智能计算进展惊人但挑战巨大

　　在论文中，专家们提出，尽管人们近年来在智能和计算方面取得了巨大成功，但在这两个领域仍然面临重大挑战。甚至迄今为止，“智能计算”还没有一个被普遍接受的定义。

　　智能计算的挑战和新定义

　　智能计算代表着信息技术领域的未来，但近年来，无论在“智能”还是“计算”方面，尽管其技术发展惊人，但面临的挑战亦是巨大的。
　　在智能方面，作者们认为，使用深度学习的人工智能（AI）目前在可解释性、通用性、可进化性和自主性方面都面临重大挑战。与人类智能相比，当前大多数AI技术发挥的作用还很弱，只能在特定领域或任务中发挥良好作用。同时，从基于数据的智能升级到更多样化的智能，包括感知智能、认知智能、自主智能和人机融合智能等，也面临重大的理论和技术挑战。
　　在计算方面，论文中写到，数字化浪潮带来了应用、连接、终端、用户以及数据量的前所未有的增长，所有这些都需要巨大的计算能力，而满足如此快速增长的计算能力需求也变得越来越具有挑战性。加之智能社会中的巨型任务依赖于各种特定计算资源的高效组合；而传统的硬件模式不能很好适应智能算法，制约了软件的发展，这些都为智能计算的发展设制了障碍。
　　从解决复杂的科学和社会问题的角度，论文提出了智能计算的新定义：智能计算是支撑万物互联的数字文明时代新的计算理论方法、架构体系和技术能力的总称。智能计算根据具体的实际需求，以最小的代价完成计算任务，匹配足够的计算能力，调用最好的算法，获得最优的结果。
　　论文指出，智能计算的新定义是为响应人类社会、物理世界和信息空间三元融合快速增长的计算需求而提出的，并指出智能计算以人为本，追求高计算能力、高能效、智能和安全。其目标是提供通用、高效、安全、自主、可靠、透明的计算服务，以支持大规模、复杂的计算任务。

　　一份指引性见解

　　论文全面阐述了智能计算的理论基础、智能与计算的技术融合、重要应用、重大挑战和未来前景，尤其为学术界和工业界的相关研究人员提供了全方位的参考和智能计算领域的指引性见解。
　　论文提出，智能计算还面临大场景、大数据、大问题、泛在需求的挑战。同时，算法模型变得越来越复杂，意味着越来越需要超级计算能力来支持模型训练。目前，计算资源已成为提高计算机智能研究水平的障碍。专家们认为，随着智能算法的发展，拥有丰富计算资源的机构可能形成系统的技术垄断。
　　尽管智能在4个层面（数据智能、感知智能、认知智能、自主智能）上取得了重大进展，但目前仅通过计算/统计模型还难以从极其复杂的场景中实现完全的智能。专家提出，人类应该继续在解决问题和制定决策中发挥不可或缺的作用，以探索人类认知过程中涉及的要素，并将其与机器智能相结合。下一步，智能计算将聚焦于人机交互、人机融合和脑机接口等技术。
　　智能计算被认为是未来计算的发展方向，不仅是面向智能的计算，而且是智能赋能的计算。智能计算被人们所关注，要追溯到2016年3月，DeepMind推出的AI围棋程序AlphaGo与世界顶尖围棋高手李世石对战，这场划时代的人机大战以AI的压倒性胜利而告终，成为将AI浪潮推向全新高度的催化剂。
　　而AI的另一个重要推动者是大型预训练模型，这些模型已经开始广泛应用于自然语言和图像处理，以在迁移学习的帮助下处理各种各样的应用。其中最具代表性的是自然语言处理模型GPT-3，它已被证明是具有高度结构复杂性和大量参数的大模型，可以提高深度学习的性能。