机器之心报道
机器之心编辑部

时在中春 ， 阳和方起 。 3 月 23 日 ， 机器之心 AI 科技年会以线上直播方式成功举办 。

文章图片

在这次活动中 ， 我们设置了人工智能论坛、AI x Science 论坛和首席智行官大会三场论坛 ， 并邀请到了 30 位重量级嘉宾 ， 围绕多个当下最具讨论价值的议题进行了充分的交流 。
虽然未能线下相聚 ， 但大家热情不减：活动当天 ， 直播观看人数共计 26000 余人 。 各位嘉宾的精彩讨论与观点 ， 也引起了在线观众的热议 。
精彩纷呈 ， 12 位嘉宾论道人工智能论坛

文章图片

作为人工智能论坛首位出场的嘉宾 ， 郑纬民院士分享的主题是《FABS：人工智能、大数据与科学计算融合的计算模式》 。
近年来 ， 智能计算正在加速与传统的科学计算融合 ， 在蛋白质结构预测、天气预报以及分子动力学等方面都取得令人瞩目的进展 。 AI 和科学计算都依赖于数据处理 ， 但现有智能 + 科学计算（AI-HPC）系统主要采用 MPI+X 的编程模式 ， 表达数据处理任务复杂 ， 而加入一套数据处理系统如 Spark 或 Pandas 又面临系统复杂性、性能或成本方面的挑战 。 此外 ， MPI+X 的容错能力相对较差 ， 依赖全局检查点和重算技术 ， 在系统规模扩展到 E 级和后 E 级时 ， 全机平均无故障时间仅有数小时 ， 对机器的有效使用提出重大挑战 。
因此 ， 始终缺乏一种能有效表达 HPC+AI+BigData 的编程方式 。 基于此 ， 郑纬民院士提出了人工智能、科学计算与大数据处理（FABS：Fused AI, Big Data and Science）融合的计算模式 ， 通过统一的张量抽象和编译优化技术 ， 同时为这三个领域提供了易编程、高可用、高性能的编程模型和计算模式 ， 将为大规模 AI+Science 的发展提供重要的工具 。
接下来 ， 前微软 AI 首席科学家、城堡基金首席人工智能官邓力分享了他在语音语言、金融投资、线上教育和健康医疗方面的实践经验 。 近年来 ， 包括深度学习在内的人工智能技术已经彻底颠覆了全球的语音识别和自然语言处理行业 ， 也对金融投资行业带来了巨大冲击 ， 并且得到了初步的杰出成果 。 除此之外 ， 在线上教育、医疗健康等其他领域 ， 基于深度学习的自然语言处理技术也正在成为主流方法 。
为了取得更广泛的成功和应用 ， 有几项技术上的挑战亟待解决 ， 比如模型的预训练和自训练、如何做迁移学习等问题 ， 这些问题的解决对于少样本和高噪声标注数据相关领域的进展会很有帮助 ， 比如医疗和金融行业 。 邓力指出 ， 另外一个很大的挑战来自对抗式学习 ， 即针对多智能体的对抗式的深度学习 ， 以股票预测为例 ， 在股票市场的统计分布上 ， 今天和明天可能非常不一样 。 为了要解决对抗性竞争的问题 ， 这一领域的技术还需要更多的进展 。
杜克大学电子计算机工程系教授陈怡然的分享主题是《高效人工智能系统的软硬件协同设计》 。 过去的 100 年里 ， 计算能力呈现出指数增长的趋势 ， 蕴含着无限的可能 。 关于人工智能的计算平台分为很多种 ， 但不管是 GPU、FPGAs、ASICs 还是其他新型架构 ， 基本遵循了同样的原则：更高效 ， 或者需要更长的时间；更专业 ， 或者更灵活 ， 实际上很难在多个维度达到统一 。
面对这样的矛盾 ， 多年来 ， 陈怡然教授的团队做了很多相关研究积累 ， 从 2012 年开始研究不同硬件上的表达 ， 到后来做架构设计、分布式的设计 ， 甚至到自动化的设计 。 同时 ， 陈怡然教授也指出 ， 全栈高效人工智能系统设计中还存着很多机遇和挑战 ， 很多方向的工作还需要更深一步的研究 。