關(guān)于人工智能的炒作都是關(guān)于算法的。在機(jī)器學(xué)習(xí)領(lǐng)域處于領(lǐng)先地位的谷歌公司Deep Mind最近發(fā)表了一篇文章，其中描述了AlphaGo Zero如何從零開始成為一個圍棋大師，其利用強(qiáng)化學(xué)習(xí)算法的先進(jìn)技術(shù)，擊敗了之前的所有版本。然而，盡管企業(yè)和組織為引進(jìn)算法設(shè)計(jì)和數(shù)據(jù)科學(xué)領(lǐng)域的頂尖人才而相互競爭，但真正的新聞并不是來自于比特世界，而是來自于電線、硅和電子行業(yè)：硬件又回來了！
摩爾定律的扁平化
首先，一個快速的歷史旅程：1958年，第一個集成電路包含了2個晶體管，體積相當(dāng)大，覆蓋一平方厘米。到1971年，“摩爾定律”在集成芯片性能的指數(shù)級增長中變得明顯；2300個晶體管在同一表面上，與以前一樣。到2014年，IBM P8處理器擁有多達(dá)42億個晶體管和16個核心，所有這些覆蓋在650平方毫米。在給定的硅片上，你能裝多少個晶體管是有一個自然的限制的，而且我們很快就會達(dá)到這個極限。
此外，機(jī)器學(xué)習(xí)應(yīng)用，尤其是在模式識別（如理解語音、圖像等方面）需要大量的并行處理。當(dāng)谷歌宣布其算法能夠識別貓的圖像時，他們沒有提到的是，它的軟件需要16000個處理器才能運(yùn)行。如果你可以在云計(jì)算的服務(wù)器上運(yùn)行你的算法，這不是什么大問題，但如果你必須在一個移動設(shè)備上運(yùn)行這些算法呢？這正日益成為一個重要的行業(yè)需求。在終端上運(yùn)行先進(jìn)的機(jī)器學(xué)習(xí)算法給用戶帶來了巨大的優(yōu)勢，同時也解決了許多數(shù)據(jù)隱私問題。想象一下，如果Siri不需要做云計(jì)算，就能夠處理智能手機(jī)硬件上的所有數(shù)據(jù)和算法。但是，如果你發(fā)現(xiàn)智能手機(jī)在幾分鐘通話或玩 Minecraft后變得太熱，你就等著用手機(jī)來讓Siri變得真正個性化。
解決瓶頸問題
設(shè)備變熱的原因，以及我們當(dāng)前計(jì)算機(jī)硬件設(shè)計(jì)的主要問題，是所謂的“馮諾依曼瓶頸”：經(jīng)典的計(jì)算機(jī)架構(gòu)將數(shù)據(jù)處理與數(shù)據(jù)存儲分離開來，這意味著數(shù)據(jù)需要在計(jì)算過程中從一個地方轉(zhuǎn)移到另一個地方。并行度通過分解計(jì)算和分布處理來解決部分問題，但你仍然需要在最后移動數(shù)據(jù)，將所有的數(shù)據(jù)都轉(zhuǎn)換成期望的輸出。那么，如果有一種方法可以完全消除硬件瓶頸呢？如果處理和數(shù)據(jù)在同一個地方，無需移動，也不會產(chǎn)生熱量或消耗那么多的能量，那會怎樣呢？畢竟，我們的大腦就是這樣工作的：我們沒有像計(jì)算機(jī)那樣處理數(shù)據(jù)和存儲數(shù)據(jù)的獨(dú)立區(qū)域，所有的事情都發(fā)生在我們的神經(jīng)元上。
忘掉算法，人工智能的未來還要看硬件突破！英特爾神經(jīng)形態(tài)芯片Loihi
我們的大腦功能在人工智能研究中并不新鮮，我們已經(jīng)在利用神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)了。我們通過機(jī)器學(xué)習(xí)算法和并行處理來模擬神經(jīng)元的功能。但是，如果我們的計(jì)算機(jī)不像我們的大腦那樣運(yùn)行，那該怎么辦呢？自20世紀(jì)70年代以來，人們就已經(jīng)設(shè)想出這樣一種方式：將大腦功能映射到硬件上，換句話說，就是用硬件直接“繪制”大腦的結(jié)構(gòu)。這種方法被稱為“神經(jīng)形態(tài)計(jì)算”，目前終于開始走向商業(yè)化。英特爾和高通等公司最近宣布，其將推出用于商業(yè)用途的神經(jīng)形態(tài)芯片（neuromorphic chips）。
神經(jīng)形態(tài)芯片可以用于AI應(yīng)用的終端，這的確是一個非常令人興奮的消息。不過，它們也有可能將機(jī)器智能提升到一個全新的水平。通過使用電子硬件而不是軟件來發(fā)展機(jī)器認(rèn)知，我們或許能夠?qū)崿F(xiàn)通用人工智能的夢想，并創(chuàng)造出真正的智能系統(tǒng)。
量子：計(jì)算大爆炸
但是，計(jì)算真正的大爆炸并非來自于神經(jīng)形態(tài)芯片（盡管有巨大的潛力，最終可能只會有小眾應(yīng)用），而是來自于量子物理學(xué)的應(yīng)用。隨著對快速計(jì)算的需求增加，我們解決真正困難問題的雄心也在增加。如果我們能計(jì)算出排列一系列分子的最佳方式來開發(fā)治療癌癥的方法呢？這個問題實(shí)際上是針對減少所有癌癥的研究，目前是由試錯法進(jìn)行的。經(jīng)典計(jì)算無法解決這樣的問題：在經(jīng)過幾次迭代之后，參數(shù)的組合就會爆炸。量子計(jì)算有可能同時計(jì)算所有可能的組合，并在幾秒鐘內(nèi)得出正確答案。有許多類似的優(yōu)化問題可以用量子計(jì)算解決。比如在復(fù)雜的業(yè)務(wù)中優(yōu)化資源配置，或者在經(jīng)濟(jì)中做出能夠支持最佳策略的預(yù)測，或者在密碼學(xué)中分解數(shù)字。
忘掉算法，人工智能的未來還要看硬件突破！IBM的量子計(jì)算機(jī)
量子計(jì)算機(jī)正在快速發(fā)展：我們現(xiàn)在處于50量子位的水平。讓我們把這個數(shù)字寫進(jìn)預(yù)先考慮的范圍。一臺32位的量子計(jì)算機(jī)可以處理40億個系數(shù)和265 GB的信息——你可能會說，這并不令人印象深刻，因?yàn)槟憧梢栽趲酌腌妰?nèi)在一臺筆記本電腦上運(yùn)行類似的程序。但一旦我們達(dá)到了64位的量子計(jì)算機(jī)極限，故事就會發(fā)生巨大的變化。這樣的計(jì)算機(jī)可以同時計(jì)算出互聯(lián)網(wǎng)上所有的信息，即74“艾字節(jié)”（十億GB）——這將需要數(shù)年時間才能在當(dāng)前的超級計(jì)算機(jī)上完成。我們已經(jīng)非常接近了！然而，一旦我們開發(fā)出了256位量子計(jì)算機(jī)，真正的游戲規(guī)則將會改變。這樣的計(jì)算機(jī)將能夠計(jì)算出宇宙中所有原子的數(shù)量，量子計(jì)算是宇宙計(jì)算，它對人類文明的影響可能是巨大而深遠(yuǎn)的。
