老石谈芯-人工智能的底层逻辑

AI创新的天花板

• 暴力美学，大数据+大算力 探索模型的边界
• 从感知智能→ 认知智能
• 根据应用设计算法

AI算法的全局观

• AI的“圣杯”问题
  • 怎么样做逻辑 ？
  • 怎么样让AI拥有常识？
  • 怎么样建模记忆？
  • 感知 → 认知 ？
    • 继续深挖神经网络
    • 神经主义+符号主义
    • 传统逻辑推理的新提升

数字石油

• 数字是现代社会的石油
• 传统模式，以模型为中心 → 新模式，以数据为中心
• 数据隐私带来的新问题
  • 联合建模，联邦学习：一种分布式机器学习技术，保护数据隐私，实现共同建模，打破数据孤岛
  • • 设计范式的转变（Paradigm Shift）
  • 从关注算法 → 到关注数据
• 数据墙
  • cpu → RAM → NPU → GPU
  • 对数据设计温度
    • 冷数据：访问频率低，性能要求低，适合存硬盘
    • 温数据：访问频率较高，数据较为零散，适合放SSD
    • 热数据：访问频率高，性能要求高，适合放内存

芯片和硬件为AI量身定制？

• 云原生，AI原生，把硬件算力环境放到云端

• AI硬件 = GPU 吗？

• 异构系统如何编程和控制？

  • Intel 的OneAPI

• AI系统，还有那些创新方向？

  • End-to-end解决方案
  • 以数据为中心的软件开发，通过大数据编程，数据驱动来发现规则，制造机器人的机器人

• AI如何落地应用？

  • 观点1，从需求出发，同时考虑非技术因素
  • 观点2，小样本学习，未来的机会
  • 观点3，统一的平台，推进高校协作
  • 观点，AI LAB必然会消失
  • 观点，单靠技术创业是不够的

• AI的未来发展，路在何方？

  • 需要摩尔定律的加持
  • 互联网技术或者虚拟经济→ 传统行业或者实体经济渗透