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(kāi)始成為一個(gè)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(jìng)爭(zhēng)，但真正的新聞并不是來(lái)自于比特世界，而是來(lái)自于電線、硅和電子行業(yè)：硬件又回來(lái)了！

摩爾定律的扁平化

首先，一個(gè)快速的歷史旅程：1958年，第一個(gè)集成電路包含了2個(gè)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(jí)增長(zhǎng)中變得明顯；2300個(gè)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(gè)晶體管和16個(gè)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(gè)晶體管是有一個(gè)自然的限制的，而且我們很快就會(huì)達(dá)到這個(gè)極限。

此外，機(jī)器學(xué)習(xí)應(yīng)用，尤其是在模式識(shí)別（如理解語(yǔ)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(shí)別貓的圖像時(shí)，他們沒(méi)有提到的是，它的軟件需要16000個(gè)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(wèn)題，但如果你必須在一個(gè)移動(dòng)設(shè)備上運(yùn)行這些算法呢？這正日益成為一個(gè)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(lái)了巨大的優(yōu)勢(shì)，同時(shí)也解決了許多數(shù)據(jù)隱私問(wèn)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(lái)讓Siri變得真正個(gè)性化。

解決瓶頸問(wèn)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(wèn)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(chǔ)分離開(kāi)來(lái)，這意味著數(shù)據(jù)需要在計(jì)算過(guò)程中從一個(gè)地方轉(zhuǎn)移到另一個(gè)地方。并行度通過(guò)分解計(jì)算和分布處理來(lái)解決部分問(wèn)題，但你仍然需要在最后移動(dòng)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(gè)地方，無(wú)需移動(dòng)，也不會(huì)產(chǎn)生熱量或消耗那么多的能量，那會(huì)怎樣呢？畢竟，我們的大腦就是這樣工作的：我們沒(méi)有像計(jì)算機(jī)那樣處理數(shù)據(jù)和存儲(chǔ)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。

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(guò)機(jī)器學(xué)習(xí)算法和并行處理來(lái)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(lái)，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(shuō)，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(kāi)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(gè)非常令人興奮的消息。不過(guò)，它們也有可能將機(jī)器智能提升到一個(gè)全新的水平。通過(guò)使用電子硬件而不是軟件來(lái)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(mèng)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(lái)自于神經(jīng)形態(tài)芯片（盡管有巨大的潛力，最終可能只會(huì)有小眾應(yīng)用），而是來(lái)自于量子物理學(xué)的應(yīng)用。隨著對(duì)快速計(jì)算的需求增加，我們解決真正困難問(wèn)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(lái)開(kāi)發(fā)治療癌癥的方法呢？這個(gè)問(wèn)題實(shí)際上是針對(duì)減少所有癌癥的研究，目前是由試錯(cuò)法進(jìn)行的。經(jīng)典計(jì)算無(wú)法解決這樣的問(wèn)題：在經(jīng)過(guò)幾次迭代之后，參數(shù)的組合就會(huì)爆炸。量子計(jì)算有可能同時(shí)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(wèn)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(cè)，或者在密碼學(xué)中分解數(shù)字。

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(gè)數(shù)字寫進(jìn)預(yù)先考慮的范圍。一臺(tái)32位的量子計(jì)算機(jī)可以處理40億個(gè)系數(shù)和265 GB的信息——你可能會(huì)說(shuō)，這并不令人印象深刻，因?yàn)槟憧梢栽趲酌腌妰?nèi)在一臺(tái)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(huì)發(fā)生巨大的變化。這樣的計(jì)算機(jī)可以同時(shí)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(shí)間才能在當(dāng)前的超級(jí)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(kāi)發(fā)出了256位量子計(jì)算機(jī)，真正的游戲規(guī)則將會(huì)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(duì)人類文明的影響可能是巨大而深遠(yuǎn)。