9位院士12位专家联合撰文：智能计算的新进展、挑战与未来( 六 ) _神经网络

文章插图

△图19：大数据与AI在植物育种中的结合
智能计算加速转型变革，导致经济和社会秩序的转变。由于技术进步，商品和劳动力市场正在发生巨大变化，数字社会正在逐渐形成（图20）。AI应该成为数字经济中每一个数据驱动战略的核心，包括工业4.0 。例如，人工智能可以应用于预测性维护。预测性维护包括涉及通用设备或生产机械的维护，并使用来自生产线或运营线的传感器数据帮助降低运营费用或停机时间。
另外。AI可以应用于城市治理，通过开发新的策略和方法，使城市更智能。智慧城市治理旨在利用最先进的信息技术同步数据、程序、权限等，造福城市居民，主要包含四个方面：

智慧决策、智慧城市治理、智慧行政和智慧城市合作。

文章插图

△图20：数字社会的组成部分
展望
从新兴产业生态的角度来看，智能计算产业仍面临着一系列挑战，决定着其未来发展。
第一，与传统计算理论相比，智能计算是语言和生物学驱动的计算范式的应用和发展。
这意味着机器可以根据不同的场景模仿人脑解决问题和决策的能力。然而，硅基和碳基运算的底层逻辑存在根本差异，大脑智能的机制仍有待进一步探索。智能计算的下一步是通过深入探索类人智能的基本要素，其在宏观层面的相互作用机制以及在微观层面上支持不确定性生成的计算理论，进行彻底的改革。
第二，探索人类如何学习并将其应用到AI的研究中具有重要意义。
知识驱动的机器智能可以从人类活动中学习，模仿人脑的决策能力，使机器能够像人一样感知、识别、思考、学习和协作。需要探索多知识驱动的知识推理和持续学习的理论和关键技术，使智能系统具有类人的学习、感知、表示和决策能力，促进智能计算从数据驱动向知识驱动演进。
第三，软硬件适配面临着巨大的挑战，如精度损失、调用困难、协作效率低下等。
未来，计算机必须突破冯·诺依曼体系结构下固定的输入和处理范式，大力发展交叉学科的智能计算和仿生学。在算法层面进行设计，突破现有架构的局限，以更低的计算和硬件设计成本尝试更灵活、更人性化的数据处理方式。此外，开发高性能、低能耗的新型组件设计方案，提高软件和硬件的计算能力和效率，以满足快速增长的需求和智能计算应用也很重要。
第四，智能计算的理论技术架构是一个复杂的系统，具有多个与其他学科相互作用的子系统。
系统中的各种硬件需要更复杂的系统设计，更好的优化技术，以及系统调优的更大成本。高维计算理论复杂性的缺乏是大规模计算系统面临的主要挑战。
结论
当前，我们正迎来人类发展的第四次浪潮，正处于从信息社会向人类社会-物理世界-信息空间融合的智能社会的关键转型期。在这种转变中，计算技术正在经历变革，甚至是颠覆性的变化。
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。它将提供通用、高效、安全、自主、可靠和透明的计算服务，以支持当今智能社会中大规模和复杂的计算任务。
本文全面回顾了智能计算的理论基础、智能与计算的技术融合、重要应用、挑战和未来方向。
我们希望这篇综述能为研究人员和从业者提供一个很好的参考，并促进未来智能计算领域的理论和技术创新。