人工智能应用于各行各业，重新定义我们生活的世界

这是一个大数据的时代，这是一个人工智能的时代。人工智能时代的标志不是一个应用的出现，或一个算法的改进，或一场比赛的胜利，而是人工智能应用于各行各业，重新定义我们生活的世界。

这也是一个指数级增长的时代。过去几十年，信息技术的进步相当程度上归功于芯片上晶体管数目的指数级增加，以及由此带来的计算力的极大提升。这就是所谓的摩尔定律。今天，大数据时代产生的数据正在呈指数级增加，包括消费者数据与企业数据。今天的数据，大约80%是企业数据。在指数级增长的时代，我们可能会高估技术的短期效应，而低估技术的长期效应。历史的经验告诉我们，技术的影响力可能会远远的超过我们的想象。

无所不在的人工智能

伴随着大数据时代的到来，人工智能在过去十年取得了巨大的进步。但今天的人工智能，更多的是狭窄的完成单一任务的人工智能，如人脸识别、语音识别。能够解决各类问题的通用人工智能离我们还有太遥远的距离。从实际应用角度来看，在可预见的未来，我们会看到人工智能从狭窄(Narrow AI)走向宽广(Broad AI)，从完成单一任务到完成多个任务，从解决一个领域的特定问题到解决一个领域甚至跨领域的多个问题。

未来的人工智能，我们会看到不断增强的学习推理能力。如何从小样本小数据中学习变得非常重要。面向消费者的人工智能，积累了大量数据。比如图像识别，我们可以用大量数据训练一个模型。而面向企业的人工智能，对于特定的任务，往往没有大量的数据可用。多模态学习将会变得越来越普遍。比如人工智能剪辑电影，需要根据图像、声音，语言来理解视频的涵义。未来的人工智能，需要能够解释结果，即不但给出建议，还能解释为什么给出这样的建议。就像医生给出诊疗意见的同时，还需要解释依据在哪里。

未来几年，人工智能会从云向边缘端扩展，变得无所不在。比如可穿戴设备、物联网终端设备。很多场合我们需要实时的信息处理，如自动驾驶的汽车、为病人服务的医疗设备。也有很多场合由于信息安全的考量或网络带宽的限制，信息无法传输到云端而必须在边缘端处理。实现边缘智能(Edge Intelligence)，往往需要低功耗的智能设备。我们会看到米粒般大小的智能设备，集计算、存储与网络功能于一体。人工智能从云向边缘端的移动，将人工智能与物联网结合起来，使得我们可以对物理世界进行更好的理解、管理与优化。

企业人工智能与行业创新

我们会看到更多人工智能在垂直领域的行业创新。比如医疗，金融，工业制造。今天的人工智能，更多的是面向消费者的人工智能(Consumer AI)。未来几年，我们会看到企业人工智能(Enterprise AI)的兴起与发展。人工智能的成功需要商业成功，而人工智能的商业成功需要人工智能在行业应用的成功。

谈到人工智能，我们往往会谈到数据、算法与计算。实际上，人工智能用于行业创新，应用场景的选择非常关键。你问一个马车夫，他永远不会告诉你他需要一辆汽车。需求与应用场景的确定不容易。这里涉及到信息技术与行业知识的结合。人工智能专家不具备深刻的行业知识，而行业专家又不完全理解人工智能今天发展到什么程度，未来几年可能会取得什么样的进展。二者结合在合适的时间点选择合适的切入点，就变得非常重要。今天的人工智能技术还不能解决我们面临的全部问题。对于今天技术不能完全解决的问题，可以由人与机器协作共同完成，而不须一步到位。人机同行，共同完成人类或机器单独不能完成的任务。

人工智能应用在行业中会带来两类改变，一是借助机器提高效率；二是提供基于知识的专家助手帮助我们更好的决策。前者人工智能取代部分人力，后者人工智能赋能人类专家，增强人类的能力。我们会看到人工智能技术用于制造业，如视频分析用来做产品缺陷检测与质量控制。我们会看到人工智能医生。根据医学指南，与临床数据中学到的知识，为人类医生提供实时的诊疗建议。我们会看到人工智能律师，引用相关的法律文献，发现相关案例，向人类律师呈现最有价值的法律信息。

今天的人工智能，需要大数据训练模型，用于训练的数据需要标识，费时费力。未来的人工智能，我们可以基于已构建的相关领域的模型，再辅以新的数据快速学习，构建新的模型。打个比方，相当于当我们需要完成一项工程时，我们会招聘有相关经验的工程师，再加以适当的培训，而不会去找一个毫无经验的初学者。针对行业领域，我们需要预先构建哪些模型，如何构建，都是接下来需要关注解决的问题。

人工智能时代，信息安全面临全新的挑战。一方面，人工智能技术本身可能被用来考验与攻击信息系统的安全。另一方面，人工智能可能因为学习了有瑕疵的数据或被恶意更改的数据，而产生了安全的隐患，或伦理的缺陷。如何确保数据的安全，如何验证人工智能模型的安全与合乎伦理，是我们未来需要妥善应对的问题。

未来的计算能力

人工智能需要强大的计算能力。随着摩尔定律逐渐趋于物理极限，未来几年，我们期待新的技术突破能为我们带来新的希望。先谈一下类脑计算(Brain Inspired Computing)。传统计算机系统，长于逻辑运算，不擅长模式识别与形象思维。构建模仿人脑的类脑计算机芯片，我们今天可以以极低的功耗，模拟100万个神经元、2亿5千万个神经突触。未来几年，我们会看到类脑计算机的进一步发展与应用。

接下来谈一下模拟计算(Analog Computing)。传统计算机系统，数据在存储器与计算单元之间移动，耗费时间并增加能耗。运用存储设备的物理特性，存储器内能够进行一些特定的运算，以达到同时进行计算与存储的目的。例如，利用相变存储器进行模拟计算。这种模拟计算虽然没有数字计算精确，但对于很多不要求绝对精度的人工智能问题，可以极大地降低能耗并提高运算速度。

谈到计算的未来，我们必须提到量子计算。在过去十年，我们在量子计算上取得了令人振奋的突破，让我们对这项可能根本改变计算的技术充满了期待与遐想。对合适的问题，超级计算机几十万年才能完成的工作，量子计算机可能不到一秒钟即可完成。我们今天已经可以构建50量子位的量子计算机原型。量子计算机的实际应用与商业化，可能比我们想象的快许多。

人工智能时代是一个供给端创新带来巨变的时代。展望未来几年，人工智能时代的技术创新涵盖四个方面，即人工智能核心技术、新的计算能力、人工智能与区块链与物联网的结合，以及人工智能与行业的结合。

人工智能将影响到每一个行业、每一家企业，让我们重新思考我们的定位，重新思考我们的核心竞争力。这是一个让我们向往与憧憬的未来，这是一个让我们兴奋与期待的未来，这也是一个让我们不安与担忧的未来。正如计算机科学的奠基人图灵所说：我们只能看清前方很近的距离，但我们能看到那里有太多的事需要去完成。

博士，IBM全球副总裁，IBM大中华区首席技术官，IBM中国研究院院长。主要研究领域包括计算机系统、计算机软硬件协同设计、及与人工智能有关的技术创新。沈博士领导团队长期致力于面向未来的技术创新与商业拓展，涵盖人工智能核心技术，云计算平台与基础架构，区块链技术与应用，物联网技术与应用，以及人工智能在医疗、金融、环境等领域的行业创新与商业应用。