[aipingce]4月26日消息，在2022年华为全球分析师大会上，华为战略研究院院长周红表示，21世纪将是人类社会全面走向智能化的时代，在走向智能世界的路上，我们面临着巨大的挑战，一方面，幸福生活、高效工作、绿色环境还需要感知、连接和计算提升成百上千倍能力，另一方面，在相关科学与技术上，过去的几十年中都没有大的突破，甚至已经接近瓶颈。
周红认为，面向未来，只有大胆提出假设、大胆提出愿景，敢于打破既有理论与技术瓶颈的条条框框，才能大踏步前行。 面向未来，华为认为数字技术将以超过十年百倍的速度增长，数字化将促进人和社会加速发展。 为此，华为提出面向未来的4个科学假设和商业愿景，希望与学术界、产业界一起共同探索，开展面向未来的研究。 一：拓展认知的边界，物质与能量、现象与规律 首先是探索基础科学和前沿技术，拓展我们认知的边界。尤其是物理、化学、生物等领域的突破，将使我们能够更好地发明新分子、催化剂、蛋白质等材料和器件，以及新的装备和新工艺。 二：拓展感知极限，更好地了解世界和人类自身 其次是未来将不断扩展感知世界和感知自身的能力，将从接近人类感知到超越人类感知、从替代感知到扩展和创造感知、从人类感知到机器感知。 “在这方面我们要向生物界学习，大自然通过百万年甚至上亿年的进化，形成了远远超越现有机器和人的感知能力。”周红表示。 三：探索新的计算模式与实现方式，认知世界、解决问题 第三是探索适应目标与环境的计算模式与高效实现方式，从而更好认知世界、解决问题、创造价值。 信息领域经过多年的积累，已经发展出了十几种广泛使用的计算模式，例如无线和光通信里大量使用基于快速傅里叶变换的蝶形计算模式，路由器里大量使用基于逻辑状态转移的有限状态机计算模式，AI里目前大量使用基于统计和相关的计算模式等。 周红指出，数学家和工程师们奋斗了这么多年，我们在计算模式上是不是已经走到了尽头？我认为还有很大的空间，例如： 在通信上：随着未来的通信系统不断走向高频、高速，我们将面临越来越多的非线性信道和非线性器件带来的问题，我们能不能从传统的线性傅里叶变换拓展到非线性逆散射变换，以更好地匹配未来的应用？ 在AI上：随着应用的不断拓展，我们面临统计相关AI计算模式不可解释、不可调试的问题，同时还有很大的能效挑战。我们能不能向生物界学习，例如蚂蚁，小小的蚂蚁大脑一般只有0.2毫瓦的能耗，它既不用深度学习、也不需要遵循可计算性理论和冯·诺依曼架构，但是却能够跑来跑去做很多复杂的事情，例如筑巢、寻找食物、养蚜虫等等。目前的自动驾驶汽车还需要几十瓦甚至几百瓦来进行计算，在能效上与蚂蚁相比还有很大的差距。因此在AI领域，除了统计和相关计算模式外，能不能进一步发展出数理逻辑计算模式、几何流形计算模式、博弈计算模式等？ 在科学计算上：我们大量用到矩阵，对于两个n行n列矩阵的乘法，如果按照原始简单算法，复杂度是n的3次方，1969年德国数学家创造的斯特拉森算法，将复杂度降低到n的2.807次方，2020年底MIT的Williams与哈佛的Alman给出一个复杂度是n的2.3728596次方算法。 在矩阵计算中，我们更关心稀疏线性方程组求解，因为在社会科学中，地球上有几十亿人，平均每个人只维持不超过200个有效关系；在芯片设计中，大部分元件的限制条件是局部的。在这个领域，佐治亚理工大学的彭泱等人发明了计算复杂度为n的2.3316次方的先进算法，获得了计算理论顶会SODA的2021年最佳论文奖。几个月前我们的数学家发明了一个更新的算法，将复杂度下降到n的2.28次方，比彭泱等人的算法降低了0.0516次方，这个进步意味着什么呢？对n=100万来说，计算复杂度将能进一步下降约45%。 在具体实现上，超级计算机往往要用巨大的能耗来实现大算力，例如3千万瓦实现近500PFLOPS算力，而人脑大约用20W可以做到近30PFLOPS，效率高了约八万倍。 四：突破香农定律的假设，在更大的时空中发展信息通信 第四是在有别于香农定律的假设、以及更大的时空中探索信息通信，从而跨越空间的障碍，建设全球直达的能力，连接虚拟与现实世界、以及无处不在的机器。 |
