本文转自:《IT经理世界》作者 ： IT
可爱的BB8，机警的R2，还有多愁善感的C3PO……
星战迷应该都很熟悉这些名字，它们是《星球大战》系列科幻电影里“高智商、高情商”的机器人。
41年前的1977年，乔治·卢卡斯的《星球大战》系列电影问世，以其独特的魅力，影响着一代又一代怀有科幻梦的年轻探索者，超越时代的界限，探索科技的远方。
在出品完《星球大战：最后的绝地武士》后，卢卡斯影业与IBM联合拍摄了一个系列短片《科学与星球大战》（Science and Star Wars），它分级展示了科技如何在现实中实现光剑、BB8智能机器人、微小芯片/再生液体、磁悬浮、原力、机械手指、AI、高成像头盔、太空旅行等9大星战元素。
该书也是「未读·探索家」畅销科普系列作品之一
尽管人类离造出星战里所描绘的“高智商、高情商”机器人的目标还有一定距离，但是科学家正在造出越来越聪明的AI大脑——具有越来越强的URLI（理解、推理、学习和互动）的能力，比如，IBM科学家正在提升人工智能的“Social Intelligence”——社交智商，它们能与人们进行更深入的情感交流。
今天这个大数据时代、人工智能的时代，给我们带来了无限想象力。正如IBM全球副总裁、IBM大中华区首席技术官沈晓卫近期在“科学与星球大战”赏映会上与媒体所分享的：科幻片里最终哪些场景是一定能够实现的，现在还不能肯定，但是毫无疑问今天的信息技术让我们往那个方向又近了一步。
IBM大中华区首席技术官沈晓卫
2018年或者接下来三五年
IT重要的发展趋势
IT行业的未来就是人工智能，人工智能从云端会变到无处不在。除了今天大家看到的面向消费者的人工智能，人工智能会变得更加完整，更多的企业级的人工智能，用于行业解决方案的人工智能，将会获得突破；
区块链技术会重新定义交易（transaction）。这里的“交易”远远超过商业交易，任何东西只要一转手，都涉及信息的安全、稳定等等。任何的交易都会由于区块链技术的广泛使用而根本改变；
量子计算会从根本上改变我们对计算的理解，为行业创新带来无限可能。今天人工智能大数据时代，数据产生是以指数级的方式在增长。这和摩尔定律时代有什么不同？在摩尔定律时代，物理的晶体管的增长，要受到物理限制。目前我们还没有看到大数据会用什么样的方式受到这样的限制。因为指数级的不断迭代，它最终十年、二十年的长期效果会让我们非常吃惊。
人工智能从“专用AI”到“通用AI”
到目前为止的人工智能，我们称之为Narrow AI，专用的人工智能，即大多数的人工智能的解决方案还是为单一问题来做的。我们梦想的是通用的人工智能，无所不知，包罗万象。通用的人工智能从技术上来讲，什么问题都能回答，至少是跟人差不多的。
这还有相当长的路要走。接下来的若干年，十年、二十年，人工智能更多处在Broad AI，从一种狭窄的人工智能走向宽广人工智能的路上。换句话说，人工智能会被用来解决一些非常复杂的问题，这些问题可能是一个领域中非常复杂的问题，也可能是跨领域的复杂问题。
比如，IBM已经有这样的研究项目，可能不久的将来就会变成现实。用人工智能来做体育比赛的解说，它需要理解赛场上发生的一切，包括这些运动员、裁判员本身的背景，运动员的动作、比赛规则、观众的情绪等等，理解之后要把理解的情况用自然语言的方式说出来，还要有激情。
从消费级的AI，到企业级的AI
人工智能今天更多地是面向消费者的人工智能。
人工智能的成功是需要商业的成功，人工智能商业的成功需要人工智能在企业级来解决行业问题的成功，这一点非常重要。
现在人工智能的技术并没有强大到能够解决我们希望它解决的所有问题，还需要经历一段时间的人机同行，只有这样才能不断地解决行业当中的问题，使得我们的技术不断地迭代、往前走。
你问一个马车夫，他永远没有办法告诉你他需要一辆汽车，这是今天人工智能在行业中或者企业级人工智能面临的非常大的挑战。
人工智能的专家或者IT专家并不完全懂行业，而行业专家并不完全理解技术已经达到了什么样的程度，能帮他解决什么问题，所以这个创新是跨领域的创新，以前很少有这种情况，就是把IT和行业做深度的结合：需要有这样的人能够理解技术，理解今天的技术乃至未来三五年的技术，在这些行业中找到这些技术能够解决的问题，然后不断地迭代，使之往前突破。
可预见的将来，有两大类问题，会因为信息技术或者人工智能技术的发展，得到极大地提升：
一是生产效率得到极大地提高，即人力被机器代替。比如制造业，可以用视频智能分析来自动发现产品的瑕疵；
二是基于知识的智能专家的出现，比如人工智能医生，基于医疗指南，或者基于临床数据中学习到的信息，能够帮助医生做慢病的诊疗或者助力全科医生、帮助社区医生提高水平，即使你是最好医院的医生，也可以帮助你针对疑难杂症做出基于权威医学证据的诊断。再比如可以帮助律师，更好地理解法律文档，能够帮助你找到跟你今天讨论的问题最有关的案件是什么，然后提出建议，帮助人类律师做更好的处理。
IBM的沃森就是很好的智能案例
关键的技术突破
在技术上，我们还需要一些突破。
比如从深度学习的角度来谈，基于小数据或者小样本数据的学习，会是人工智能下一步非常关键的技术突破。刚才谈到的企业级人工智能，可能没有那么多的数据，如何在非常少的数据样本中就能有效的学习；
另外，如何做多模态的数据学习、数据处理，比如电影剪辑，你要理解电影，不但要理解图像，还要理解声音，还要理解它的语言，它是各种数据的理解，而不是单一数据的理解；
再有，今天很多人工智能系统可以做推荐，但它不能解释为什么做这种推荐，也就是说，我下棋可以赢你，但是我不能复盘，我不知道为什么下了这一步，或者我知道但是我没法告诉你。这样的话，我们在解决实际问题时，无论是做智能医生、做智能律师，与我们的期待还是有相当大的差距。如何使得未来的人工智能系统，不但能够帮助我们做更好的决定，还能够帮助我们做更好的解释，这是非常重要的。
大家对人工智能除了憧憬和向往，还是有很多不安。
一是人工智能技术本身可能被用来攻击现有的信息系统。
还有一些新情况，比如说今天的人工智能是从数据中学到的，无论这个数据是有意还是被人恶意地篡改，当数据有了瑕疵之后，他学到的东西、这个新模型可能是不安全的，或者说理论上是有瑕疵的。如何在技术上保证数据的安全性，或者好比我招聘到一个员工，我怎么对他进行面试来保证他是一个充满正义感、不会干坏事的人，这在大数据时代、人工智能时代，从技术上来讲是非常重要的一些挑战。
计算系统趋向“超微小”
当人工智能变得无所不在，人工智能会从云端扩展到所有边缘端，无论是我们的手机，还是物联网的设备，还是可穿戴的设备。
很多运算本身需要很快的反应时间，所以它可能不能在云端计算，或者出于信息安全的考虑，或者信息带宽的考虑，不能送回到云端，等等原因。
我们会在不久的将来看到，全世界最小的计算机（不是芯片，是整个计算系统），像米粒大甚至头发丝细的计算机系统，包含了存储、计算、通讯等功能，这样的系统是有助于实现我们所谈到的超微小的、能耗极低的终端设备。
人工智能或者IT行业在过去30年，计算能力提高了100万倍，这是因为摩尔定律。我们永远不要低估指数级成长给我们带来的震撼的效应。这种背景下，摩尔定律还能继续有效吗？即便能够保持有效，摩尔定律能满足计算能力提高的所有需求吗？这两个答案都是NO。摩尔定律在物理上终将接近它的极限，至于还有多少年，对此大家有不同的解读。
自1965年诞生后被奉为圭臬的摩尔定理正在接近极限
接下来计算能力还有什么样的技术突破？
今天IBM已经开始做了几个事情。一个是类脑计算，就是模仿人脑的思维方式，虽然还是用晶体管来做。今天我们可以做的是以非常低的功耗，几十亿个晶体管来模拟100万个神经元，2亿5000万的神经突出。我们比较远期的一个目标是，希望它能够模拟100亿个神经元，接近于人类的程度。
第二个是模拟计算。今天的所有计算还是数字计算，所有的计算机系统都有存储单元、计算单元，计算单元做完之后，把数据送回存储单元，它们之间的通讯耗费了大量时间和能耗。今天IBM的一个黑科技，叫做模拟计算。我们利用一些存储设备本身的物理特质，使得它在做存储的同时能够做计算。比如PCM量变存储器，能够做一些特殊的计算，但因为这个计算是靠物理特质，是一个模拟型号的计算，所以它可能不是百分之百准确。即使如此，很多人工智能的应用，比如图像识别，用这样的方式可以极大地提高效率，同时保持非常低的能耗。
最后不得不谈到量子计算。如果是二十年前说量子计算，我的感觉是在我退休之前它还是在实验室待着的。但是量子计算在过去十年有很多的突破和进展。今天IBM已经宣布了20位的量子计算机器，50量子位的处理器原型。50位是一个重要的标志点，换句话说，当你有一个50位的量子计算机的时候，同时可以存储2的50次方的信息。
计算的很多问题是优化问题。传统计算机无论再怎么快，需要一个选择一个选择的去算，当然它如果有一个好的算法，可以提升计算效率，就是算完这个另外十个就不用算了。而量子计算机天然具有“并行性”，一次运算可能就把一个指数级的运算都做掉了。
虽然今天距离量子计算的商业应用还有一段距离，但是，它比我们想像得近得多。
IBM 50 Q系统：IBM 基于50 量子比特的低温恒温器连接机制
注：以上内容节选自沈晓卫的演讲《信息科技的未来》。
网友评论