人工智能從模塊上可分為感知、計算和控制三大部分，由表及里可分為應用層、數(shù)據層、算法層、算力層，而隨著2012年芯片進入28nm制程后的量子隧穿效應導致摩爾定律失效，“每提升一倍算力，就需要一倍能源”的后摩爾定律或將成為人工智能時代的核心驅動邏輯，算力的發(fā)展將極大受制于能源。
當前全球用于制造算力芯片的能源占全球用電量的約1%，可以預測在人工智能大規(guī)模普及的未來數(shù)十年后，該比例將會大幅提升至50%甚至90%以上。而全球如何在減少化石能源、提升清潔能源占比，從而確保減少碳排放遏制全球升溫的同時，持續(xù)提升能源使用量級，將推動一系列能源技術革命。關于該方向的研究可參考我們的另一篇報告《碳中和：能源技術新革命》。
早在第一次科技革命之前260年，哥倫布地理大發(fā)現(xiàn)就使西班牙成為了第一個全球化霸主。蒸汽機驅動英國打敗西班牙無敵艦隊，電力和兩次世界大戰(zhàn)使美國超過英國，信息技術又讓美國贏得和蘇聯(lián)的冷戰(zhàn)對抗，全球過了30年相對和平的單極霸權格局。
因此中國如果僅在現(xiàn)有技術框架中與歐美競爭，只會不斷被卡脖子，事倍功半。只有引領下一代人工智能和碳中和能源技術科技革命浪潮，才能從全球競爭中勝出。
盡管中國已經躋身人工智能領域的大國，但是我們必須認識到中美之間在AI領域仍然有著明顯的差距。從投資金額和布局上看，從2013年到2021年，美國對人工智能公司的私人投資是中國的2倍多。當前美國AI企業(yè)數(shù)量領先中國，布局在整個產業(yè)鏈上，尤其在算法、芯片等產業(yè)核心領域積累了強大的技術創(chuàng)新優(yōu)勢。更關鍵的是，盡管近年來中國在人工智能領域的論文和專利數(shù)量保持高速增長，但中國AI研究的質量與美國仍然有較大差距(集中體現(xiàn)在AI頂會論文的引用量的差距上)。
圖靈測試剛提出沒幾年，人們似乎就看到了計算機通過圖靈測試的曙光：1966年MIT教授Joseph Weizenbaum發(fā)明了一個可以和人對話的小程序——Eliza(取名字蕭伯納的戲劇《茶花女》)，轟動世界。但是Eliza的程序原理和源代碼顯示，Eliza本質是一個在話題庫里通過關鍵字映射的方式，根據人的問話回復設定好的答語的程序。不過現(xiàn)在人們認為，Eliza是微軟小冰、Siri、Allo和Alexa的真正鼻祖。圖靈測試以及為了通過圖靈測試而開展的技術研發(fā)，都在過去的幾十年時間里推動了人工智能，特別是自然語言處理技術(NLP)的飛速發(fā)展。
深度學習興起建立在以Geoffrey Hinton為代表的科學家數(shù)十年的積累基礎之上。簡單地說，深度學習就是把計算機要學習的東西看成一大堆數(shù)據，把這些數(shù)據丟進一個復雜的、包含多個層級的數(shù)據處理網絡(深度神經網絡)，然后檢查經過這個網絡處理得到的結果數(shù)據是不是符合要求——如果符合，就保留這個網絡作為目標模型;如果不符合，就一次次地、鍥而不舍地調整網絡的參數(shù)設置，直到輸出滿足要求為止。本質上，指導深度學習的是一種“實用主義”的思想。實用主義思想讓深度學習的感知能力(建模能力)遠強于傳統(tǒng)的機器學習方法，但也意味著人們難以說出模型中變量的選擇、參數(shù)的取值與最終的感知能力之間的因果關系。
我們應該從小重視培養(yǎng)孩子的溝通能力和情感發(fā)展，讓孩子有愛心，善共情，構筑自己的優(yōu)勢。
另外在藝術、創(chuàng)新等領域，人工智能也只能起到輔助性作用，我們也應該注重這方面對孩子的培養(yǎng)。
人工智能已成為國家戰(zhàn)略，也是歷史發(fā)展的必然趨勢，了解計算機、互聯(lián)網和人工智能相關的知識，訓練邏輯思維，熟悉人工智能的思考方式，是新時代孩子的必經之路。
通過三津村直貴的這本人工智能入門書《給孩子的人工智能通識課》，掌握人工智能的基礎知識，了解人工智能未來走向，以便在生活中能抓住合適的契機，引導孩子對人工智能產生好奇和探索的興趣，也是在為孩子的美好未來盡一份力。
下載文檔
