沈曉衛：AI、量子計算、區塊鏈三大浪潮，人工智慧時代的創新戰略前瞻

3月29日，IBM全球副總裁、 IBM大中華區首席技術官、IBM中國研究院院長沈曉衛出席2018新智元AI產業躍遷峰會，做了題為《預見人工智慧時代的創新與躍遷》的報告。IBM集當下最前沿的人工智慧、量子計算和區塊鏈技術於一身，悄然改變計算與商業的格局，前瞻人工智慧時代技術創新趨勢。

人工智慧、區塊鏈、量子計算是當下三個最有潛力的技術。在這個地球上，能同時研究這三種技術的公司並不多，能夠逐漸實現這三種技術商業化的公司，更是鳳毛麟角。

「藍色巨人」IBM將這三種技術集於一身，把企業人工智慧成功應用到醫療、教育等行業，並研發出50位的量子計算原型機，悄然改變計算與商業的格局。同時，IBM已經成為企業級區塊鏈市場上的最大玩家，並將區塊鏈技術和人工智慧技術結合，在合適的行業中做應用。

3月29日，IBM全球副總裁、 IBM大中華區首席技術官、IBM中國研究院院長沈曉衛出席2018新智元AI產業躍遷峰會，做了題為《預見人工智慧時代的創新與躍遷》的演講，預見AI的升級與躍遷。

全球百位CEO關注的三個話題：企業專長、數據、平台

不久前，IBM與全球的一百位CEO舉行了一次對話，這些CEO來自不同的行業，他們企業的業務涵蓋了全球超過兩百個國家和地區。每一位CEO都被問了三個問題：第一，作為CEO，你最想賭贏的是什麼？第二，你對於未來世界的看法是什麼？第三，你的賭注是什麼？

我們總結出CEO們一些共同關心的話題。

首先是關於企業的專長。CEO們意識到，公司的專長可能比我們想像的更有價值。CEO們希望理解自己公司的專長是什麼，面對未來如何定位企業。

你可能是一家保險公司，但與此同時，你可能具有風險管理的專長；你可能是一家出版商，但也許你擁有創作和提供內容的專長；你可能是一家零售商，但與此同時，你可能具有時尚或者服裝設計的專長；你可能是一家汽車製造商，與此同時，你的專長可能還包括了車隊管理與交通管理方面的能力。理解公司的專長，對於一家企業面對未來和重新定位非常有價值。

第二，關於數據。對於企業來講，最核心的資產或者最有價值的資產是數據，但是今天我們從數據中挖掘到的價值可能還不到2%。談到數據，包括企業的商業數據、物聯網的數據，也包括社交媒體的數據。特別重要的一點是，今天的數據80%是在防火牆之後的企業數據，靠搜索是搜索不到的。面對未來我們如何利用新的技術，來挖掘出數據中的核心價值，是非常重要的課題。

第三，關於平台。今天，商業世界正在建立可能從根本上改變遊戲規則的平台，也許我們沒有完全意識到這一點，也許我們還不完全清楚會是什麼樣的平台。通過平台，我們利用演算法更好地了解我們的用戶，隨著新的節點與新的用戶的加入，產生規模效應。

我們看到有一些企業本身就在成為一個平台的提供商，或者本身就是平台，無論它是移動支付的平台，還是基於區塊鏈的交易的平台。我們也看到一些企業在保證數據安全的情況下，用到第三方提供的平台，而產生更好的競爭力。還有一種的情況，我們把它稱之為重新的平台化，我們需要重新平台化來對我們的數據，對我們的資源進行新的整合，使得我們在新的情況下能夠更快速地對市場做出反應，更快速地設計出新的產品或者服務，或者降低成本提高效率。

IBM預測未來五年五大技術突破；企業人工智慧要求創新領軍人物具備AI、行業和商業能力

在這樣一個背景下，我們看一看，未來關注的是哪些技術。

首先看到的是無所不在的人工智慧。人工智慧正在從雲端逐漸向邊緣端擴散，當我們把雲計算和邊緣計算結合的時候，我們在某種意義上就是把人工智慧與物聯網做了一個結合，這使得我們能夠更好地對物理世界進行分析和管理。

接下來，我們需要更深入的洞察力，這一點很多時候需要強大的計算能力。比如我們用很多並行使用的加速器，來實現分散式深度學習。人工智慧的發展也使得大規模的個性化變成可能，無論是個性化的教育還是個性化的醫療。

IBM每年會做一個發布，預測未來五年可能改變世界的五項技術，我們稱之為"5 in 5"。不久前IBM發布的未來五年的五項科技預測，包括：

1、密碼錨定和區塊鏈聯手讓冒牌貨無處遁形。

2、全新格加密技術瓦解黑客攻擊。

3、人工智慧機器人顯微鏡讓海洋重現蔚藍。

4、新手段將消除AI偏見。

5、量子計算將成為主流。

從某一個維度來講，人工智慧迄今為止還是比較專用的或者比較狹窄的。圖像處理、語音處理，這些問題本身非常具有挑戰性，但這些問題還是在解決單一領域的單一問題。大家希望得到的所謂通用人工智慧，從今天技術的角度來看，還是有非常遙遠的距離。我們今天正在邁入一個比較寬泛的人工智慧（Broad AI）時代，這個時代重要的標誌就是人工智慧技術開始解決一個領域或者跨領域的多個問題。

在這樣的背景下，談企業人工智慧（Enterprise AI）顯得很有必要。今天的人工智慧大多數情況下還是消費者人工智慧（Consumer AI）。我們接下來會看到人工智慧在越來越多的垂直領域創新。這裡最大的挑戰，除了數據、演算法、計算，還有應用場景。行業專家並不完全理解人工智慧技術，包括未來的發展。IT技術人員並不完全理解行業。如何選擇應用場景，使得今天的技術或者我們預計未來三年五年可能出現的技術能夠對這個場景提供合適的解決方案，是一個很大挑戰。這種情況就對人工智慧領域的領軍人物可能有著與過去不一樣的要求，不僅需要是人工智慧專家，還需要對行業有一定的理解，並對商業創新有一定的感覺。

演算法對小數據學習與可解釋結果提出要求；構建可重複使用的基礎人工智慧模型

人工智慧的演算法層面，應該說，在未來幾年尤其是人工智慧應用在行業中，還是有一些問題需要得到很好的應對。一是如何從小樣本、弱標識的數據中進行學習。相對每一個要解決的行業問題，數據往往不是那麼多，或者標識好的數據往往不是那麼多。那麼在這種情況下，我們如何能夠很好地從小數據中來進行學習就變得非常重要。另外一點，人工智慧的模型或者人工智慧的解決方案需要能夠對結果進行解釋。比如我們把人工智慧應用在醫療中，不但要給醫生提供建議，還要能夠給醫生解釋為什麼給出這樣的建議。人工智慧模型的開發者也需要理解這樣的模型是如何工作的。

並且，我們需要構建更多的可以重複使用的基礎人工智慧模型。這是經過數據訓練的，能夠獨立完成一些基本功能的模型。用這樣的模型來構建更複雜的人工智慧模型，再往上一步步構建行業的應用。我們可以設想一個人工智慧模型的交易市場（Marketplace），人工智慧模型的開發者和使用者，能夠在這樣的平台上對模型進行交易。

我們也想特別談一下人工智慧時代的安全和倫理。人工智慧技術本身的發展可能會給我們帶來全新的挑戰。一方面，人工智慧技術可能被用來對我們計算機系統進行攻擊；另一方面，數據可能被污染，如果我們使用了被污染的數據，可能使構建的人工智慧解決方案產生偏差。比如說，如果我們用被惡意改變了的數據來訓練交通標誌識別解決方案，它可能會對一些重要的交通信號產生錯誤的解讀。再比如說，我們構建一個信用卡申請審核解決方案，如果數據是有偏見的，無論是有意還是無意，可能對某一類申請人給出不合適的判斷。如何一方面保護我們的數據，另一方面保護人工智慧的模型免於受到攻擊就變成一個非常重要的技術問題。與此同時，我們也需要新的行業標準，可以對人工智慧模型進行安全和倫理的測試與鑒定。

剛才談到人工智慧與行業結合，應該說人工智慧的成功是需要商業的成功，而人工智慧商業的成功必然需要與行業結合。在互聯網時代很多新興企業是顛覆者，而傳統的企業往往受到很大的衝擊。在人工智慧時代，在企業人工智慧的時代，今天的很多傳統企業有可能成為全新的創新者和顛覆者。今天的數據80%是企業數據，人工智慧與傳統產業的結合，給傳統企業提供了全新的機會，使得他們能夠成為這個時代新的顛覆者。

以人工智慧在醫療行業的應用為例。醫療本身是人工智慧應用非常重要的領域，IBM也花費了大量的努力在這個領域。人工智慧在醫療行業有著非常廣泛的應用場景，我們的用戶可能是醫院，可能是醫生，可能是政府監管部門，可能是製藥公司，也可能是醫療保險公司。就醫院為來說，我們可能為醫生提供腫瘤診斷的建議，也可能為社區醫生提供幫助慢性病診療和管理的解決方案。以慢性病管理為例，如果沒有技術的支撐，就難以實現我們希望達到的分級診療的目標。從技術的角度來看，我們需要構建基於醫療指南知識的人工智慧系統。在這個基礎之上我們分析大量的醫療電子病歷，通過數據驅動得到新的洞察力，並把知識驅動和數據驅動做一個很好的整合。

量子計算將成為主流併產生商業應用前景

我們接下來談新的計算力，而計算力包括在終端的，也包括在雲端的。IBM最近發布了一個最小計算機，大小1平方毫米，但是它有幾十萬個晶體管，包含了靜態存儲器。這個晶元的成本不到10美分。這樣的計算機可以和區塊鏈技術結合，來跟蹤產品從生產到最終消費的全過程。

我們再看幾個可以幫助我們提升計算力的技術。今天的計算機計算和存儲是分開進行的，數據要在存儲器和計算單元之間傳遞，耗費能量，也耗費時間。模擬計算技術運用器件的物理特性，使得它在做存儲的時候能夠做一些合適的邏輯運算。雖然模擬運算不像數字運算那樣準確，但是它對於很多的人工智慧演算法，比如圖像識別，還是提供了足夠的精度，而效率有了極大的提高。

談到未來的計算力，我們需要談一下類腦計算。幾年前IBM宣布的TrueNorth晶元，是這個領域非常重要的探索。這個晶元可以模擬100萬個神經元，2億5千個神經突觸，僅需70毫瓦的能量。我們遠期的目標是希望構建能夠模擬100億個神經元，而功耗不超過1千瓦的類腦計算晶元。

量子計算在過去的10年取得了非常重要的進展，在座的如果沒有經歷過計算機科學或者傳統計算機發展的整個階段，將有幸看到量子計算從誕生到實用的過程。IBM在這個領域做了很多的探索，2016年5月，我們發布了5個量子比特的量子計算機。2017年又發布了20位的量子計算機，及50位的量子計算原型機。與此同時，我們提供了基於雲的量子計算訪問平台，也在構建一個軟體環境，幫助程序開發者方便地構建在量子計算機上運行的程序。

談到量子計算，我想談一個概念，姑且把它翻譯為量子容量（Quantum Volume）。我們如何來界定量子計算機的能力？傳統計算機有很多參數與性能指標，無論是計算機的位數，還是計算機的主頻，還是每秒執行的指令數或者每秒執行的浮點運算數。量子計算機的能力或者速度不僅僅取決於量子比特位的數量，還跟其它一些因素比如錯誤率是相關的。

我們今天處在量子準備時代，已經可以構建相對來說還是比較小的量子計算機，在不久的將來，我們可以構建更強能力的量子計算機，它能夠解決一些傳統計算機所不能解決的問題。我們的目標是構建具有容錯能力的通用的量子計算機。量子計算機不是單獨運行的，而是要和傳統計算機做一個結合，一起解決我們今天需要解決的問題。

人工智慧時代技術創新的戰略，我們看到四個大的方向：人工智慧的核心技術；人工智慧和區塊鏈技術的融合；構建全新的計算能力；人工智慧與行業的結合。可以這樣講，人工智慧改變世界，還是要從改變每個行業開始。

（本文首發於新智元微信公眾號：AI_era，歡迎關注！）