认知计算,未来计算

时间:2022-03-24 12:15:24

认知计算,未来计算

以计算机为代表的现代计算技术行业在短短70年内发生着巨变。但是从最初的可编程电子管电子计算机,到当前具有几万个计算节点的超级计算机,都是以数学家约翰・冯・诺伊曼在20世纪40年代创建的计算机架构现身出来的。但是由于自身的局限性,“冯诺依曼瓶颈”已经成为计算技术进一步发展的阻碍。

虽然,在新型计算机结构及处理的研究上,人类已经取得了很多成果,如阵列机、流水机、向量机等,使计算速度有了很大提高,但就本质上仍无法克服冯・诺依曼机结构上的缺陷,因此探寻新型计算的步伐,一直没有停止,其中认知计算就是新兴的研究方向之一。

打造新的人机联盟

对于计算技术而言,编程运算时代的使命之一是将人类任务自动化,而现在这个新时代则不同,是有关于将人类的能力微缩并放大,人与机器之间的界限将越来越模糊,两者之间的协同效应将发光发热。

众所周知,人类的大脑的潜力是惊人的。但是当不断增长的数据包围人类自身时,人类的能力突然似乎很有限,然而未来的认知计算可以帮助拓宽人类认知的界限。

传统的计算技术是定量的,并着重于精度和序列等级,而认知计算则试图解决生物系统中不精确、不确定和部分真实的问题。认知计算不同于传统的计算技术,它意味着更加自然的人机交互能力、不完全依赖于计算机指令的自主学习的能力、以数据为中心的新的计算模型等。认知计算是一个系统工程,是一个贯穿整个计算机软硬件的整体创新。它的实现需要来自各个领域的科学家的共同努力和创新,包括:动态学习与推理、心理学和行为科学、决策支持、信息交互,以及芯片设计、计算机体系结构等。

通过使用视觉分析和数据可视化技术,认知计算机可以用在视觉上引人注目的方式显示数据,启发人类并帮助他们做决定。图像识别和语音识别技术的使用,则可以使计算机理解非结构化数据,并且与人类流畅地互动。随着认知计算发展走向深入,能令人类和计算机在认知系统时代强强联合,完成更优秀的工作。

认知计算强调能够与人类更加自然地展开互动,并不是按照程序运行,具有学习的能力并且能够越用越“聪明”。认知计算是以数据为中心,而不是以处理器为中心。IBM中国研究院院长沈晓卫认为,认知计算代表着一个新纪元的到来,是人类自身能力的极大的扩展,认知计算的发展不是为了替代人脑,而是构建更加智慧的人机联盟。

以IBM“沃森”计算机为代表的认知计算系统,通过对大数据进行实时运算和分析,能够实现自主学习,并拥有类似人脑的能力,为人类应对大数据挑战开启了新的方向。这也就让“沃森”能够在“危险边缘”这样的智力竞赛中脱颖而出。不过IBM的科学家认为,与参与智力竞赛比,未来的认知计算系统应该具备自动推理并提出新的、假定的答案的能力,这才是真正的类似人类的“解决问题”的能力。

认知计算所具有的四大特性――辅助(Assistance)、理解(Understanding)、决策(Decision)、发现(Discovery),将是人类面对大数据时代的挑战、做出智慧决策的保障。百科全书式的信息辅助和支撑,让人类利用广泛而深入的信息,轻松成为各个领域的“资深专家”;非凡的观察和理解能力,帮助人类在纷繁信息中发现其内在的关联和涌现的趋势;快速决策能力,帮助人类定量地分析影响决策的方方面面,降低失误,保障决策的精准性;发现及洞察能力,将实现从“演绎”到“归纳”的突破,真正让机器具备类似人脑的“认知”能力,帮助人类发现当今计算技术无法发现的新洞察、新机遇及新价值。

激发更多前沿研究

认知计算是一个跨学科研究领域,涉及计算机科学、心理学、行为科学等众多科学,也催生众多新技术的发展。一些突破性、具有历史贯穿性的基础研发正在伴随认知计算的发展。例如包括能够打破冯・诺依曼架构的全新编程模式,它与传统软件存在显著区别,打破了当今冯・诺依曼架构和计算机所依赖的顺序运算模式,专门定制用于新型的分布式、高级互联、异步、并行、大规模认知计算架构。

现代计算系统是在几十年前依据预定义的程序设计完成的。它们虽然是快速精准的“会计师”,但传统的计算机设计在功率和规模方面都存在局限性,在实时处理这个世界所生成的嘈杂的、模拟的、海量的大数据时会降低效力。相比之下,人脑虽然在运算速度和精准度上都相对较低,却擅长执行识别、解释和基于模式采取行动等任务,并且具有功耗仅、体积小的特点。

通过上述这种全新的编程模式,研究人员正在研究设计具有大脑功能及低功率、小体积、结构紧凑等架构特征的硅片。这项技术将允许用户构建出能够模拟人脑的感知、行动和认知能力的新一代智能传感器网络。这种基于可扩展的、互联互通的、可配置的“神经突触核心”网络而构建的新颖的人脑级芯片架构,每核均提供紧紧靠在一起的内存(“神经节”)、处理器(“神经元”)和通信组件(“轴突”),采用由事件驱动的方式开展活动。这些芯片可作为平台来模拟并且扩展人脑响应生物传感器的能力,以及同时分析多个来源大量数据的能力。

据悉,为了构建并且推行这个全新生态系统,IBM的研究人员在模拟器、神经元模型、编程模型等方面进行了大量的研究,来支持从设计到开发、调试和部署的整个编程周期:

模拟器:多线程、大规模并行化、高可扩展的功能性软件模拟器,能够模拟由神经突触核心网络组成的认知计算架构;

神经元模型:简单的、数字化的、高级参数化的尖峰神经元模型,构成了类似人脑计算系统的基本信息处理单元,支持广泛的确定性和随机性神经计算、编码和行为。此类神经元网络可以感知并且记住种类繁多的时空多模态环境刺激,并且据此采取行动;

编程模型:基于可以编排、可以复用、名为“corelets”的构建块,对“程序”进行简要说明。每个corelet都是代表某类基本功能的神经突触核心网络的完整蓝图。corelet将内部工作原理隐藏起来,只将外部输入和输出暴露给其他编程人员,以便他们能够集中精力研究corelet能够做什么而不是如何去做。多个Corelets结合在一起可以构建一个规模更大、结构更复杂、或者功能更丰富的全新corelets;

库:认知系统存储器,内含一致的、参数化的、大规模的算法和应用的设计与实施信息,可将大规模并行化多模态时空传感器和制动器实时链接在一起;

Laboratory:新颖的教学课程表,覆盖架构、神经元规范、芯片模拟器、编程语言、应用程序库及原型设计模型等广泛内容。还包括端到端的软件环境,可用于创建corelets、接入程序库、使用模拟器体验各类程序、将模拟器的输入/输出与传感器/制动器相连接、构建系统、显示/调试结果。

认知计算的发展不是为了替代人脑,而是构建更加智慧的人机联盟。

上一篇:腹腔镜大子宫肌瘤剔除术前应用曲普瑞林的临床... 下一篇:也谈全球气候变化及其对人类的影响