钱江晚报·小时新闻记者 施雯 通讯员 陈航 肖乐 徐画
智能计算是什么?图计算面临怎样的挑战?“深度学习的奇迹之年”带来了哪些“礼物”?……
这些看似遥远的前沿问题,已不仅仅是高深复杂的理论和艰深晦涩的代码。面向人机物三元空间融合的智能社会,智能计算将成为我们开启智能世界的“金钥匙”。
11月16日,杭州之江实验室、美国科学促进会旗下期刊Science和Science Robotics共同主办的“智能计算创新论坛”在杭州南湖之畔举行。
现代人工智能之父、阿卜杜拉国王科技大学教授、瑞士人工智能实验室研发主任Jürgen Schmidhuber,英特尔实验室Yulia Sandamirskaya教授,萨里大学教授、比勒菲尔德大学教授金耀初,密歇根大学教授卢伟,之江实验室主任朱世强,华中科技大学-之江实验室图计算联合研究中心主任金海,清华大学教授杨广文,北京大学教授金芝,上海大学-之江实验室计算材料学联合研究中心主任张金仓……十余位国内外智能计算领域顶级专家通过线上线下的方式分享最新研究成果及对智能计算的展望。
论坛直播吸引了全球1万余人观看,大家共同经历了一场长达8小时的头脑风暴。
本次论坛的主题为“面向智能的计算和智能驱动的计算”,旨在探讨智能计算技术的创新方向和未来,这也是之江实验室与美国科学促进会(AAAS)Sience杂志社共同举办的首届智能计算主题论坛。
论坛中,朱世强主任首先全面介绍了智能计算的内涵、特征、核心技术、框架体系及之江实验室智能计算科研进展。“智能计算既不是超级计算、云计算的替代品,也不是现有计算的简单集成品。而是根据任务所需,以最佳方式利用既有计算资源和最恰当的计算方法,解决实际问题的一种计算形态。它既要充分利用现有的算力和算法,又要推动形成新的算力和算法。”他表示,智能计算将伴随数字化融入社会生产生活方方面面,成为支撑智慧社会的基础。
金海教授表示,图计算拥有广阔的应用场景,但随着数据规模不断增加,图计算在满足高吞吐量、高可扩展性和应用多样性上,正面临越来越大的挑战,在架构、内存、算法层面都需要研究新的更适合于图计算的技术方法。
Jürgen Schmidhuber教授从宇宙起源讲起,回顾了人工智能深度学习技术的发展历史。他在主旨报告中指出,1990-1991是其深度学习研究生涯中的“奇迹之年”,他和他的团队在此期间提出了包括通过无监督预训练的深度学习、LSTM(长短期记忆网络)等许多对深度学习发展影响至深的技术。
Yulia Sandamirskaya教授指出,神经形态计算是为人工智能开发新计算范式的一种方法。神经形态计算建立了一种新型的硬件、算法和软件,其灵感来自生物神经系统——迄今为止我们所知的最具自适应性的自主智能系统。
金耀初教授从进化发展的角度探讨了如何克服人工智能深度学习的局限。他介绍了人类大脑和神经系统的进化发展,并以此为基础描述了嵌入在储层计算中的神经可塑性计算模型,及其对于回声状态网络和脉冲神经网络学习性能的影响。一天的时间,围绕智能计算多领域的观点、知识高频输出。
圆桌会议中,国家并行计算机工程技术研究中心研究员刘鑫表示,更大规模、更高精度,与人工智能深度融合的应用发展趋势对计算机体系架构提出了新的需求,多态异构、数据存储一体、软件定义的领域定制计算是研制计算机体系架构的方向和目标。下午的论坛中,杨广文教授、金芝教授、卢伟教授、张金仓教授分别围绕智能超级计算机系统、深度学习、存算一体以及材料设计与智能计算等研究领域进行了研究成果分享。
论坛现场,《之江实验室智能计算白皮书》(以下简称《白皮书》)重磅发布。
《白皮书》详细阐述了智能计算的源起,通过丰富的例证描绘了智能计算的类型与形态,呈现了丰满、清晰的智能计算概念。同时,《白皮书》展望了当前智能计算面临的重大挑战和机遇及未来创新趋势,介绍了之江实验室在智能计算领域开展的研究工作。
智能计算技术已成为国际计算机科技发展的焦点,在计算理论、架构体系和模式等迎来颠覆性变革之际,之江实验室期待与更多有志于智能计算研究的专家学者和业界同仁,在前沿探索与应用实践中携手前行,共同迈向智能计算的新时代。
本文为钱江晚报原创作品,未经许可,禁止转载、复制、摘编、改写及进行网络传播等一切作品版权使用行为,否则本报将循司法途径追究侵权人的法律责任。
内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/99877.html