)建一個(gè)智能計(jì)算范式。

　　6. 如何基于數(shù)字孿生腦理解記憶存儲(chǔ)與提??？

　　記憶存儲(chǔ)和檢索的時(shí)空動(dòng)力學(xué)機(jī)制表明了記憶的高度可控性，為修復(fù)記憶的損傷帶來(lái)新希望。然而，腦網(wǎng)絡(luò)協(xié)同性和動(dòng)態(tài)性阻礙了對(duì)記憶復(fù)雜屬性的探索。

　　研究人員已經(jīng)創(chuàng)建了不同器官的數(shù)字孿生體，包括大腦在內(nèi)。為研究阿爾茨海默病和癲癇等疾病，研究人員建模和仿真了它們的多尺度結(jié)構(gòu)和功能。雖然這些仿真被認(rèn)為比模擬人的記憶要簡(jiǎn)單得多，但它們確實(shí)證明了一個(gè)概念。數(shù)字孿生腦將使研究人員突破現(xiàn)有記憶、以及其病理和調(diào)制的研究的時(shí)空尺度和準(zhǔn)確性的限制。

　　記憶是感覺(jué)、情感、觀念和運(yùn)動(dòng)之間的聯(lián)系。因此，即使我們成功復(fù)制了整個(gè)大腦，我們也不能忽視這些聯(lián)系。

　　7. 硅基計(jì)算和碳基計(jì)算最高效的融合途徑是什么？

　　現(xiàn)代計(jì)算機(jī)是20世紀(jì)最重要的創(chuàng)新之一，依托硅基芯片應(yīng)運(yùn)而生，運(yùn)行速度快且計(jì)算準(zhǔn)確。目前，我們通過(guò)如鍵盤和屏幕的人機(jī)交互（MMI）完成計(jì)算機(jī)操作。MMI是硅基和碳基計(jì)算融合的最初階段。

　　如今，硅基計(jì)算開(kāi)始逐漸到達(dá)物理極限，且需消耗大量電能但卻缺乏智能。而與此同時(shí)，生物大腦是碳基計(jì)算的一種高級(jí)形式，聰明智能，且具備適應(yīng)能力強(qiáng)和效能高等特點(diǎn)。相較之下，其缺點(diǎn)是計(jì)算速度較緩，準(zhǔn)確度較低。我們需要一種融合硅基、碳基計(jì)算的計(jì)算新范式。

　　至少有三條途徑可以實(shí)現(xiàn)該種計(jì)算融合：

　　第一條路徑是腦啟發(fā)的硅基計(jì)算：我們可以通過(guò)制造不同種類的硅基芯片來(lái)模仿大腦的工作機(jī)理。我們所要做的是更全面、更深入地了解人類和動(dòng)物的大腦。

　　第二條路徑是制造硅基和碳基組件相融合的新型計(jì)算芯片。我們所要做的是為該種新型計(jì)算芯片上碳基單元的生產(chǎn)、控制和演變，創(chuàng)造與研發(fā)新的革命性技術(shù)。

　　第三條路徑是將人與計(jì)算機(jī)更緊密、更有效地連接起來(lái)——人和機(jī)器可以實(shí)時(shí)、同步、無(wú)縫地協(xié)同計(jì)算與思考。我們需要?jiǎng)?chuàng)造先進(jìn)的腦機(jī)接口（BMI）和其他類型的新型MMI。

　　總而言之，在硅基碳基計(jì)算融合的領(lǐng)域，我們需要更全面、更深入的探索與研究才能找到最有效的實(shí)施途徑。

　　8. 如何構(gòu)建可解釋和高效的AI算法？

　　具有可解釋性的高效人工智能（AI）算法一直是人們追求的目標(biāo)。張量網(wǎng)絡(luò)等新的數(shù)學(xué)方法，以及專家知識(shí)、邏輯推理和自主學(xué)習(xí)的有效整合，能否解決人工智能技術(shù)中可解釋性與效率的困境？

　　這種整合是否會(huì)打破現(xiàn)有深度學(xué)習(xí)作為「黑箱算法」的現(xiàn)狀，建立可用于不同領(lǐng)域、不同場(chǎng)景（語(yǔ)音、圖像、視頻、數(shù)字孿生、元宇宙等）的新一代可解釋方法體系？

　　9. 能否實(shí)現(xiàn)具備自學(xué)習(xí)、可演化、自反思特征的強(qiáng)智能計(jì)算？

　　智能計(jì)算的目標(biāo)是在人機(jī)物三元融合空間中，高效自主地解決大規(guī)模復(fù)雜問(wèn)題。使用弱智能的方法能在一定程度上獲得此類問(wèn)題的良好結(jié)果，但本質(zhì)上，其嚴(yán)重依賴人工預(yù)設(shè)的物理符號(hào)系統(tǒng)、神經(jīng)網(wǎng)絡(luò)模型、行為規(guī)則集合等人類先驗(yàn)知識(shí)的定制化輸入。

　　強(qiáng)智能計(jì)算可以根據(jù)輸入和環(huán)境而動(dòng)態(tài)變化。在不同的背景中，系統(tǒng)具有自學(xué)習(xí)能力可以避免重復(fù)輸出先前的內(nèi)部狀態(tài)，具有可演化能力可以自適應(yīng)地改進(jìn)系統(tǒng)的架構(gòu)模式，具有自反思能力可以根據(jù)歷史任務(wù)求解的經(jīng)驗(yàn)擴(kuò)展模型的泛化性。

　　因此，研究更高階復(fù)雜度的計(jì)算理論，探索解決重大的科學(xué)難題的自動(dòng)化方法構(gòu)造范式，讓計(jì)算機(jī)自主進(jìn)行任務(wù)理解和分解、動(dòng)態(tài)優(yōu)化路徑構(gòu)建、內(nèi)核模型演化發(fā)展，是未來(lái)智能計(jì)算的重大科學(xué)挑戰(zhàn)之一。

　　10. 如何利用真實(shí)世界數(shù)據(jù)發(fā)現(xiàn)和歸納知識(shí)？

　　在計(jì)算領(lǐng)域有一個(gè)重要的爭(zhēng)論，即機(jī)器學(xué)習(xí)是否能真正概括，或只是以更有效的方式簡(jiǎn)單重申已知的東西。能夠識(shí)別測(cè)試集中的對(duì)象或標(biāo)簽可能是有爭(zhēng)議的，無(wú)非是說(shuō)這個(gè)對(duì)象與最初用來(lái)定義它的對(duì)象具有足夠多的共同特征。

　　因此，智能計(jì)算需要以主動(dòng)的、啟發(fā)式的、開(kāi)放的智能形式完成原本由人預(yù)定義邏輯執(zhí)行的計(jì)算任務(wù)，同時(shí)，這一計(jì)算的效果需要在真實(shí)世界中得到驗(yàn)證。

　　知識(shí)發(fā)現(xiàn)是知識(shí)驅(qū)動(dòng)應(yīng)用的前提，也是人工智能強(qiáng)弱區(qū)分的重要指標(biāo)。真實(shí)世界數(shù)據(jù)的知識(shí)發(fā)現(xiàn)問(wèn)題是智能計(jì)算要解決的重大科學(xué)問(wèn)題。

　　在開(kāi)放世界的計(jì)算中主動(dòng)式、啟發(fā)式的感知異常、發(fā)現(xiàn)規(guī)律、歸納知識(shí)，通過(guò)有限狀態(tài)機(jī)解決邏輯執(zhí)行程序的局限性，是智能計(jì)算的重要任務(wù)和里程碑事件。

　　特此致謝

　　（以姓名英文首字母為序）

責(zé)任編輯：藺弦弦