計算的未來

布魯諾·米切爾

1955年，美國計算機科學家約翰·麥卡錫（John McCarthy）創造了“人工智能”一詞，自此以后，公眾構想出一個這樣的未來—有意識的計算機和機器人能像人一樣思考和行動。但盡管這一未來確實可能到來，目前還相當遙遠。

但可以預見的計算前沿亦相當令人激動。我們已經進入了IBM所謂的認知時代。計算的突破正在增強我們利用大量數據的能力，為某些全世界最重要的決定提供指導，并有望對整個產業造成革命性影響。

“認知計算”一詞是指這樣的系統：它沒有明確的程序，相反地，是為了學習經驗而打造。這些系統從無結構的數據中提取有用的信息，從而加快了信息時代，能幫助用戶完成范圍甚廣的一系列任務，包括識別獨特的市場機會、發現疾病的新療法，為城市、公司和社區制定創新性的解決方案等。

認知時代標志著應用科學理解大自然和推動人類繁榮的新階段。其濫觴可以追溯到2011年，認知計算機系統沃森在游戲秀《Jeopardy！》中打敗了兩位人類冠軍。此后，沃森又繼續取得了大量成就，證明了認知計算有能力使用大數據處理某些人類所面臨的最困難的系統性問題。

廣泛而言，認知系統提供了五項核心能力。首先，它們創造了更深度的人類參與，通過使用關于個體的數據創造更加完整的人類互動。其次，它們擴大和提升專業知識，從不同領域的專家中學習，讓這些知識能為廣泛的群眾所用。第三，它們提供產品，比如連接到物聯網的產品，這些產品具有感知周邊世界、了解它們用戶的能力。第四，它們讓操作員得以利用大量數據，有助于管理工作流、提供情境、實現持續學習、改善預測、改進經營效率。最后—也許是最重要的—它們讓用戶能夠感知傳統方法無法發現的模式和機會。

認知系統的靈感來自人的大腦，這個器官仍有許多內容等待我們探索。隨著系統規模和復雜程度的增加，傳統計算機架構正在走向極限，因為耗電量的激增和元件之間的傳輸延時日益成為負擔。事實上，就能源效率而言—用“無結構”數據上每能源單位的計算次數衡量—人腦表現要比最佳人造機器還要高出大約1萬倍。

如今，據數字力量集團（Digital Power Group）CEO馬克·米爾斯（Mark Mills）的數據，計算機消耗了大約世界發電量的10%。為了充分實現認知時代的好處，我們必須能夠處理巨量信息；在未來15年，“數字上可接觸”的數據數量預計將增加1，000多倍。只有在能源效率實現巨大的改進，才有可能實現使用如此大量數據所需要的計算量。

趕超人腦的表現和效率可能需要我們模仿某些大腦結構。我們不必試圖從越來越大的芯片中榨取能源密集型性能，可以重新排布計算機元件，組成類似于人腦的密集3D矩陣，從而實現能源效率而言不是性能的最大化。

在3D環境中部署芯片讓計算機的各種要素彼此之間更加接近。這不僅縮短了它們的通訊時間；也改善了能源效率，幅度可達5，000倍—有望產生能源效率接近生物腦的計算機。目前，通過可用移動技術和熱水冷卻建造的性能大幅提高的計算機已經實現了比傳統系統高十倍的能源效率。

但人造計算機效率低下不僅是因為它們需要為芯片供能，也是因為它們需要能源運行空調從而帶走處理器所產生的熱量。人腦在這方面也能提供教益。正如大腦使用糖分和血液提供能源、冷卻各個區域，3D計算機也可以使用冷卻液體為芯片輸送能量。除了散熱，這種冷卻液體還能為向處理器提供能量的電化學系統供能。這反過來能進一步增加封裝密度—從而提高效率。

通過模仿人腦的某些特點，計算機有望大大增加緊湊性、效率和性能。而這反過來能讓我們充分利用認知計算—為我們真正的大腦提供新的支持、仿真和啟發資源。

本文由 Project Syndicate授權《南風窗》獨家刊發中文版。作者是IBM蘇黎世研究中心科學家。