華為戰略研究院院長周紅：AI還面臨三個重要挑戰
分類: 最新資訊
竅門詞典
編輯 : 竅門大全
發布 : 04-22
閱讀 :90
4月19日消息，今天華為第二十屆分析師大會召開。華為戰略研究院院長周紅分享了人類面向智能世界需要解決的兩大核心問題，未來通信和未來計算。在談到AI話題時，周紅認為，AI還面臨著三個重要的挑戰：AI的目標定義、正確性與適應性、以及效率。AI面臨的第一個挑戰，是缺乏共識的目標定義。杜克大學的物理學家Adrian Bejan教授在《生命的物理學》書中，列出了對智能的二十多種目標定義，有的強調理解和認知能力、有的強調學習和思考能力、有的強調適應和行動能力等等。“如果沒有定義清楚并達成共識，就很難確保AI發展的目標與人類一致，也很難合理地分類和科學地計算。人工智能在歷史上有不同的流派，例如符號主義、貝葉斯主義、進化主義、行為主義，以及連接主義等，它們還沒有很好地融合起來，我認為缺乏共識的目標定義是重要的原因之一。”其次，當前很多AI應用中，存在正確性和適應性的挑戰。周紅舉例道，用統計和相關計算模式來識別香蕉，如果在香蕉邊上放一些其他圖片，識別結果可能從香蕉變成烤箱，中間還有一定的比例是鼻涕蟲；熊貓圖片加上一些肉眼幾乎不可見的小噪聲，也可能被識別成長臂猿。這些圖片用人眼來看是一目了然的，但是人工智能為什么會犯錯，這很難解釋。因為AI的能力分布在巨大的參數中，出了這些問題，我們既無法解釋、也難以調試。第三個挑戰是AI的效率。首先看能效，從2022年第60屆全球超級計算機Top500中看到，排名第一的Frontier，計算性能約1102PFLOPS，能耗是2千1百萬瓦；排名第二的Fugaku，計算性能約442PFLOPS，能耗是3千萬瓦，而相比之下，人腦只需要約20瓦就能等效實現30PFLOPS的計算性能。可見當前這些超級計算機單位能量的計算效率，要比人腦低大約三萬倍到十萬倍；其次看數據效率，除了通過從大數據中得到統計規律，來認識和理解世界外，能不能從小數據中進行思考，發現邏輯性，形成概念，抽象出原則？面對這三個挑戰，周紅建議發展感知與建模、知識自動生成、求解與行動三個核心部分，通過從多模態感知融合與建模，到“知識+數據”驅動的決策，實現更高正確性與適應性的自主智能系統。周紅認為， 在走向智能社會的過程中，可能有超過百倍、甚至千倍的信息需求增長，現有的很多理論和技術已經遇到瓶頸，難以支持未來的發展，因此我們積極推動科學假設與商業愿景牽引的創新，在通信上，大膽探索有別于香農定理的前提條件和應用場景；在計算上，進一步明確人工智能的目標定義、提升正確性、適應性和高效性。（靜靜）
