英特尔中国研究院：知识库将左右和决定机器人价值

人工智能与智能增强的交融：未来的江湖与挑战

在IT的江湖中，人工智能（AI）与智能增强（IA）两大派系一直备受关注。如同武侠小说中的门派纷争，这两者之间也经历了多次“此消彼长”。那么，未来的江湖格局又将如何演变？当深度学习被众多巨头视为生死存亡的关键技术时，下一个颠覆性的AI技术又将会是什么？让我们跟随英特尔中国研究院院长宋继强的视角，探索这一领域的未来走向。

宋继强表示，独立的人工智能，如AlphaGo在下棋时的表现，确实在某些方面超越了人类。从通用和全面的能力来看，AI仍然有很长的路要走。要想实现人工智能的商业大规模应用，必须解决“感知-认知-行动”这一闭环中的认知难题。这一环节包含跨行业的知识建模，以及对心理学、物体、知识等的深度理解，是目前最难以突破的部分。

举一个语义理解的例子，一句话的声音信号转化为文字后，不同的语言有不同的表达方式。中文的“太阳”和英文的“Sun”虽然对应同一物体，但如何理解整句话的意图，消除语义歧义，是一个巨大的挑战。在日常对话中，人们往往不会把所有信息都说全，这需要计算机结合上下文和语境来准确理解。

在知识缺失或信息不完整的背景下，智能增强派上了用场。智能机器人通过语音、屏幕交互，以自然的方式呈现缺失的信息给用户，让用户参与解决。例如，机器人可以问用户：“你要哪种可乐？”或者“这个冰箱是否在某个厨房？”这样的交互方式让用户能够接受。通过AI+IA的结合，机器人的智慧成长之路可以加快。

宋继强认为，要想加速人工智能的商业应用，必须让这两大派系融合。单纯的AI或者IA都无法完全解决人工智能面临的难题。我们需要将这两者结合起来，形成一个完整的闭环。通过与德国机器人专家的交流，宋继强更加坚信这一点。他认为，构造基于AI的自主机器需要跨越感知、认知和行动三大关键步骤，而这两者的结合将为实现这一目标提供强有力的支持。

知识库：AI竞赛的新焦点

在这个人工智能飞速发展的时代，算法成为了众人瞩目的焦点，尤其是深度学习技术更是风头无两。尽管深度学习是目前解决AI问题的最佳手段，但未来的AI领域，必定会有更多高效的算法涌现。除了算法之外，还有一个领域同样至关重要，那就是知识库。这是人工智能的另一大挑战，也是未来的竞争关键点。

宋继强指出，知识库是人工智能领域中最复杂、最富挑战性的部分之一。随着知识的日新月异，建立一个能够不断更新、适应变化的知识库是一项艰巨的任务。麻省理工等学术机构已经开始着手建立知识库，仅仅一个室内场景的知识库建立就耗费了大量的人力和时间。更何况在现实世界中，环境多变，建立一个普遍适用的知识库是一项长期而艰巨的任务。

谷歌正在构建全球最大的知识库，这一信息可能还未引起广泛关注。该公司利用算法自动搜索，再通过机器学习将这些数据转化为知识。目前，谷歌已经收集了16亿件事实，这是一个庞大而复杂的工程。一旦完成，这个知识库将有可能影响全球的智能设备，改变人机交互、现实增强技术，甚至影响我们研究人类社会的方法和对未来的预测。

全球各大公司都在积极构建知识库，因为这是AI发展的必然趋势。宋继强认为，只有大公司才能承担这项任务，因为时间跨度长，需要巨大的资源和持续投入。而且，知识库与文化和地域紧密相关，需要本地化、中文化。对于中国来说，百度和腾讯等大公司有可能在这个领域有所作为。

除了知识库，宋继强还强调了自然语言处理的重要性。在认知推理中，如何在有限的数据中推理得到有意义的结果是关键，其中很多都与自然语言处理有关。中国在自然语言理解方面有优势，我们需要在这方面继续努力。

谈及AI的计算能力，从字符识别、语音识别到图像识别，对计算能力的需求不断提升。移动智能设备如无人车和服务机器人都要求续航时间长、功耗降低。为了解决这个问题，除了软件优化外，硬件方面也需要寻找更经济、更有效的方式来使用电力。CPU是最常用的处理方式之一，但同时功耗也较高。如何平衡计算能力和功耗是AI发展的一个重要课题。

在这个充满挑战与机遇的时代，知识库和自然语言处理是人工智能发展的两大关键领域。只有在这两方面取得突破，我们才能更放心地将更多任务交给机器人处理，推动人工智能的发展迈向新的高度。

说到科技与计算的交融，我们不得不谈谈那些芯片巨头们的战略决策。英特尔最近收购了初创公司Nervana，这次联姻背后的原因可是让人深思。毕竟，这是一家专注于研发AI专用芯片的公司，也就是说他们打造的是为人工智能量身定制的ASIC芯片。那么为什么英特尔会这么看重这块市场呢？原因很简单，因为当前的人工智能热潮正热得如火如荼，AI的需求已经达到了需要专用芯片的地步。据传闻，Nervana的处理器速度可以达到GPU的十倍，并且加入英特尔的大家庭后，它将得到强大的芯片制造能力、资金支持和生态链整合能力。这样一来，这桩联姻看起来合情合理。

我们先来谈谈CPU、FPGA和ASIC这三者之间的关系。在人工智能这条赛道上，这三者都有各自的定位。CPU作为通用计算的主力军，有着广泛的应用场景。而FPGA则是一种介于软件和硬件之间的选择，功耗和通用性都处于中间水平，同时具备一定的配置灵活性。但当AI计算需求还未达到大规模制造专用芯片的时候，FPGA就成了过渡的好选择。而ASIC方案则是一个终极解决方案，它能够实现功耗极低但性能超强的效果。当AI的发展达到需要专用芯片的地步时，ASIC无疑是最佳选择。

宋继强表示，从数据显示来看，目前全球计算中心的计算量中已经有10%与AI相关。虽然这个比例看起来不算很高，但AI的成长速度却非常快，并且具有引擎带动效应。英特尔加速布局这一领域是自然而然的事情。那么除了传统的CPU到FPGA到ASIC的路径外，还有一条引人注目的路径——“类人脑计算”。这条路似乎更接近AI的本质需求。IBM、谷歌以及中国都在加速布局这一领域。那么作为全球芯片巨头，英特尔是否也在研发类人脑芯片呢？宋继强透露，英特尔确实在进行相关研究，只是目前还未到公布的时候。他曾在几年前参观过英特尔在硅谷的研究院展示日活动，那时就已经看到了他们在类人脑芯片和计算架构方面的研发成果。这些研发主要集中在美国研究院，但目前仍处于早期阶段，商业化之路还很遥远。