張首晟：摩爾定律遇到危機後，發展人工智慧需考慮更好的演算法
“在過去十萬多年中，人類一直是地球上最具智慧的物種，
張首晟表示，今天人工智慧的爆發源於三個重要原因，一是摩爾定律所描述的計算能力的指數增長，二是互聯網和物聯網的爆發性增長帶來的海量資料，三是智慧演算法的快速發展。可將這三點概括為人工智慧的三大支柱。
他指出，我們這個時代正被非常偉大的資訊定理——摩爾定理所刻劃，但是摩爾定理是無法始終保持指數級爆炸式增長的，這是人工智慧時代一個非常大的挑戰和危機。這就需要不斷研究新的演算法以突破技術瓶頸。峰會上，張首晟推薦了一個新型演算法——同態加密。“這個演算法能夠在加密的資料上學習到裡面的智慧，不一定要看到資料本身，
機器智慧何時超越人類？張首晟認為，圖靈測試存在一定誤導，機器的智慧如果完全能夠模仿人類，還是一個漫長的過程。如果讓機器學習人的理性部分比較容易，但是學人的非理性的那些情感還是不那麼容易。
張首晟說，人類最高的智慧：就像愛因斯坦這樣偉大的科學家能夠寫出這麼簡單樸實的公式，
以下是張首晟演講實錄：
我今天演講的題目是“人工智慧的三大支柱”，在過去十萬多年中，人類一直是地球上最智慧的物種，但我們今天的確碰到一個新的挑戰，
為什麼在今天這個時候出現了人工智慧這麼一個新的、神奇的物種？主要是三個大的趨勢的彙聚，第一是計算的能力，自從電腦被發明之後，電腦的計算能力在過去的五六十年當中，基本上按照摩爾定律在增長。所謂的摩爾定律，就是指我們的計算能力每過18個月翻一次倍，這種神奇的計算能力的提高，使得我們現在到了突飛猛進的時代，
第二個潮流，由於互聯網產生之後，有大量資料的產生，人工智慧通過大量資料彙集得到學習，我們生活的每一個角落都變得資料化。
第三個潮流，對於我來講，是最最神奇的發展，那就是非常新的一些演算法，這也是我今天想跟大家主要分享的題目。人一開始會模擬大腦工作的原理來做出一些人工智慧、機器學習的演算法，但是在今後發展的過程當中，我們可能會推出一些演算法，是大腦根本不能實現的，但是在機器裡面卻能夠實現。比如說量子計算，完全新的在數學上的一些演算法。
我們這個時代被非常偉大的資訊定理所刻劃，這個定理就是摩爾定理，指計算能力每過18個月翻一次倍，摩爾定理奠基了資訊社會為什麼飛速發展，相比之下，傳統行業往往是在比較平行的，比較線性的增長情況，摩爾定理是指資訊計算能力按照指數級速度增長。
現在有各種各樣的現象，摩爾定理繼續按照傳統的方式推進下去，是不能按照過去發展的指數，爆炸式的增長，為什麼呢？每個三極管運算的過程當中必然會產生很多的熱量，如果三極管的基本原理沒有改變，每過18個月，三極管的數字翻一次倍的話，所產生的熱量也是每過18個月翻一次倍，這種情況下，整個晶片繼續提升的情況下，必然會燒掉。這是一個非常大的挑戰和危機，我作為一個物理學家，看到這是一個非常美好的機會，使得我們可以完全回到一張白紙上重新來想這個原理，為什麼電腦按照原先的摩爾定理繼續往前推進的話，碰到的阻礙是什麼。
用最簡單的話來講，我們為電子在晶片的最最底層造了一個資訊的高速公路，高速公路最根本的原理，車道的原理、各分其道、互不干擾，每個電子在固定的車道上在運行，而不像左邊一樣，是趕集的情況下會到處碰撞。
同樣的思維，今天來想人工智慧，第一步是通過神經網路在模仿人的大腦的每個神經元，還是簡單的模仿時期，到了下一步應該怎麼做呢？真正理解智慧、智慧的數學原理是什麼，就像我們理解了飛行的數學原理是什麼。一旦理解了之後，就能設計出來更好的演算法，這些演算法不一定是大腦能夠實現的，但是卻可以比大腦做得更加好。
我們如果想清這一點，就能想到真正用一些好的演算法，來取代一些技術上的瓶頸。比如說我們在人工駕駛這個領域裡面，大家都知道，絕大部分的技術路線還是在學習Google當年提出的技術路線，比如說人工駕駛在汽車頂上裝上雷射雷達，需要高清的三維地圖，這一點給整個自動駕駛領域帶來了很大很大的瓶頸。因為首先，雷射雷達非常貴，並且你要造高清的三維地圖也是非常麻煩。
今天大資料時代的產生，使得我們金融的資料，教育的資料，健康的資料都是大量產生，但是我們現在機器學習的能力就是通過這些大資料的本身就能學習到這裡面的智慧，能夠幫我們大大地提高在金融領域、教育領域、健康領域的效力。但是現在碰到一個最大的問題，能夠處理資料、能夠擁有資料的，這是兩個不同的人群，也可能是兩個不同的公司。相互之間不一定有一個完全的信任，這樣的話，很多資料不能夠被即時做分析。現在領域裡面，我向大家推薦一個非常新型的演算法，叫同態加密，這個新的演算法能夠在加密的資料上學習到裡面的智慧，不一定要看到資料本身，這樣的話，使得資料的擁有者和資料的處理者完全能夠分開，並且能夠建立信任基礎上的合作。
現在大家在人工智慧領域最想問的問題，是不是哪一天機器的智慧會超過人？我們怎麼能夠衡量機器哪一天超過人？比如說過去兩年，我們看到一個非常驚奇的人機大戰，Google的DeepMind能夠在下圍棋上戰勝人類最高的選手，這是不是已經說明電腦已經能夠超過人類。最經典的一個測試的方法就是所謂的圖靈測試，圖靈測試就是我如果跟背後一個幕後到底是機器人還是真正的人，我不知道，但是我跟它對話一陣之後，能不能發現背後到底是機器還是人，如果我分辨不出來，說明機器已經達到人的智慧。
但是我覺得，這個測試還是有一定的誤導，機器的智慧，如果完全能夠模仿人，還是一個漫長的過程，人過去通過幾百萬年作為一個生物物種的演化，的確帶來了一些非常理性的成分。但是硬要讓機器去學習人的理性的部分比較容易，但是學人的非理性的那些情感，說不定還是不那麼容易。我覺得人類最高的智慧，像愛因斯坦這樣偉大的科學家能夠寫出這麼簡單樸實的公式，我們做實驗能夠驗證它，這是人類智慧最高的結晶。我就問，下一次機器人是不是也能夠寫下相當於宇宙的非常深奧的定理，作為一個科學的發現，是在人的前面，在這種情況下，機器的智慧是真正的超過人。在這個領域，我們要做大的發展，我們在美國已經清晰地看到，一定要在學術界和工業界做一個非常緊密的結合，因為學術界往往有一些聰明的人才，他能夠想出這些最好的演算法，但是現在工業界，尤其是在互聯網公司，像網易，還有中國的BAT，手上都擁有大量的資料，一定要在緊密合作的過程當中，真正能夠把人工智慧做到更好的下一步。
但是在今後發展的過程當中，我們可能會推出一些演算法，是大腦根本不能實現的，但是在機器裡面卻能夠實現。比如說量子計算，完全新的在數學上的一些演算法。我們這個時代被非常偉大的資訊定理所刻劃，這個定理就是摩爾定理，指計算能力每過18個月翻一次倍，摩爾定理奠基了資訊社會為什麼飛速發展，相比之下，傳統行業往往是在比較平行的，比較線性的增長情況，摩爾定理是指資訊計算能力按照指數級速度增長。
現在有各種各樣的現象，摩爾定理繼續按照傳統的方式推進下去，是不能按照過去發展的指數，爆炸式的增長，為什麼呢？每個三極管運算的過程當中必然會產生很多的熱量，如果三極管的基本原理沒有改變，每過18個月，三極管的數字翻一次倍的話，所產生的熱量也是每過18個月翻一次倍，這種情況下，整個晶片繼續提升的情況下，必然會燒掉。這是一個非常大的挑戰和危機，我作為一個物理學家，看到這是一個非常美好的機會，使得我們可以完全回到一張白紙上重新來想這個原理，為什麼電腦按照原先的摩爾定理繼續往前推進的話，碰到的阻礙是什麼。
用最簡單的話來講，我們為電子在晶片的最最底層造了一個資訊的高速公路，高速公路最根本的原理，車道的原理、各分其道、互不干擾，每個電子在固定的車道上在運行，而不像左邊一樣，是趕集的情況下會到處碰撞。
同樣的思維，今天來想人工智慧，第一步是通過神經網路在模仿人的大腦的每個神經元，還是簡單的模仿時期，到了下一步應該怎麼做呢？真正理解智慧、智慧的數學原理是什麼，就像我們理解了飛行的數學原理是什麼。一旦理解了之後，就能設計出來更好的演算法，這些演算法不一定是大腦能夠實現的，但是卻可以比大腦做得更加好。
我們如果想清這一點，就能想到真正用一些好的演算法，來取代一些技術上的瓶頸。比如說我們在人工駕駛這個領域裡面，大家都知道，絕大部分的技術路線還是在學習Google當年提出的技術路線，比如說人工駕駛在汽車頂上裝上雷射雷達，需要高清的三維地圖，這一點給整個自動駕駛領域帶來了很大很大的瓶頸。因為首先，雷射雷達非常貴，並且你要造高清的三維地圖也是非常麻煩。
今天大資料時代的產生，使得我們金融的資料，教育的資料，健康的資料都是大量產生，但是我們現在機器學習的能力就是通過這些大資料的本身就能學習到這裡面的智慧，能夠幫我們大大地提高在金融領域、教育領域、健康領域的效力。但是現在碰到一個最大的問題，能夠處理資料、能夠擁有資料的，這是兩個不同的人群，也可能是兩個不同的公司。相互之間不一定有一個完全的信任，這樣的話，很多資料不能夠被即時做分析。現在領域裡面，我向大家推薦一個非常新型的演算法，叫同態加密，這個新的演算法能夠在加密的資料上學習到裡面的智慧，不一定要看到資料本身，這樣的話，使得資料的擁有者和資料的處理者完全能夠分開，並且能夠建立信任基礎上的合作。
現在大家在人工智慧領域最想問的問題，是不是哪一天機器的智慧會超過人？我們怎麼能夠衡量機器哪一天超過人？比如說過去兩年，我們看到一個非常驚奇的人機大戰，Google的DeepMind能夠在下圍棋上戰勝人類最高的選手，這是不是已經說明電腦已經能夠超過人類。最經典的一個測試的方法就是所謂的圖靈測試，圖靈測試就是我如果跟背後一個幕後到底是機器人還是真正的人，我不知道，但是我跟它對話一陣之後，能不能發現背後到底是機器還是人，如果我分辨不出來，說明機器已經達到人的智慧。
但是我覺得，這個測試還是有一定的誤導，機器的智慧，如果完全能夠模仿人，還是一個漫長的過程，人過去通過幾百萬年作為一個生物物種的演化，的確帶來了一些非常理性的成分。但是硬要讓機器去學習人的理性的部分比較容易，但是學人的非理性的那些情感，說不定還是不那麼容易。我覺得人類最高的智慧，像愛因斯坦這樣偉大的科學家能夠寫出這麼簡單樸實的公式，我們做實驗能夠驗證它，這是人類智慧最高的結晶。我就問，下一次機器人是不是也能夠寫下相當於宇宙的非常深奧的定理，作為一個科學的發現，是在人的前面，在這種情況下，機器的智慧是真正的超過人。在這個領域，我們要做大的發展，我們在美國已經清晰地看到，一定要在學術界和工業界做一個非常緊密的結合，因為學術界往往有一些聰明的人才，他能夠想出這些最好的演算法，但是現在工業界，尤其是在互聯網公司，像網易，還有中國的BAT，手上都擁有大量的資料，一定要在緊密合作的過程當中，真正能夠把人工智慧做到更好的下一步。