Global Sources 世界經理人

廣告
熱點搜索
科技創新
人工智能
無人駕駛
未來科技
特斯拉
廣告
首頁    科技   科技創新    正文

IBM謝東:當摩爾定律走到極限,未來計算將如何發展?

  大數據文摘  2019-12-24 00:00:00
在融合基礎上,算力還會不斷提升,我們的未來仍然有無限的可能性。

轉自:大數據文摘|bigdatadigest

從機電式計算機到電子計算機,再到量子計算機,人類對于算力有著無限的追求與渴望。50多年前摩爾定律誕生,揭示著信息技術進步的速度;如今,對于算力方面摩爾定律似乎陷入了瓶頸。那么未來的算力將如何發展,摩爾定律是否還能重現?

1213日舉辦的EmTechChina全球新興科技峰會上,IBM副總裁、IBM大中華區首席技術官謝東對未來計算發表了自己的見解。接下來就由文摘菌帶你走近未來計算,重現謝東的精彩發言~

黑色小圓動圖分割線

人類發明了計算機用來處理信息,為了能夠更加快速、準確、安全、智能地進行處理,在過去的幾十年中計算在創新中快速地發展。

未來會往哪里去?既然是為了處理信息,我們發現在不同的理論框架下,當我們用不同視角來研究信息的時候,會給人不同的啟發。

首先,數學上怎么看信息?香農在1948年的時候,發布了一個非常重要的論文《通信的數學原理》。他有一個重要舉措,他說一切信息不管是語言、圖像,還是什么樣的信息,都可以用01表示,這樣就把所有信息代入了數字世界,并且所有的邏輯也可以用01表示。

至此,當信息可以完全從它的物理世界里獨立出來,從數學角度研究信息的時候,像這張圖,數字的卡片跟下面的DNA雙螺旋結構,在信息角度,我們看它是一樣的,他們都是信息的承載者。

在這樣的理論支持下,我們開發出了經典的數字計算機,這樣我們可以在不同的角度對物理世界進行建模,進行數字處理,以及各種數字的存儲,數字安全性等,在不同領域齊頭并進,使我們現在在數字計算機領域有飛速發展。

摩爾定律走到極限后將如何發展?

摩爾定律,講的是在單位面積上能夠集成的半導體芯片,每18個月翻一番,意味著每18個月你在同樣的價格下可以獲得翻倍性能和功能。

60年代,摩爾只有4個采樣點,他就預測了這樣一個趨勢,隨后的60多年,他恰好就按照這個趨勢發展了,不是因為容易,是因為有大量的投入,現在為了推進這樣一個發展,每年全球投入的研究經費大概是3000億美元。

摩爾定律的發展到現在已經相當成熟了,這是兩個案例。

案例一,IBM剛剛發布的主機,它是有一個非常強勁的芯片,在上面高度地集成,它每天可以處理1萬比的交易,同時可以達到59的安全可靠性,所以它非常成熟。

案例二,是并行系統,現在最強勁的超級計算及已經可以達到每秒20萬萬億次,這是摩爾定律頂峰的作品。

摩爾定律往前走,現在也在不斷地接近極限,我們走到了7納米,還會走到5納米、3納米,但它走到極限了。

因為我們現在的經典計算機是建立在經典物理基礎之上,而經典物理到3納米的時候已經到了原子尺度,到原子尺度的時候,很多時候你要再做小,發現芯片有很多問題,經典物理不能夠支持了。

現在我們雖然可以操作原子,但是我們要把這些信息存下來,在原子的尺度上,直接看存儲這幾個字符需要多少原子,比如這5個字符,每個比特我們需要12個原子,相當于存儲這5個字母需要480個原子,再小的做不了了,這就是我們現在遇到的極限。

在比特世界,經典計算機我們走到了這里,算力再往前走是什么樣,那什么樣的東西需要這么大的算力,還有沒有其它選擇?

生物學上大家很關心的一個問題是說人腦,大家知道人腦是非常擅長處理信息,而計算機從它誕生的第一天也試圖來模仿人的大腦,希望計算機能像人腦一樣來處理信息。

這時候我們要提到SantiagoRamonyCajal,他是一個西班牙的醫生,是一個現代神經科學家,他獲得過1906年的諾貝爾獎,他還是一個很出色的插畫師。右邊神經元這張圖,實際現在還有很多人用,這張圖是出自他的手筆。

人腦是怎么處理信息的?他發現人腦是一個一個相對獨立的神經元構成的,神經元有很多突起,這樣一個神經的脈沖是樹突經過神經元細胞到軸突,是這樣一個單項的傳播,而神經元構成了一個復雜的網絡,這樣一個結構就支持了人進行學習,支持人腦進行記憶等等。

受這樣的啟發,人工智能網絡就誕生了,當時的網絡沒有這么復雜,這個網絡實際上現在典型深度學習的網絡,它就是模擬了人腦的一些處理方式、方法來處理這個信息。

每一個人其實就相當于一個神經元,中間的連線很像是神經元的軸突和樹突,他把神經元都連接起來,上面每一個連接線的權重以及每一個節點上的觸發機制。這樣就有了一種新的編程機制,我們不需要用規則的方式來進行編程,而是可以給這個網絡一個例子,加一個標注,讓他訓練這個網絡,訓練出來以后,這個網絡可以很好的幫助我們來進行物體的識別等等,這是現在很典型的,通過深度學習,通過人工神經元網絡來進行人工智能應用的一個典型例子。

這種思想已經有很長的時間了,在50年代的時候就誕生了。直到了2012年的時候這個想法才大規模的應用,大規模的應用得益于我們有大量的數據出現了,而且有很多高質量的標注數據出現。另外一個是算力有急劇提升,這就導致人工神經元深度學習的方法得以有實際的應用。

如今人工智能發展到什么程度了?

我們看到從2012年開始,識別率有一個顯著的開始,到了2015年,機器學的一些特定領域已經超過了人類,使得人工智能深度學習的方法真正進入了實用。

那現在發展到什么程度了?現在人工智能技術,在一些特定的領域以及應用實際上已經超過人的能力了,但是它還需要很多大量的數據來進行訓練。

我們暫且把它叫做面向特定任務的一個窄的人工智能,這個窄相當于每個方法的應用相對窄,當然我們希望未來是一種通用的人工智能,而這種通用的人工智能我們希望它是能具有人一樣的智能,它具備學習的能力,能夠不斷的學習,自主的學習,能夠跨領域在更廣的范圍內提升整個機器的智能。

通用人工智能可能還需要一段時間才能實現,我們經常說可能是2050年以后吧。

那么現在,我們希望把窄的人工智能變成一個寬的人工智能,所謂寬是什么?在學習的基礎上加入一些推理的能力,這樣我們可以支持多任務、多領域、多模態的學習。為了更好的大規模應用,我們還需要一些方法使得它能夠在較小的數據集上訓練這些模型。

同時還有一個重要的題目就是可信的人工智能,因為我們要把人工智能進行大規模應用的話,一定要保證它是可信的。

人工智能對算力的要求

人工智能的方法有效,但它對算力有什么要求?這張圖是過去幾年里面一些典型的人工智能、深度學習的算法,它對算力需求的提升?梢钥吹酱蠹s每3.5個月,新出現的深度學習模型對算力的需求就翻一倍,大家發現問題了嗎?我們剛才講了摩爾定律,它的能力是每18個月才能翻一倍。

也就是說現在人工智能這些應用對算力的需求,如果沒有更好硬件的創新,如果沒有更好軟件的創新,我們不能夠滿足了,那我們怎么辦。我們就是用異構系統,專用加速的方式來提供,并行化。

我們做過這樣一個實驗,我們訓練一個大型的模型,如果我們在單節點上進行訓練,我們達到所需求的訓練精度差不多要兩天的時間。當我們把算法并行化,在256個節點上進行這樣的訓練,我們可以把訓練時間縮短到14分鐘,大家可以算一下,幾乎就是線性的,也就是說如果我們有很好的算法,可以通過并行的方法提供到相應算力的需求。

這樣就夠了嗎?可能還不夠。因為我們想象未來大規模的應用未必在所有的場合都能用超級計算機來實現,實際上在應用中我們需要考慮到的是通過芯片的方法來做,芯片大規模運用的時候,我們希望芯片本身能夠便宜。

我們還希望每個芯片在使用中功耗能夠小,這樣才能進入實際的應用。怎么做呢?實際上IBM在這里面有不同的技術路線,通過數字芯片的話,IBM通過降低相應的精度,但是能夠保證最后識別的精度,這樣使得AI芯片面積小了,性能提升了,價格也降低了。

還有一種就更有意思了,模擬芯片的做法,模擬芯片的原理還蠻有意思的,我們知道人工智能這種深度學習的應用中其實要大量的進行矩陣向量的乘法。我們在做大量乘法的時候是不是有一些其它的方法來做,然后我們發現可以用一些物理的特性,通過模擬芯片的方法來實現這樣的功能,使得我們芯片的性能極大幅度的提高,特別是芯片的功耗極大幅度的降低。

在這樣的路線圖下,我們差不多到2025年之前,還能把性能功耗比每年增加2.5倍,趕上現有人工智能應用的需求。

量子計算機的誕生:量子與信息的碰撞

再往前看,出場的就是量子計算機了。剛才我們是從數學的角度來看信息,又從生物的角度來觀察信息,物理學家是怎么看信息的呢?在這里我要提到兩個人,一個是Landauer,一個是Bennett,他們兩個都是IBM的研究人員。

Landauer60年代的時候就開始從物理的角度來觀察,信息到底對物理學來說意味著什么。物理學家提出的問題是不同的,他是這么考慮的,他說處理信息是不是需要能量,我要處理一個比特的信息,我需要最小的能量是什么。在這個過程中既然能量可以處理信息的改變,那這個過程是不是可逆?并且,他給出了在經典計算機下,擦除一個比特信息所需要的最小能量公式。

Bennett,是Landauer召進IBM的,他開始真正思考了從量子角度怎么表達信息、研究信息。這是1970Bennett筆記上的一頁,他上面寫的是量子信息理論,他在思考通過量子怎么來研究信息,所以這方面的工作他在1970年就開始了,隨后量子計算機誕生了。

量子計算機原理,當進入量子世界的時候,信息可能不是01,一個比特不是用01來表示。像量子比特,就是01狀態之外的疊加態,而量子計算就利用了三個基本原理(態疊加原理、量子糾纏、相干原理),這三個原理在一起,產生了量子計算機。

大家非常關心量子計算機能解決什么問題?量子計算機并不是為了簡單地全盤替換掉經典計算機,它在不同領域內還要互相結合,對經典計算機來講還有大量領域是適合的。

比如用經典計算機進行通訊,指通訊的信道過程,而不是量子的加密通訊,像辦公自動化,科學計算等,這些傳統計算機還是相當好的。

但它也有一些問題,就是非常不容易解決,比如自然過程中的分子仿真等,因為它本身是一個超隨機的過程,這樣恰好可以用量子方法進行研究,這可能是非常自然的方式。還有一些數學問題,比如大的質因數分解,這在現在經典計算機的算法體系下是非常難的計算問題,而在量子世界,理論上證明,它可以把計算速度減少到非常小的程度。

未來計算=比特+神經元+量子比特

2018年,IBM已經在理論上證明,在一些淺電路下,量子計算比傳統計算機具有優勢,F在這個時代又是一個非常激動人心的時代,1944年布萊切利的第一臺可編程數字計算機,當時的計算機跟現在的計算機相比,算力差的很遠,但是那時候已經讓人非常激動人心了。

2016IBM把量子計算開始放到了網上,讓全球用戶都可以通過網絡,通過云的方式來訪問量子計算機,能夠把一些實驗的算法在量子計算機上進行實驗。

現在IBM全球有14套物理量子計算機,放在了不同的網上,訪問這些量子計算機的將近有18萬人。而且IBM在全球有80個不同合作伙伴,在不同領域研究量子計算能夠提供哪些新興應用?它的應用前景是非常誘人的,比如在制藥、新材料工程、以及金融行業等領域都有不同應用。

在未來,量子計算的發展需要有物理的量子計算機出來,需要有非常多的新行業應用,還需要有更多能夠在量子計算機進行編程的工程技術人員,而這三點都是IBM在不斷努力的。

未來計算,它仍然是比特+神經元+量子比特,也是傳統計算機跟量子計算機的融合。在融合基礎上,算力還會不斷提升,我們的未來仍然有無限的可能性。


本文經授權發布,不代表世界經理人立場。如若轉載請聯系原作者。

© 世界經理人:自1999年創立以來,世界經理人網站(www.gxkiir.live)致力于引導職業經理人實現卓越管理,以專業的形象為經理人用戶全方位提供最佳管理資訊服務和互動平臺。

相關文章

未來之爭:量子計算爭奪戰

為摩爾定律續命30年,EUV究竟意味著什么?

代工之爭,燃燒在芯戰后方的狼煙

5分鐘,看盡半導體和摩爾定律“你追我趕”的抗衡50年

步步為營,英特爾、三星的終極武器竟是它?

今日聚焦

抗疫中大顯身手的服務機器人,將迎來行業爆發?

廣告
廣告

熱門排行榜

  • 熱門
  • 經典
  • 管理
  • 文章
  • 論壇
  • 博客
 
 
 
資訊訂閱
世界經理人 iPhone APP
世界經理人 微信公眾號
4月26日体彩20选5