如何实现人工智能从AI2.0向AI3.0的跃迁？英特尔中国研究院院长指明方向

人工智能已经又70多年的发展历史了。目前我们所处的阶段是以深度学习为主导的AI2.0阶段，为了满足更高的要求以及实现更全面的智能，人工智能正在往更高的阶段AI3.0迈进。如何实现这一跨越式发展？近期，英特尔中国研究院院长宋继强的署名文章《坚持坚持科研的长期主义 推动AI向3.0时代跃迁》为我们指明了方向。

目前的人工智能都遇到了哪些挑战？首当其冲的是高能耗问题。如果按照现在AI模型的训练方式，能源的消耗是不可持续的。在国外有一个研究显示，一个大型AI的训练模式相当于5台美式轿车整个生命周期的碳排放。“如果按照这个模式发展下去，对地球生态的破坏是不可逆的，”宋继强表示。

其次是对大数据的过度依赖。大数据正在变成稀缺资源，很多实际案例并不能提供大数据作为AI的训练支撑。最后随着处理的问题越来越复杂，我们对AI的算力需求也在不断提升。

目前纵观整个人工智能历程，可以分为三个阶段。宋继强在文中写到， AI第一波浪潮，是通过由人制定的各种规则去做理论性的推理。虽然在推理方面表现不俗，但仅限于几个严格定义的问题，且没有学习能力，无法处理不确定性问题。而真正令AI渐入佳境的，则源于由深度学习所触发的AI第二波浪潮。互联网、移动互联网等所产生的海量数据，给机器提供了学习、挖掘和试错的对象，让系统得以自发地找到“规律”，作出预测、判断和决策。

未来，我们要进入的是AI3.0时代，这是一个真正的智能系统，是环境自适应性的“自然智能”。首先，它不仅能处理确定性的问题，还能处理不确定性问题。第二，它不仅能够做事，还必须是可解释的。第三，它不完全依靠大数据驱动，即便少量数据也可实现更高效能的持续学习。第四，它应具备高可靠性，或者说符合人类给它设定的伦理道德。

要迈入新一代人工智能时代，科研机构、科技公司们都在做出不懈的努力。宋继强也表示：“神经拟态计算最有可能开辟出一条从AI 2.0到AI 3.0的崭新赛道”。神经拟态计算是颠覆原有的“软件+硬件”的一种全新计算方式，模拟人脑的神经结构和运行方式，将计算和存储融合一体。

之所以被认为是下一代AI的主流计算方式，首先要从神经拟态计算最独特的脉冲神经网络（SNNs）说起。这是一种特殊的网络，可以模仿人脑中自然神经元的方式将计算模块进行重新分布。 SNN中每一个“神经元”都可以被单独激发，并向网络中其他神经元发送脉冲信号，这样会直接改变神经元的电学状态。

类似于大脑的突触，这样的方式所需要的能耗非常低，因为它可以根据应用的需求，让只需要工作的“神经元”启动，可以实现将标准模态的输入互相整合。另外，通过对信号内部的信息和发送时机进行编码，以及在人工神经元突触之间进行动态映射，SNN就能够启动自然学习的过程。这也就是说神经拟态计算并不依赖于大数据，仅通过少量样本就可以进行自学习。

想要进一步推动神经拟态计算的发展，其中一个很重要的方向就是能够找出适合神经拟态计算完成的应用，引起产业跟随。英特尔在这方面已经开始了很多动作：建立了INRC（英特尔神经拟态计算社区），聚集了全球学术、政府、行业机构，共同解决神经拟态计算的广泛挑战。已经有包括埃森哲、空中客车、通用电气、日立在内的企业成员加入，在过去一年内，INRC的规模扩大了两倍。

英特尔一直致力于对前沿科技的探索，在神经拟态计算也取得了重大进展。英特尔的Loihi芯片可以识别10种有害气体，并且仅用一个样本训练就可以达到百分之九十多的高准确率。英特尔神经拟态系统Pohoiki Springs，已经拥有1亿神经元的计算能力，相当于一个小型哺乳动物的大脑。

英特尔是科技公司中探索前沿科技的典范，其宏旨是“创造改变世界的技术，造福地球上的每一个人”，推动技术变革，改善全人类的健康和安全。

相信神经拟态计算的未来能够帮助我们进入到新的人工智能时代，为全人类带来福祉，也希望能有更多产学研人士加入到神经拟态计算的研究中去。