黄罡:信息技术的未来——人机物跨界融合

选择字号:   本文共阅读 168 次 更新时间:2020-11-16 23:02:29

进入专题: 电子信息   计算机    

黄罡  

   麦肯锡在2013年发布的一份报告中,预测了到2025年对全球经济最具影响力的12项技术,其中排名1至6位的技术,分别是移动互联网(Mobile internet)、知识工作自动化(Automation of knowledge work)、物联网(Internet of things),云计算(Cloud technology)、先进机器人(Advanced robotics)和自动驾驶(Autonomous and near autonomous vehicles)。

   巧合的是,这六项技术无一例外的与信息技术有直接或者间接的关联。今天,他们对于全球社会进步和经济发展的推动效果已经毋庸置疑地显现出来,在中点时刻我们可以预想到,新一代信息技术的进步和应用仍将是未来五到十年时代变革的主要引擎之一。

   在新一代信息技术蓬勃发展的进程中,中国政府显示出充分的关注与支持。中共中央政治局自2017年至今,先后集体学习国家大数据战略、人工智能发展现状与趋势、区块链技术的发展现状和趋势和量子科技研究和应用前景。

   前重庆市长,现以经济学家角色活跃的黄奇帆提出在此轮变革中,中国有机会摆脱以往跟随者的角色,领航新一代信息技术的发展。刚刚结束的中共十九届五中全会公报中指出“坚持创新在我国现代化建设全局中的核心地位,把科技自立自强作为国家发展的战略支撑。”

   新一代信息技术 源自经典理论体系难以为继

   新一代的信息技术的发展缘由,是信息技术的经典基础理论和技术体系的发展遇到了瓶颈。这里指称的信息技术经典基础理论和技术体系,是20世纪60年代诞生的,以计算、储存和通信技术为基础,形成互联网、移动互联网和物联网并支撑现代服务业、现代制造业以及信息产业的体系。

   对于经典的信息技术发展路径,有一条广为人知的代表性总结,即摩尔定律,认为在价格不变时,集成电路上可容纳的元器件数目每18-24个月增加一倍,性能提升一倍。但问题在于,元器件数目增长物理原理,是两个元器件之间的最小距离不断缩短。最近台积电宣布取得重大进展的2nm工艺,几乎已经达到了硅基芯片元器件距离的物理最小极限,摩尔定律所预测的增长在2020年即将难以为继。

   为了解决上述困境,我们目前正在进行技术原理创新和工程原理创新的两种思路的探索。所谓技术原理创新,就是改进或替换图灵机、布尔运算、冯诺依曼结构、半导体等数学和物理基础。以芯片为例,放弃目前的硅基路线,转而采取新结构或者新材料,从而突破2nm的元器件距离极限。

   如北大张志勇-彭练矛课题组在碳基集成电路的方向上探索多年,并在最近突破了半导体碳纳米管关键的材料瓶颈,使其制备出的器件和电路在真实电子学表现上首次超过了硅基产品。技术原理创新的设想和方案众多,但哪种方案最优?至今仍无定论,需要持续的摸索和投入,预计至少在十年后,也就是2030-2040年将进入信息技术基础理论和技术变革性突破的窗口期。

   这项对于信息技术技术变革的时间判断提出于2000年,当时,科学家已经预测经典的信息技术已经不能适应未来社会的发展,而新的技术性原理突破还在三十年后,而更高精度的芯片制造和巨量芯片攒组而成的超级计算机的天花板触手可及。因此,一个问题自然而然的浮现:信息技术的研究还应该沿着原来的道路继续前行吗?

   没有人知道答案。但是的确存在第二条道路,那就是以工程原理的创新推动技术的运用和发展。这在过去的很多领域都有应验,比如飞机的制造与空气动力学之间的相互成就。在信息技术发展的过程中,就表现为在解决现实问题中,拓展现有信息技术的应用场景和方式,突破物理限制,将全球的计算能力连接起来,形成一台泛在的计算机,所有的人都可以使用,所有的物也因而连接。这就是“人机物跨界融合 ”

   人机物跨界融合新一代信息技术的主航道

   人机物跨界融合,实际上就是地球物理系统、人类社会系统和网络信息系统的连接融合。早在1991年,马克·维瑟(Mark Weiser)就是提出了“普适计算(Ubiquitous computing)”这一类似的概念,而真正为社会所感知,是2008年IBM提出了“智慧地球(Smart planet)”,宣扬全世界的互联互通和智能化。

   到今天,如芯片的不仅应用在计算机中,还与各种终端融合;传感器和手机支付无处不在;移动互联网积累的海量数据,帮助算法更加精准的提供服务。共享单车、自动驾驶、智慧城市,人和事物之间的关系被信息技术深深的改造和影响。人机物融合已经普遍的发生了。

   总结起来,人机物跨界融合有三点特征。第一是自然世界信息化,把现实世界的万事万物,都数字化于网络。比如,我们在微信中的交流,是自然语言数字化的过程;第二是信息世界自然化,在共享单车和自动驾驶方面体现最明显,第三是虚实世界孪生化,一旦自然世界被信息化,就可以通过数字孪生进行模拟仿真,预测未来的各种情况,从而成本和资源的浪费。

   人机物跨界融合与经典信息技术转换的导火索是2000年的互联网泡沫。1973温特·瑟夫(Vint Cerf) 和罗伯特·卡恩(Robert Elliot Kahn)开发出了TCP/IP协议中最核心的两个协议,两台机器之间从此可以进行数据包的传输,这是互联网的开端;1983年,美国军方背景的阿帕网(ARPANET)采用了TCP/IP协议,从而诞生了真正的互联网。

   进入九十年代,互联网开始商业化之路,其中蕴藏的巨大的价值潜力被释放出来,出现了雅虎(Yahoo)等一批巨头。新的时代出现了两条影响至今的定律,第一条是梅特卡夫定律(Metcalfe's law,1993):一个网络的价值等于该网络内的节点数的平方,而且该网络的价值与联网的用户数的平方成正比。这也就解释了为什么移动互联网时代,为什么所有的企业都在强调“获客”,为了获客可以付出巨大的“成本”。

   另外一条定律是吉尔德定律(Gilder’s Law 1996): 在未来25年,主干网的带宽每6个月增长一倍,是CPU增速的三倍。

   1995-2000年疯狂的互联网市场与这两条定律相互证明,大量的企业拥抱互联网。但一直以来,互联网争夺的都是用户的注意力,而互联网用户的基数有限,这对矛盾的后果就是世纪初的互联网泡沫,纳斯达克股指一泻千里,美国经济因此受创。但正是这次危机,才让人们认识到,互联网泡沫对于美国经济的影响,已经和石油危机、金融危机处于同一个层次。信息的价值在初代互联网企业的废墟中闪耀着光芒。

   云计算:信息技术 工程原理变革的“起点”

   亚马逊是今天全球最成功的互联网公司之一。零售之外,云计算(Amazon Web Services)是其业务的最大亮点。今天的亚马逊云计算业务在全球的云计算市场份额达到了40%,贡献了亚马逊经营的利润的绝大部分。

   但是这项业务的开始,却始于经典计算机理论的应用缺陷。作为零售网站,为了应对“黑色星期五”打折促销日这个访问量的峰值时刻,亚马逊购买了巨量的服务器和网络带宽。但当“黑五”结束后,访问量相比峰值下降了90%之多,先前的购买的设备和带宽空置,带了巨大的折旧费用。为了分摊运维和采购成本,亚马逊采取创新优化的手段,将这些资源租给了中小企业,甚至一些大型企业的需求也能满足。这个模式就是云计算。

   云计算中没有超越经典信息技术体系的原理,他的方法本质上是类似于数据中心的管理,将计算资源聚合在一起。美国科技作家尼古拉斯·凯尔(Nicholas G.Car)在《Big-Switch》书中提出,云计算对于信息技术产业的意义,可以类比为电气时代“由发电机模式向电厂模式的转向”。

   在爱迪生发明灯泡之后,为了供电,每家每户都需要购买发电机,在电厂出现以后,供电的便利带了电器类型的大发展,冰箱、洗衣机等等设备出现了。就如同我们拥有手机和电脑这样的终端,主要的计算处理依赖于自带的芯片,如果实现了云计算,那么就实现了统一供电,不仅计算能力会提高,而且新的产品形态也必将涌现出来。

   因此,云计算是新一代信息技术工程原理变革的起点,它的本质是信息资源的融合,赋予了“人机物融合”源源不断的动力。

   大数据:信息技术 工程原理变革的“焦点”

   新一代信息技术工程原理变革的第二个转变是对于数据利用方式的转变。最典型的案例是地图软件对于用户数据的使用,当用户的GPS定位、历史轨迹等数据上传到云端,软件就可以跨用户整合数据,并描述性分析当前的路况如何;用户发出路线请求后,软件则根据历史轨迹、时间等参与,预测性分析“可能发生了”,在页面上呈现事物可能发展的趋势。而在未来,当上云的数据足够充分,计算机就可以做出“决策性分析”,最终实现无人驾驶,这实际上也就是我们耳熟能详的“大数据”。

   大数据是信息技术工程原理变革的“焦点”,之所以是“焦点”是因为它既可以解决本领域的问题,也可以解决其他领域的问题。2019年4月10日,天文学家公布了M87星系黑洞的照片,这张黑洞照片并不是传统的天文望远镜拍摄而成,而是用大量的照片素材,辅以各项参与,利用数据处理的方法呈现的。

   这一事件标志着我们开始用数据管理的方法找到了现实世界的科学知识和科学发现,信息技术改变了自然科学。这种模式有一个响亮的名号:“第四范式”。科学研究的第一范式是实验,第二范式是数学推理,第三范式则是计算机科学仿真模拟,实质上是前两种的综合,而在数据密集型时代,自然科学研究的方向转到了数据验证的第四范式。

   数据不仅改变了自然科学,也改变了社会科学。比如利用网络搜索记录来实现对流感趋势的预测等等,越来越多的研究者将大数据视为一种重要的手段。1997年,美国SGI的数据科学家就已经发布了关于大数据(big data)的报告,其中的技术特征和今天并无二致,但是由于应用场景的缺乏,并没有发展起来。在工程应用越来越丰富的今天,大数据的技术才终于拥有了用武之地。

   人工智能:信息技术 工程原理变革的“高点”

   人工智能是基于上述的“云计算”算力和“大数据”的养料 而实现的。面向给定场景,给出算法,加上云计算的算力,对数据实行暴力求解,可以得出来一个决策性分析。所有人工智能都是这个原理,因此人工智能的 本质上是数据智能,算法是其中的关键。

   1956年8月,在美国汉诺斯小镇宁静的达特茅斯学院中,约翰·麦卡锡(John McCarthy)、马文·闵斯基(Marvin Minsky,人工智能与认知学专家)、克劳德·香农(Claude Shannon,信息论的创始人)、艾伦·纽厄尔(Allen Newell,计算机科学家)、赫伯特·西蒙(Herbert Simon,诺贝尔经济学奖得主)等科学家正聚在一起,讨论着一个完全不食人间烟火的主题:用机器来模仿人类学习以及其他方面的智能。这场会议并没有得出一个共识性的结论,但是大家却给讨论的内容起了一个名字:人工智能(artificial intelligence)

   为了达到真正的“智能如人”,科学家采取了不同的思路。符号学派认为,语言是人工智能的切入点,把语言转化为符号逻辑是一条可行的路径;而连接学派认为,真正的模仿人就要模仿人的神经结构;行为学派则从控制论的角度试图做尝试。

今天的人工智能以深度学习为代表性技术,(点击此处阅读下一页)

    进入专题: 电子信息   计算机    

本文责编:yangjiaxin
发信站:爱思想(http://www.aisixiang.com),栏目:天益笔会 > 科学精神
本文链接:http://www.aisixiang.com/data/123562.html
文章来源:北大新媒体

3 推荐

在方框中输入电子邮件地址,多个邮件之间用半角逗号(,)分隔。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2020 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号 京公网安备11010602120014号.
工业和信息化部备案管理系统