IBM严骏驰：征服棋类后，AI“技”归何方？

这里可以看到J这种人工智能、大数据驱动的系统是人硬件结合非常紧密，但是一个挑战是计算能耗功耗比较多，针对这个问题IBM也进行了多年的探索，怎么降低芯片的功耗，降低发热程度，毕竟IBM传统上是一家硬件为主的公司，近期慢慢转型到一家向软件、大数据、云计算发展的一个新型公司，所以IBM有在系统级硬件和软件方面的积累，这个就帮助它更好的在AI这个大的框架下做一个全局的改进。

举例来说IBM研发和在美国DARPA和高校的支助下，研制了一款SyNAPSE神经芯片，比方说现在的芯片一般来说可能要一两百瓦的功率，人脑的功率在70瓦左右，这个芯片可以只做到几十毫瓦的低功耗，为未来无法联网的环境计算带来了非常重要的硬件的基础的支持。

现有的研发手段还是通过脑启发的方式进行的，并不是建立在大脑人脑非常深刻的物理和机理进行的，从脑启发的计算到内容计算中间的路径还是非常长的，离它真正的商用，如何替代现有的一些计算的体系可能还需要一段的时间。

最后我们想从回顾一下AI的历史，总结一下个人的一些看法。大家知道从56年，我们叫AI的元年，60个年头了，中间经历过专家系统和神经网络为代表的人工智能主义的兴盛，最近的深度学习到来很多人认为是第三次的人工智能的高潮的来临，某种角度上看与神经网络代表的人工智能的方法论是相似的，都是结构连接的计算体系。更本质的地方是说我们现在用了更大的计算资源，当时在80年代是没有的，包括还有现在大数据，各行各业产生不同的数据以及全社会的力量支持这些数据的采集，搜集和处理，而且大家都有认同这个观念认为数据是重要的，是在很多大数据和医健资源的计算力加强导致了人工智能的再一次兴起的。恰恰的以神经网络、深度学习为代表的技术特别符合刚才说的大数据和大的计算力的背景的支持能够非常好的把这两个优势结合在一起的一个机器学习技术。这个角度上来说，将来某一段时间神经网络式微了，但是可以开发出更好的机器学习的模型和人工智能的软件，继续在大数据的支持下可以保证我们的人工智能的研究和应用一直兴旺下去。第三次面临AI冬天的可能性会拉开大降低。

今天先分享到这里，谢谢大家。

（编辑：三明站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!