就目前來(lái)講，人工智能的宣傳主要集中在算法層面。在機(jī)器學(xué)習(xí)領(lǐng)域處于全球領(lǐng)先水平的谷歌公司近期發(fā)表了一篇文章，其中介紹了AlphaGo Zero如何依靠一己之力從零開(kāi)始成為圍棋世界的統(tǒng)治者，并憑借著先進(jìn)算法輕松擊敗全部原有AI版本。盡管這一切已經(jīng)證明強(qiáng)化學(xué)習(xí)算法的深厚功力，而谷歌公司及其它各類(lèi)組織機(jī)構(gòu)也仍在積極網(wǎng)羅算法設(shè)計(jì)以及數(shù)據(jù)利潤(rùn)總額領(lǐng)域的頂尖人才。

但是，真正的爆炸性新聞卻來(lái)自硬件世界——沒(méi)錯(cuò)，來(lái)自由線路、芯片與電子元件組成的世界。硬件又回來(lái)了!

摩爾定律的扁平化

首先，讓我們對(duì)歷史作出一番快速回顧：

1958年，僅包含2個(gè)晶體管的首個(gè)集成電路問(wèn)世，其規(guī)模相當(dāng)龐大——面積達(dá)到驚人的1平方厘米;到1971年，集成芯片性能的指數(shù)級(jí)增長(zhǎng)使得“摩爾定律”逐漸浮出水面，與此前相同的面積下已經(jīng)能夠封裝多達(dá)2300個(gè)晶體管;到2014年，IBM公司的P8處理器已經(jīng)擁有多達(dá)42億個(gè)晶體管與16個(gè)計(jì)算核心，且芯片面積僅為650平方毫米。

但遺憾的是，在給定芯片之上能夠封裝多少個(gè)晶體管由自然規(guī)律所決定，且我們很快就將迎來(lái)這塊可惡的天花板。此外，在模式識(shí)別(例如語(yǔ)音理解與圖像識(shí)別等)領(lǐng)域，機(jī)器學(xué)習(xí)應(yīng)用需要大量并行處理能力。

當(dāng)谷歌公司宣布其算法已經(jīng)能夠成功從圖片中識(shí)別出貓這一對(duì)象時(shí)，他們沒(méi)有提到該軟件需要16000塊處理器才能正常運(yùn)行。雖然大家可以使用云服務(wù)器農(nóng)場(chǎng)中的計(jì)算資源來(lái)解決這個(gè)問(wèn)題，但不可否認(rèn)，我們有時(shí)候可能也需要在小型移動(dòng)設(shè)備上運(yùn)行此類(lèi)算法。隨著各個(gè)行業(yè)越來(lái)越多地將這類(lèi)需求提上議事日程，在終端設(shè)備中運(yùn)行先進(jìn)機(jī)器學(xué)習(xí)功能開(kāi)始帶來(lái)愈發(fā)可觀的潛力——不僅能夠?yàn)橛脩?hù)提供理想服務(wù)，更能夠解決大量數(shù)據(jù)隱私問(wèn)題。想象一下，如果Siri不需要對(duì)接云端進(jìn)行調(diào)用，而能直接利用智能手機(jī)硬件處理所有數(shù)據(jù)及算法，該有多好。然而，用戶(hù)顯然也不希望剛剛使用幾分鐘的Siri或者《我的世界》，自己的手機(jī)就因過(guò)熱而無(wú)法繼續(xù)工作。

解決瓶頸

設(shè)備之所以會(huì)快速過(guò)熱，是因?yàn)槲覀兡壳暗挠?jì)算機(jī)硬件設(shè)計(jì)主要依托于所謂“馮-諾依曼”架構(gòu)，而其中存在著固有瓶頸：傳統(tǒng)計(jì)算機(jī)體系架構(gòu)將處理與數(shù)據(jù)存儲(chǔ)資源彼此分離，這意味著數(shù)據(jù)需要在不同位置往來(lái)傳輸，才能完成計(jì)算流程。并行機(jī)制能夠?qū)⒂?jì)算任務(wù)加以分解并分別處理的方式在一定程度上緩解了這個(gè)難題，但用戶(hù)仍然需要最終進(jìn)行數(shù)據(jù)移動(dòng)，以便將所有內(nèi)容協(xié)調(diào)為需要的輸出結(jié)果。那么，我們是否有辦法擺脫這一硬件瓶頸?如果處理資源與數(shù)據(jù)駐留在同一位置，不需要任何移動(dòng)操作，是否就能夠降低產(chǎn)生的熱量與消耗的能量?畢竟我們的大腦就采用這樣的工作方式：我們不會(huì)像計(jì)算機(jī)那樣刻意區(qū)分獨(dú)立的處理與數(shù)據(jù)存儲(chǔ)區(qū)域，一切都立足神經(jīng)元中進(jìn)行。

汲取來(lái)自大腦運(yùn)作方式的靈感，在人工智能領(lǐng)域早已不是什么新鮮事物——我們已經(jīng)在利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)深度學(xué)習(xí)。然而，我們實(shí)現(xiàn)這一目標(biāo)的方法在于利用機(jī)器學(xué)習(xí)算法及并行處理來(lái)模擬神經(jīng)元功能。但我們是否能夠構(gòu)建起并非“模擬”，而是真正與我們的大腦擁有同等運(yùn)作方式的計(jì)算機(jī)呢?自上世紀(jì)七十年代以來(lái)，人們就已經(jīng)設(shè)想將大腦的功能實(shí)際映射至硬件之上，換言之即設(shè)計(jì)出能夠直接映射大腦結(jié)構(gòu)的硬件。這種被稱(chēng)為“神經(jīng)形態(tài)計(jì)算”的方法最近已經(jīng)開(kāi)始進(jìn)行商業(yè)化，英特爾與高通等廠商已經(jīng)宣布將推出適合商業(yè)用途的神經(jīng)形態(tài)芯片。

神經(jīng)形態(tài)芯片很可能成為人工智能的終極助力，這樣的消息無(wú)疑令人振奮異常。需要強(qiáng)調(diào)的是，其也有可能將機(jī)器的智能水平提升到全新的高度。通過(guò)使用電子學(xué)而非軟件來(lái)開(kāi)發(fā)機(jī)器認(rèn)知，我們或許能夠?qū)崿F(xiàn)通用型人工智能這一夢(mèng)想，即創(chuàng)造出真正的智能系統(tǒng)。

量子：計(jì)算領(lǐng)域的宇宙大爆炸

然而，計(jì)算領(lǐng)域真正的宇宙大爆炸并非來(lái)自神經(jīng)形態(tài)芯片(盡管前景光明，但其可能將長(zhǎng)時(shí)間作為小眾應(yīng)用存在)，而是來(lái)自量子物理原理。隨著快速計(jì)算需求的持續(xù)增加，我們解決真正困難問(wèn)題的雄心也在持續(xù)鞏固。如果我們能夠計(jì)算出一系列分子排布來(lái)攻克癌癥，人類(lèi)的未來(lái)會(huì)如何?這個(gè)問(wèn)題實(shí)際上直指迄今為止所有癌癥研究的核心，即通過(guò)試錯(cuò)法進(jìn)行實(shí)驗(yàn)。經(jīng)典計(jì)算無(wú)法解決這樣的問(wèn)題，因?yàn)閰?shù)組合在數(shù)次迭代之后將遞增至爆炸性的規(guī)模。量子計(jì)算則有可能一次性計(jì)算所有可能的組合，并在幾秒鐘之內(nèi)找到正確答案。量子計(jì)算能夠解決諸多類(lèi)似的優(yōu)化型問(wèn)題，例如考慮復(fù)雜業(yè)務(wù)中的資源分配優(yōu)化、在經(jīng)濟(jì)體系中進(jìn)行資源分配，做出能夠支持最佳策略的預(yù)測(cè)——甚至可以對(duì)密碼因子進(jìn)行分解。

量子計(jì)算機(jī)正在快速發(fā)展：我們目前的量子處理器處于50量子位水平。下面我們來(lái)詳細(xì)解讀這一數(shù)字的含義。32位量子計(jì)算機(jī)能夠處理40億個(gè)系數(shù)與256 GB信息——這樣的結(jié)果可能無(wú)法給人留下深刻的印象，因?yàn)榇蠹铱赡軙?huì)說(shuō)自己的筆記本電腦也能在幾秒鐘內(nèi)完成類(lèi)似的程序。然而，一旦我們構(gòu)建起64位量子計(jì)算機(jī)，那么情況將大不相同。這樣的計(jì)算機(jī)可以一次性計(jì)算出互聯(lián)網(wǎng)上的所有信息，更具體地講為74 EB(即10億GB)數(shù)據(jù)——利用目前的超級(jí)計(jì)算機(jī)，這些數(shù)據(jù)需要幾年才能處理完成。我們距離成功已經(jīng)很近了!然而這還不夠，一旦我們開(kāi)發(fā)出256位量子計(jì)算機(jī)，真正的游戲規(guī)則改變者就會(huì)降臨——這樣一臺(tái)計(jì)算機(jī)能夠?qū)τ钪嬷腥吭拥臄?shù)量進(jìn)行計(jì)算。量子計(jì)算即為宇宙計(jì)算，其無(wú)疑將給整個(gè)人類(lèi)文明帶來(lái)巨大而深遠(yuǎn)的影響。