张亚勤:对于产业来讲,深度学习的黄金时代刚刚开始
大数据文摘出品
由中国计算机学会(CCF)举办的计算领域年度盛会CNCC 2020今天在北京隆重开幕,大会主题是“信息技术助力社会治理”。
大会设有14个特邀报告、3场大会论坛、百余场技术论坛以及CCF CTO峰会等多场活动,邀请到超过400位国内外计算机领域知名专家、企业家到会演讲。
值得一提的是,本次CCF还邀请到清华大学智能科学讲席教授、清华大学智能产业研究院的院长、IEEE fellow和美国艺术科学院院士张亚勤,在他去年9月正式从百度离职后,终于再度回归到大众的视线。
今天,张亚勤教授在CNCC 2020上带来以“智能技术趋势”为主题的演讲,随着数字化3.0的到来,张教授重置技术与工业的角度讨论数字化的新浪潮,并分享了他在人工智能、新计算体系和通讯架构等方面的见解。
以下内容在张亚勤教授的演讲基础上略有改动。
数字化新浪潮带来了历史性的变革:一切都在数字化
张亚勤表示,随着数字化3.0的到来,未来十年许多行业都将经历构造转变。这场数字化的新浪潮提供了历史性的机会,可以通过先进的机器学习算法,增强的计算能力,5G的新基础设施,神经形态计算来改变现有的工业格局。
过去我们做计算机最大的现象是数字化,数字化1.0在80年代中期就开始了,那个时候更多的是把内容数字化,有语音、音乐、视频、图像,包括后面的HDTV和Video,整个发展相当快。
数字化2.0在90年代中期开始,由于内容数字化,产生了消费者互联网,掀起了好几轮浪潮。同时企业也在数字化,包括ERP、CRM、工作流以及商业智能,到了后面有各种数字仓库、云,各种各样。但在软件领域,消费软件产品市场在中国一直没有真正到一个主流。
现在进入全新的数字化3.0,包括互联网物理化。首先是物理世界数字化,我们的车、船,飞行器件数字化,路、交通等,城市在数字化,家庭在数字化,工业、车间、电网、机器,乃至货币都在数字化,可以看到物理世界和数字世界形成一对一的影射。过去我们讲数字高速公路,现在真的高速公路也变成数字。
可以看到,由于物理世界数字化,产生的信息量和数据达到了天文级,比如无人车,每个人每天可以产生10个T的数据。另外一个特点就是,现在数据大部分不是给人看,而是让机器做决策,比如无人驾驶。
不像第一代和第二代,我们的生物世界也在进行数字化,大脑、身体,每个器官,甚至包括DNA还有蛋白质,通过脑和世界的接口,这个数据量更大,比我们物理世界更大。这个容量级很难用正常的方式去处理计算。
现在这个世界是信息物理和生物世界的融合,先是数字化,然后连到一起,最后才是智能化。
AI变革带来产业新机遇
5G出现之后,的确带来很多新的可能。5G是第一次把三网真正在应用层统一了,这是一件大事,5G让传输的速度更快、延迟更低。
任何新的技术需要时间,大家要有一些耐心,5G刚刚发展速度就已经很快了,张教授表示相信在未来三到五年5G能够带来巨大的变革,不仅是对用户,更多的是对于工业和产业。
张教授还用两张图举了两个例子,一是百度昆仑芯片路线图,第一代昆仑AI芯片已经达到14nm工艺、2.5D封装、512G的带宽。明年会出来第二代,7nm,耗能减少很多,性能将提高3倍左右。
另外一个例子是地平线自动驾驶芯片的路线图。可以看到,随着Level的提升,规划越来越困难,需要很强的功能,很好的稳定性。地平线在这方面做了很多的工作,芯片不管是从质量、性能、耗能上都和现在的国际芯片(像特斯拉的SSD)达到同样的性能,甚至更好。
我们可以看到,技术的发展确实给IT产业以及很多行业带来了新的机遇。首先IT产业本身是最大的受益者。不管是芯片技术、操作系统、云平台还是应用,都在不断的快速迭代。更重要的是,它改变甚至颠覆了目前的产业,教育、医疗、金融、制造,每个行业都会有AI的成分。
如今的AI就像20年前的互联网,能够融入到每个行业。
再有就是创造新的行业。张亚勤教授认为自动驾驶、工业物联网、AI医疗生物计算,这三个领域很有潜力,他自己也比较有兴趣。
最后,张亚勤提到,希望他成立的智能产业研究院能够成为国际化、智能化、产业化的应用研究机构,能够吸引与培养出有国际视野的CTO和顶级的架构师,并利用核心技术突破孵化出一些新企业。
寻找下一轮AI的突破口;对于产业来讲,深度学习的黄金时代刚刚开始
下面这张图涵盖了人工智能60年上下。可以看到,在左半部分讲到人工智能发展的不同流派,未来最大的可能是借各种流派之长,创造新的一些算法,有逻辑符号也有数据和知识,要借鉴人类的进化,大脑的特点。
现在,不管是做研究的也好,做产业的也好,都在思考下一轮人工智能突破在什么地方,特别是现在深度学习,经过十几年的研究和应用,已经到了一个稳定期。现在主要的发展不仅是靠算法,更多的靠计算的算力。
张亚勤教授认为,在研究方面、算法方面,还有一些可挖掘之处,但是已经到了相对平台期。不过对于产业来讲,深度学习的黄金时代才刚刚开始,还有至少十年的时间可以深入到每个不同的行业里。
他还在演讲中提到,人工智能当下遇到的挑战主要是隐私、数据保护和伦理工作。前段时间,张教授在美国碰到一个小团队在做通用人工智能。他们的主要的任务是创造一个有自主意识的AI。他自己表示坚决反对。
我们再看看最基本的东西,计算和通讯基本的范式。
第一是香农定律,包含三个方面,熵、信道容量和速率编码。定义了三个极限,无损压缩极限,信道传输极限,有损压缩极限。现在这几部分基本上都快接近极限了。
第二个是冯诺伊曼架构,做计算机60年来都采用这个架构。冯诺伊曼架构相当简单和漂亮,就是一个程序储存的原理。但在这几年,特别是在深度学习上已经有了很大的限制。
第三个是摩尔定律,想必这个大家都比较熟悉,原来摩尔定律中提到的每18个月、24个月的发展速度也降下来了。
我们需要突破这三个瓶颈。
要让新的计算体系和通讯架构突破体系架构的限制。深度学习需要新的架构,架构包括数据流、计算模式。深度学习领域需要很多优化,还有高速的储存。这些东西和传统的架构不一样。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
张亚勤:对于产业来讲,深度学习的黄金时代刚刚开始相关推荐
- 深度丨全球14家顶尖 AI 产业巨头深度学习实力及战略分析
文章来源:新智元 长期以来,我一直在努力理解深度学习的研究发展.我使用的方法论是模式设计编目(cataloging of Design Patterns),它对于分析这个复杂程度不断增长的领域相当有效 ...
- 百度CTO王海峰:深度学习平台+大模型,夯实产业智能化基座
2月27日,中国人工智能学会首届智能融合产业论坛在成都顺利举办.本届论坛由中国人工智能学会(CAAI)主办,中国人工智能学会智能融合专委会.百度公司.深度学习技术及应用国家工程研究中心和电子科技大学联 ...
- 夯实产业智能化基座,OpenI/O 2020启智开发者大会纵论深度学习
点击左上方蓝字关注我们 当科技与生活无可割离的交融,深度学习正推动AI步入工业化大生产阶段,加速产业智能化进程的同时,给各产业带来了巨大的增值空间和机遇. 在此时代潮流中,在此时代潮流中,超算与云计算 ...
- 年末最大AI盛典!2020深度学习开发者峰会报名启动
怎样的冬日,才是最美好的呢?白居易说:"绿蚁新醅酒,红泥小火炉".而对于开发者来讲,自然便是"WAVE SUMMIT+,狂欢与AI". 没错,就在12月20日, ...
- 实录丨戴琼海:深度学习遭遇瓶颈,全脑观测启发下一代AI算法
2020-09-03 20:03:00 目前我们还无法精细到神经元级别的观测,只能从功能层面理解大脑,但这些成果也启发了很多经典的人工智能算法,例如卷积神经网络启发自猫脑视觉感受野研究,胶囊网络启发自 ...
- AI Studio 飞桨 零基础入门深度学习笔记1-深度学习的定义
AI Studio 飞桨 零基础入门深度学习-笔记 人工智能.机器学习.深度学习的关系 机器学习 机器学习的实现 机器学习的方法论 案例:牛顿第二定律 确定模型参数 模型结构介绍 深度学习 神经网络的 ...
- 用深度学习LSTM炒股:对冲基金案例分析
英伟达昨天一边发布"全球最大的GPU",一边经历股价跳水20多美元,到今天发稿时间也没恢复过来.无数同学在后台问文摘菌,要不要抄一波底嘞? 今天用深度学习的序列模型预测股价已经取得 ...
- 涨姿势!用深度学习LSTM炒股:对冲基金案例分析
大数据文摘作品 编译:王一丁.修竹.阮雪妮.丁慧.钱天培 英伟达昨天一边发布"全球最大的GPU",一边经历股价跳水20多美元,到今天发稿时间也没恢复过来.无数同学在后台问文摘菌,要 ...
- 聚焦WAVE SUMMIT 2021,大咖齐聚共研深度学习
自2016年百度飞桨PaddlePaddle正式开源起,中国深度学习AI智能的大门就己经被打开,同时随着国内AI产业化的不断发展,时至今日,国产深度学习框架也是再次迎来了国潮新典范. 所以今年的5.2 ...
最新文章
- 档案盒正面标签制作_2020昆明大学档案盒价格价格行情
- python排序链表_合并K个排序链表
- java中的类加载器有,Java自定义的类加载器,java自定义加载,在java中类加载器有以...
- ArrayDeque 双端队列
- 神州八号利用计算机,说到科技,我想大部分的人想到的是神州八号
- 和yupeng的讨论
- python 爬取历史天气
- GIS相关网站、社区、论坛收藏
- libyuv NV12裁剪
- 计算机熵的定义是,信息熵
- 树莓派Pico上手初体验,Hello world 双核MCU
- 给个华为服务器账号和密码忘了怎么办啊,华为路由器登陆用户名和密码忘了怎么办?...
- 深度学习的简介、领域、框架和实际应用概述
- 炸了!3年图片都没了!
- python输出图片到word_python将文本转换成图片输出的方法
- 【Python机器学习及实践】进阶篇:模型实用技巧(特征提升)
- 本科毕业设计(论文)外文翻译--采用多病人协调器集设计方法的远程温度监测装置
- 程序员也要懂点法律--专栏《白话法律42讲》学习总结
- ROS wiki系列|通过ROS wiki-tutorials学习服务和参数
- z-index设置说明
热门文章
- CentOS+Nginx+uWSGI+Python多站点环境搭建
- 华为CodeCraft2017算法结果检查工具(包含测试用例展示)
- 图像生成之扩散模型:靠加入类别条件,效果直达SOTA
- 独家 | 利用Omniverse Code应用开展虚拟宇宙的未来
- 时间序列的自回归理论和实现
- 独家 | 解析Tansformer模型—理解GPT-3, BERT和T5背后的模型(附链接)
- Nature封面:AI与人类斗嘴谁更强?IBM团队发布“AI辩论家”最新研究进展
- 独家 | 关于数据湖架构、战略和分析的8大错误认知(附链接)
- 收藏 | 应对程序员面试,你必须知道的8大数据结构
- 独家 | 手把手教你学习R语言(附资源链接)