静态网站策划书,WordPress api发布接口,掌握商务网站建设内容,抖音代运营收费价格表本文转自联想创投近日#xff0c;在联想创投2020 CEO年会上#xff0c;清华大学讲席教授、智能产业研究院院长、美国艺术与科学院院士、百度前总裁张亚勤先生带来了《未来科技趋势展望》。张亚勤表示#xff0c;数字化的3.0时期已经到来#xff0c;数字化的范围已从内容、社… 本文转自联想创投近日在联想创投2020 CEO年会上清华大学讲席教授、智能产业研究院院长、美国艺术与科学院院士、百度前总裁张亚勤先生带来了《未来科技趋势展望》。张亚勤表示数字化的3.0时期已经到来数字化的范围已从内容、社交和企业服务领域向物理和生物世界进行延伸将我们熟悉的城市、工厂、电网、家庭向智慧交通、工业互联网、智慧医疗等方向进行升级为了完成物理世界的“数字化”数据需要更清晰地让数字世界和现实世界一一对应通过深度学习计算机不断加深着对于人类世界的认知。随着数据的海量爆发如何突破目前的算力成为了一代又一代科学家攻克的关键香农定律、冯诺依曼架构和摩尔定律奠定了传统计算与通讯范式如何突破已经接近极限的三种理论张亚勤表示需要通过对信息的重新定义制定新的计算范式、计算体系和通讯架构而他们又给产业带来了新的机会。为此中国需要抓住机会引领数字化的3.0时代和第四次工业革命浪潮。清华大学讲席教授、智能产业研究院院长、美国艺术与科学院院士、百度前总裁张亚勤发表演讲以下为张亚勤演讲全文大家下午好非常高兴能够来到联想创投CEO年会作为中国IT的icon联想36年历经坎坷也取得很多进展尤其是联想的“3S”战略和我今天要讲的内容“智能技术趋势”非常吻合。数字化进程的演变与3.0时代的到来演讲现场回顾IT产业30年发展历程最大的特征就是数字化。第一波数字化开始于80年代中期也是联想成立的时期。围绕自然界的内容表述数字化的范围包括音乐、视频、声音、图像等算法和标准有MP3/4、H.26、AVS等随着PC的推出又出现了PPT、EXCEL、WORD文档数字化。第二波数字化开始于90年代中期在内容数字化的基础上加上互联网、HTDP、HTML的产生从而催生消费者互联网从早期的PC网站、门户到搜索、电商、社交再到后来的共享经济、Zoom等视频通讯、数字货币和移动支付。从产品体验和规模等方面来看中国在移动互联网时代下的消费互联领域整体领先于世界。与此同时企业也在数字化方向不断细化与革新比如ERP、CRM、HR、Supply Chain、BI、workflow等管理系统的诞生。在云领域中国已在逐步追赶基础设施云的建设逐渐缩小与其他国家在规模效应上的差距。我认为中国软件的发展跳过了以“软件作为产品”的时代直接进入以“软件作为服务”的时代。互联网本身就是“软件作为服务”的一种符号作为一种新软件模式我认为大量SaaS公司会在5年之后陆续出现未来SaaS平台会有很大的机会。现在我们进入了数字化3.0时期也即智能感知时代这个阶段发生了两方面转变一是物理世界的数字化我也把它叫做“互联网的物理化”——工厂、电网、机器乃至所有移动设备、家庭、城市都在向数字化发展。在这个过程中出现了相较于过去上千甚至上万倍的海量数据比如一辆无人车每天产生的数据量大约5-10T相比于数据主要提供给人员辅助决策的1.0和2.0时代数字化3.0时期99%以上数据在机器间传输到最后一环节才传递给人员。第二个方面的转变生物世界的数字化人们的细胞结构、所有器官乃至整个身体都在数字化整体数量级比物理世界大上千倍。从虚拟、宏观到微观整个数字信息世界、物理世界和生物世界正在走向融合。此外“数字孪生”技术可以让我们更加清晰地将物理世界和生物世界进行一一对应。有了大数据之后我们还要实现数据的结构化和智能化。在人工智能的60年发展过程中有“冬天”也有“春天”。人工智能根据不同算法大致分为两类一种是逻辑推理是以知识为驱动的算法另一种是以大数据为驱动的算法两者都运用到了人类大脑的基本认识、基本模型和决策模型。过去十年里最流行的深度学习基本是以大数据、大计算、大模型算法来驱动其中包括AlphaGO、AlphaZero。深度学习的确在过去一段时间取得很好的进展比如GAN、Transfer learning到现在的GPT-3等等。未来深度学习还有很大发展空间其算法需要结合符号逻辑、知识型推理和更多模型的因果关系和新的范式目前对于产业来讲未来五至十年深度学习还会是最重要的算法。根据Google AI负责人Jeff dean的观点人工智能的三大要素是数据、算法和算力实际上是数据加上100倍的算力并且算力比数据更重要100倍。这个观点我不完全同意但我同意在目前深度学习框架下算力十分重要。突破香农、冯诺依曼、摩尔瓶颈推动算力发展演讲现场怎么突破目前的算力过去60年传统计算与通讯范式有三个重要原理香农定律、冯诺依曼架构和摩尔定律。香农定律定义了熵、信道容量和失真情况下压缩极限目前我们距离这三个极限已比较接近。冯诺依曼架构是指五个最基本模块加上程序存储原理是图灵意义下最好的一种实现但它的瓶颈在于数据和计算的分离。在深度学习中庞大数据量本身就会形成一个瓶颈。最后还有摩尔定律的限制。如何突破这三个瓶颈首先我们需要对信息做一个重新的定义制定新的计算范式。另外进入互联网时代香农理论从点对点通讯延伸到多用户信息论但真正的理论框架并没有太大进步所以需要更多理论层面的模型更新否则深度学习就很难引入因果关系和模型。目前图像视频编码技术的发展已经达到性能极限如何用AI彻底、大幅度地进行改善也需要我们的思考。此外还需要新计算体系和通讯架构创新传感器类型。传感器能够获取各种各样的数据所以非常重要。有观点认为人用“小数据”就可以做决策但我认为大数据是机器的优势虽在决策方面与人相比稍有欠缺但在获取各种不同数据时比人更有优势。同时需要新模态。深度学习需要的Tensor Products、线性代数、布尔代数等要素在传统的冯诺依曼架构下不易实现通过研发GPU、ASIC等技术加速并彻底形成新架构成为了大趋势。除了传统的英特尔、AMD谷歌、百度、地平线、寒武纪等公司也在做这件事在新架构产生之后就会随之产生更多新算法、新模型、新型芯片这将是一个非常大的机会。这是一个我在百度启动的项目昆仑芯片这是一个大型芯片主要用于大型训练已经在百度部署。第一代昆仑芯片能在150瓦的功率下实现260 TOPS的处理能力。第二代昆仑芯片采用7nm先进工艺相对于第一代芯片而言性能提高了3倍。核心基础设施“ABCD”带来智能时代的颠覆性改变演讲现场计算、通讯、新架构、新算法它们给产业带来的新机遇就像联想的“3S战略”在IT行业不断升级的背景下为整个产业带来了新机遇甚至是颠覆性的改变。抓住新的行业机遇我们正在面临第四次工业革命如果说前三次工业革命中国是旁观者但在这一次中国有机会在很多方面成为引领者。面向第四次工业革命我们希望能够打造成一个国际化、智能化和产业化的智能产业研究院AIR。我们有三个方式达到这个目标最重要的是吸引一流人才特别是担任过CTO、研究院院长的人才另外还要有深厚的学术背景和丰富的企业经验其次研究院还要培养目前我们还比较缺乏的、具备深度大系统思维能力和顶层设计能力的CTO和顶级架构师最后我们要打造核心技术并逐步将其发展为公司。目前我们刚刚起步除我之外还有两位联合合伙人一位是马维英博士他是电气电子工程师学会院士字节跳动副总裁、人工智能实验室主任也是微软亚洲研究院前常务副院长另一位是赵峰博士他也是电气电子工程师学会院士还是前海尔集团CTO、副总裁全球loT教科书编写者。这两位联合合伙人非常符合我刚才的描述不仅发表很多学术文章同时又有丰富的产业经验。 我们聚焦于三个研究领域智慧交通、工业互联网、智慧医疗。我认为智慧交通能够为整个社会和产业带来巨大的影响作为未来5-10年最有挑战的技术无人驾驶还能够通过狭义的人工智能解决自身的难题。我们还聚焦工业互联网、IoT、智能感知因为他们是数字世界和物理世界的接口在我们看来AI在未来十年还可以深层次地改变整个医疗健康产业不局限于AI机器人针对病人和医护人员的协助性工作还包括制药、蛋白质结构预测等实现以上三领域的发展都需要基础设施“ABCD”即AI、Big Data、Cloud、Device以及学者对基础科学研究的支持。在AIR我们采用完全开放的模式希望和整个产业有多种形式的合作比如联合实验室、联合科研项目、共同孵化项目我们也希望能够通过这个机会认识更多创业者让大家更了解AIR大家齐力构建更大的生态圈。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”
