在過去30年中，如果說有一件事是最重要的，那無疑是“數(shù)字化”，在80年代、90年代我們所做的是把內(nèi)容和企業(yè)數(shù)字化。從當時的語音、圖像、視頻、文本，后來到企業(yè)ERP、CRM，包括云計算，其實是數(shù)字化的1.0和2.0階段。

 

　　現(xiàn)在，我們進入了新一輪的數(shù)字化3.0，這包括兩個世界的數(shù)字化。

 

　　■ 一是物理世界數(shù)字化，我們的路、車、交通燈，家庭、車間車床工廠，甚至整個城市都在數(shù)字化。

 

　　■ 二是生物世界，即我們的生命世界也在數(shù)字化，我們的大腦、身體器官、DNA基因、蛋白質(zhì)等正在走向數(shù)字化，同時各種新的生物電子芯片、腦機接口技術(shù)也在不斷發(fā)展。

 

　　麻省理工學院多媒體實驗室主任Nicholas Negroponte寫的《數(shù)字化生存》，談的就是數(shù)字化1.0，他認為這是從原子到信息再到比特的變革過程。至于數(shù)字3.0階段，我認為是從比特回到原子、分子的過程，可以說是原子、分子和比特的雙方映射。

 

　　第三次數(shù)字化和第一輪、第二輪有完全不同的一些特點。一方面是指數(shù)級的數(shù)據(jù)，比如在無人車領(lǐng)域，每天一輛車產(chǎn)生的數(shù)據(jù)量是5T；在基因測序領(lǐng)域，每一次測序產(chǎn)生的數(shù)據(jù)是3T，蛋白質(zhì)三維結(jié)構(gòu)的數(shù)據(jù)10300，所以數(shù)據(jù)在海量地增長。另一方面，這些數(shù)據(jù)主要不是給人而是給機器做決策的，是機器到機器的環(huán)節(jié)。

 

　　人工智能經(jīng)過了很多發(fā)展階段，最早是更多依靠知識的符號邏輯推理，但知識并不完備，所以造成了AI的第一個冬天。而現(xiàn)在，更多是數(shù)據(jù)驅(qū)動的深度學習；未來，我認為是知識和數(shù)據(jù)的融合，包括關(guān)于大腦的知識，以及大量的現(xiàn)實世界數(shù)據(jù)，同時也包括第一性原理方程式，比如薛定諤方程、分子動力學方程等等

 

　　深度學習可以說是這十年來的主流，從RNN、LSTM、CNN，到現(xiàn)在的GAN和Transformer，其經(jīng)歷了豐富的發(fā)展階段，當下的方向是預訓練、多模態(tài)、大模型。其中有不少挑戰(zhàn)，包括因果性、可解釋性、透明性，但也有新的解決方案。

 

　　目前，在感知方面，機器已經(jīng)達到和人類相當?shù)乃剑踔猎谀承┓矫孢€要更好，雖然認知能力還有一定的差距，但我認為在未來十年左右也將縮小。

 

　　人工智能發(fā)展中很重要的一點，就是三要素里面的“算力”，也即“計算”。摩爾定律已經(jīng)遇到瓶頸，因此，現(xiàn)在的深度學習，特別是大模型、大計算，其算力不僅僅要達到摩爾定律，而且要超越摩爾定律。它們每年的計算需求幾乎達到10倍增長。

 

　　例如GPT-3，它是1000多億參數(shù)的大模型。OpenAI團隊后面沒有資金繼續(xù)做，微軟投資把GPT-3模型訓練出來。

 

　　中國和美國在這個領(lǐng)域你追我趕。鵬城的盤古、智源的悟道、浪潮的“源1.0”、微軟-AMD的圖靈，不管是算力還是參數(shù)、數(shù)據(jù)，都比GPT-3大很多。在此方面，GPT-4可能也會馬上出現(xiàn)，一旦出現(xiàn)，我認為中國的企業(yè)、科研機構(gòu)也會超越GPT-4。這是一個好現(xiàn)象，中美兩國在這個行業(yè)的科技、產(chǎn)業(yè)方面形成良性競爭，對整個行業(yè)的發(fā)展都是有益的。

 

　　IT產(chǎn)業(yè)有三個定律，一個是香農(nóng)定律，一個是馮·諾依曼架構(gòu)，另外一個是摩爾定律。我們現(xiàn)在所做的，就是突破這三個極限，特別是馮·諾依曼架構(gòu)，它已經(jīng)被使用了將近60年，依然是目前計算的主流架構(gòu)。在人工智能時代，它有諸多局限，現(xiàn)在很多科研、產(chǎn)業(yè)都在想怎么去突破它。比如，在聽覺、視覺、觸覺、味覺之外打造新的感知，如激光雷達、三維結(jié)構(gòu)、光傳感、生物的傳感；另外，我們有新的數(shù)據(jù)流，需要海量的并行計算，包括AI的一些算法，如矩陣、算子、波爾代數(shù)等，都需要超越馮·諾依曼架構(gòu)。我們看到，很多新興科研產(chǎn)品出現(xiàn)，一些非傳統(tǒng)的芯片公司現(xiàn)在也都進入了芯片和程序庫領(lǐng)域。

 

　　長期來看，我們需要突破計算的范式。目前類腦計算、量子計算、光計算、生物計算都有重大進展；在空間分布方面，我們的計算也有很大變化：最早IBM大型機是完全的中央計算，PC階段則變?yōu)橥耆植际降?，到云計算時又回到中央式的，現(xiàn)在我們正走向云+邊+端的協(xié)同智能。未來，許多計算將走向邊緣，我相信，在未來十年中，90%以上的計算能力可能會到邊緣，整個計算會更動態(tài)化、分布化。

 

 

　　下面我簡單講人工智能在三個領(lǐng)域的應用，也是我們主要在做的一些科研工作。

 

　　在生命科學領(lǐng)域，一是剛才講過生物世界在數(shù)字化，產(chǎn)生了天文級的組學數(shù)據(jù)，基因組學，蛋白質(zhì)組學，轉(zhuǎn)錄組學，細胞組學，這些組學數(shù)據(jù)再加上各種組合帶來的數(shù)量是天文級的。二是，整個生物的實驗，干實驗和濕實驗完全閉合會走向自動化，未來越來越少的人介入，這是在實驗范式上很大的突破。三是，人工智能科學計算，我們現(xiàn)在生物世界里面更多的是分子動力學，未來AI將走進科學計算。

 

　　簡單看一下，AI在生命科學方面的進展，第一個是基因編輯，編輯的基底清楚之后，AI的算法可以更精準的找到治病基因，治療的方式讓靶點更加準確。其實就是把這個搜索空間大大的減少了。

 

　　另外，我們不僅僅可以做小分子的制藥，也可以做大分子，抗體，以及TCR個性化的疫苗和藥物，還有我們看到最近AlphaFold在蛋白質(zhì)解析方面的進展，從一維的序列到三維的結(jié)構(gòu)到功能，都會加速發(fā)展。其次，隨著高通量自動化的實驗發(fā)展，新的范式正在構(gòu)成。最近新冠疫苗的研發(fā)就是一個例子，從2020年1月基因的序列被發(fā)布之后，可以看到3個月之后，蛋白質(zhì)的結(jié)構(gòu)很快就解析出來了，1個月之后，病毒和人的交互方式就被解析了，很快滅活疫苗研發(fā)成果，這在人類歷史上是最快的一個周期，僅不到一年時間，我們的疫苗就出來了。

 

　　另外一個工作是我們彭健教授所做的，根據(jù)目前我們已有的腫瘤細胞系上藥物數(shù)據(jù)，加上動物的模型、老鼠的模型產(chǎn)生的數(shù)據(jù)來預測藥效。因為人類的這些數(shù)據(jù)比較少，可解釋型的機器學習能夠很快的去遷移到人體內(nèi)藥效預測上。右邊是乳腺癌患者的實例，可以看到用這樣的方式不僅僅加快研發(fā)速度而且對于藥物推薦使用的準確度也提高了5倍。另外一個例子是我們最近也是彭健教授團隊，用幾何深度學習，先把蛋白質(zhì)表面的幾何表征訓練起來，然后用深度的圖網(wǎng)絡來做抗體親和力預測。我們抗體設(shè)計不僅僅在過程上加速了很多，也已經(jīng)成功的應用到新冠的中和抗體藥物的開發(fā)上。

 

　　還有我們在基因大數(shù)據(jù)方面的工作，由蘭艷艷教授帶領(lǐng)學生完成，我們現(xiàn)在知道基因10%是已經(jīng)編碼的，90%是沒有編碼的，這些開放區(qū)域與轉(zhuǎn)錄因子的結(jié)合以及和目標基因的調(diào)控關(guān)系，最終會影響生物的性狀。但這些數(shù)據(jù)過去大家都不用，也不知道怎么用。那我們現(xiàn)在通過人工智能最前沿的預訓練技術(shù)，通過構(gòu)造一個全新的模態(tài)，建立基因數(shù)據(jù)的有效表達，繼而對下游的基因表達預測，剪切預測，治病性預測等任務都有顯著的幫助。這個工作剛剛開始，未來還有很大的發(fā)展空間。

 

　　很重要的是，我們發(fā)現(xiàn)這里面有非常大的挑戰(zhàn)，我們做人工智能或者說計算機科學，和生命科學，是兩個不同的語言體系。過去的合作方式都是比較機械的，或者是生物科學家去調(diào)程序包，或者把算法用到生命科學領(lǐng)域。為了打通兩個領(lǐng)域，我們做了一系列的工作，從硬件層到數(shù)據(jù)層，然后到算法層，這些工作叫“破壁計劃”。

 

　　這方面很好的例子是AlphaFold。首先第一點問題——從蛋白質(zhì)一維序列到三維結(jié)構(gòu)，它是一個科學的問題；第二點的話，就是每次破解蛋白質(zhì)的結(jié)構(gòu)之后，大家把數(shù)據(jù)拿出來共享，就可以看到積累的數(shù)據(jù)越來越多。

 

　　隨著數(shù)據(jù)更多、算力更大、算法更新，我們希望做的是，把這樣的一種方法論用到更廣闊的領(lǐng)域，不僅是蛋白質(zhì)，還有抗體、基因預測等方面。

 

 

　　人工智能在綠色計算雙碳領(lǐng)域也有重要的的應用。當環(huán)境與氣候已經(jīng)成為一種挑戰(zhàn)，碳中和是可持續(xù)發(fā)展的必然選擇，同時也是能源結(jié)構(gòu)調(diào)整的大機遇。

 

　　人工智能在這個領(lǐng)域也有很多應用。一個方向是物聯(lián)網(wǎng)，做AIOT，重要的是要感知這個世界，知道碳排放、能源從哪里來、怎么消耗的；第二，有了數(shù)據(jù)之后，就可以用算法進行智能決策，然后配制資源、進行資源循環(huán)。比如在能源融合方面，怎樣讓火電、核電、水電、風電、太陽能更好地融合到電網(wǎng)里去，在供電、儲能、用電各環(huán)節(jié)都進行數(shù)據(jù)監(jiān)控、優(yōu)化、感知和均衡，這是大問題，人工智能算法會在其中扮演不同角色。

 

　　講到雙碳排放，IT行業(yè)和ICT行業(yè)也是一個大的排放源。我和團隊講，先把我們自己的排放問題解決了：數(shù)據(jù)中心運行的大數(shù)據(jù)、大計算產(chǎn)生了很多排放；5G本身是特別好的技術(shù)，但由于需要很多基站、天線，所以功耗也比較高；另外大的算法、模型也有很多排放。

 

　　我們近期的一個工作是5G基站。眾所周知，5G用的Massive MIMO里面有很多基站，這樣計算一下，比如50個基站就有64個MIMO，組合數(shù)就很高了，正常應用的時候還要做最優(yōu)的布陣、部署，有很多種可能性，數(shù)量絕對會達到天文級。我們最近做了一些工作，是真實的基站加上一些模擬的場景，用多Multi-agent cooperative Contextual Bandits這個算法，其實也不是特別復雜，也包括一些離散正向?qū)W習算法，使得功耗降低了15%左右、5G網(wǎng)絡覆蓋質(zhì)量提高了5%左右。這個工作其實才剛剛開始，我想告訴大家，人工智能算法在很多領(lǐng)域都會有應用，應用之后可以起到很好的效果。

 

　　另一個工作更理論化：現(xiàn)在的大模型、大數(shù)據(jù)、大計算，能否也走向另一端，即小模型、小計算、小功耗，在邊緣處用傳感器或手機就可以做類似的計算。當然精度可以低一點，比如80%、90%，但功耗、計算量、模型可能是百分之一、甚至是千分之一。其中很多大家可能都比較熟悉，像蒸餾、壓縮、量化，對模型本身進行重新優(yōu)化和部署。

 

 

　　最后是人工智能在自動駕駛方面的應用，這也是我自己研究時間比較多的領(lǐng)域。

 

　　汽車產(chǎn)業(yè)已有上百年的歷史，這個產(chǎn)業(yè)最近在經(jīng)歷百年未有之大變局，無論產(chǎn)業(yè)結(jié)構(gòu)還是技術(shù)要素都進入了新階段。其中，智能化是無人駕駛最關(guān)鍵的環(huán)節(jié)。為什么這么說？首先是更安全，90%以上的交通事故是人為事故，而自動駕駛可以把它降到最低；其次是更綠色，它的效率更高，可以節(jié)能減排。

 

　　我認為自動駕駛也是人工智能領(lǐng)域目前最有挑戰(zhàn)、最難、最復雜的一個技術(shù)問題，但同時可以解決。它是一個復雜的大系統(tǒng)，但可以解剖成子問題，逐個解決；但如果沒有邊界的話可能就沒法解決。最具挑戰(zhàn)、但又有邊界的是AI垂直領(lǐng)域問題。

 

　　自動駕駛領(lǐng)域有一些關(guān)鍵的議題。這個領(lǐng)域有市場的力量，也有非市場的力量；市場力量包括技術(shù)是否可行、用戶是否有需求、產(chǎn)業(yè)生態(tài)、商業(yè)模式等，非市場的力量包括政策法規(guī)、倫理隱私等。在技術(shù)方面，完全無人的L4級別自動駕駛，究竟是夢想還是現(xiàn)實？究竟是以視覺為主，還是采取激光雷達多傳感器的模式？究竟是以單車智能為主，還是需要車和路、車和車協(xié)同？是漸進式跳躍，L2、L3走上去，還是直接跳躍到L4？是像安卓一樣開源，還是像Apple一樣封閉？到底是現(xiàn)在的汽車OEM會贏得這場競爭，還是造車新勢力？我注意到有很多的問題。要真正實現(xiàn)大規(guī)模無人駕駛，還需要一些時間。

 

　　我們開車的時候，是在用最安全且實時的方式，加上對時間的預測，構(gòu)建一個三維環(huán)境場景，做這件事是很難的。其中很重要的是，要有大量的數(shù)據(jù)、做很多測試、不斷改進算法。實際駕駛中永遠都會遇到此前訓練中沒有的場景。圖片上就是這輛特斯拉撞上一輛白色卡車，當時天氣特別好，藍天白云，它用視覺一看，以為前面沒有東西，就直接撞上去了。很多時候AI必須能預測，泛化的能力是人工智能的一個大挑戰(zhàn)，對自動駕駛、無人駕駛更加重要，因為一旦出現(xiàn)問題，就關(guān)乎生命安全。

 

 

 

 

　　關(guān)于視覺與多傳感器的問題，我的觀點是能拿到多少數(shù)據(jù)就拿多少數(shù)據(jù)。新的傳感給我們提供了新的數(shù)據(jù)和新維度的信息，AI的感知能力是唯一可以超過人類的點。攝像頭、激光雷達或各種不同傳感器可以看到人類眼睛看不到的東西，這是AI的優(yōu)勢，必須加以利用。運用視覺也可以實現(xiàn)無人駕駛，但其本身的魯棒性及安全性受限；而用激光雷達加上算法，就可以檢測出深度的信息，分辨車、行人，分辨運動或不動的物體，這就是有深度、有結(jié)構(gòu)的物體信息。所以視覺攝像頭和激光雷達相結(jié)合是最佳的方式。大家有顧慮，認為激光雷達太貴了，其實現(xiàn)在混合雷達價格已是可接受的。我想，固態(tài)雷達一定會是未來的趨勢，L2、L3的車上也會用到。

 

　　自動駕駛本身需要很強的智能，交通燈和道路配合也可以提供更高維的數(shù)據(jù)，車端和路端完全可以互補。有些東西車是看不到的，車只能看到100多米，而且經(jīng)常會被遮擋，交通燈則可以提供新的信息，這對自動駕駛安全提供了很重要的保障。

 

　　現(xiàn)在車的分級是從L0一直到L5，L5就是完全無人，可以在所有的場景、所有的氣候中行駛。最近清華大學智能產(chǎn)業(yè)研究院（AIR）和百度有個聯(lián)合項目，把路也分成C0-C5，到C4就是任何車都能無人駕駛，但這是比較極端的情況，我們希望最終的結(jié)果是車和路的融合。

 

　　我們做的物理模型和數(shù)學模型也顯示，車和路協(xié)同能夠大幅度提高安全性。在超距離跟車、換道、左轉(zhuǎn)這三個不同場景中，都可以看到路、燈的信息大幅度提高了車的安全程度。

 

 

 

　　最后總結(jié)一下：在前三次工業(yè)革命中，蒸汽機時代、電氣時代、信息時代，我們都是跟隨者、旁觀者，而現(xiàn)在進入第四次工業(yè)革命，到了智能時代，我們國家的體量、政策的優(yōu)勢、大量的科研人才，一定能讓我們成為第四次工業(yè)革命的領(lǐng)軍者！感謝大家。