经验啦

  1. 首页 > 生活百科 > 科技 > >

机器|华为战略研究院院长周红：面向未来的科学假设与商业愿景( 三 )

华为驾驶机器算法


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 。
例如在视觉上 ， 有些蜘蛛眼睛在物体轮廓和运动计算上远远超越了人眼 ， 有利于快速精准捕获猎物 ， 我想自动驾驶汽车是不是正好需要这种眼睛？
同样的还有青蛙眼睛 ， 是高灵敏度的单光子接收机 ， 可以在黑暗的环境下看的更清楚 。
在嗅觉上 ， 狗鼻子分辨气味的能力超过人类1000倍 。
除了拓展对外部世界的感知 ， 我们未来也能更好地感知和控制人体自身 。 像ECG、EEG、PPG等这些技术目前还没有系统地、便捷而又低成本地发展起来 ， 对于人体的八大子系统的实时度量感知 ， 我们还有很多工作要做 。 通过发展新的传感器 ， 我们将来可能实时、无感知地测量血压、血糖、心电等重要的健康参数；我们可以发展新的神经系统脑机接口、肌机接口 ， 更好地与机器协同 ， 将来有可能用思考来交流和工作、用思考来开车和娱乐 。
我们也可以发展虚实融合数字世界新的体验 ， 例如3D显示和虚拟触觉 ， 以帮助在数字世界中“看得真、摸得实” 。
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 。 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% 。

相关经验推荐


上一篇：电子商务|五一出行必备的蓝牙耳机：续航高佩戴舒适的蓝牙耳机推荐

下一篇：笔记本电脑|笔记本电脑清灰作用大不大？看完这篇文章后，就知道答案啦