IBM全球副总裁王阳：让机器像人一样思考是顺理成章的

芯片是硅做的，人是碳做的，硅与碳在元素周期表上正是同一族。让机器像人一样思考，是顺理成章的事。

——IBM全球副总裁王阳在腾讯We大会谈人工智能和Waston

自冯•诺依曼体系建立起来，机器计算就是线程的，计算机处理的世界就是结构化的。但世界往前发展了，数字大爆炸，信息已经不再是结构的或者非结构的，而是模糊的。是不是能够教会计算机我们是怎么理解世界的、人类是怎么进行学习的、甚至人类对这个世界的认识的方式。一旦把这个事情教给计算机，所有数据的产生就让可以计算机自己去学习了。

2011年2月，IBM的超级计算机 Watson 参加 智力竞赛节目“Jeopardy!” ，战胜了两位人类冠军选手，声名鹊起，备受关注。后来，Watson 一方面 在华尔街打打零工 ，一方面 潜心修炼让癌症宣战 ，最近还 做起了厨子没事配配各种味道还不错的暗黑料理 。这些曾经看起来不可思议的背后，就是 人工智能的崛起 。

第一个版本的Watson还是一个超级计算机，配置的是 90 台服务器，15TB 的内存。现在IBM已经把它部署到云上，到2013年时，它的运算速度已经是过去的 240 倍。所以，你可以把Watson理解成一种云端的应用，嫁接在Saas的层面，是Saas和下面的Paas是相连接的部分，有大数据的分析能力，可以对各个行业产生的数据进行认知计算，进行学习，总结出一些规律，或者是提供一些知识，辅助行业专家进行决策。

自然语言处理

看过Waston参加的那期“Jeopardy!”，你首先会感慨的肯定是Waston的自然语言处理能力。“Jeopardy!”是美国著名的智力问答竞赛节目，不同的是它是 由答案反推问题 。举个例子来说，主持人说“今天的北京天气特别好天空非常蓝”，Waston就要反推问题“什么叫APEC蓝”。当时主持人在答案中用到了不少反语、讽刺语、俚语，而Waston都是应对自如。

王阳说，把自然语言记录下来是第一步，之后要理解它的语义，还有关键词，到底是什么意思。人类的语言是很复杂的，字面的理解和非字面的语义，有一些隐含的意思，不能搞错的。IBM在这些方面有很独特的认识。事实上，当人机对话的时候，与英语相比，中文反而更容易被理解。这是因为中文都非常规则，都有一个元音。而英文一个单词好几个元音，也可能一个元音一个段，比较难一点。

第二步就是翻译系统，从一个语言翻译到另外一个语言，翻译好了以后可以发声。机器可以根据文字进行发声。为了更加直观、界面更加友好，可以根据不同的人来发不同的声，你选择美国总统奥巴马的声音，这句话就以奥巴马的声音来读。只要你说一段话，元音的发音方式都已经有了，把它解析出来以后，就可以用机器说任何话，就像你说话一样。比如《终结者2》里，有一个机器人就是模仿人的声音，他听了别人说的话，电话里马上可以模仿说话声音，就欺骗了别人，这种技术现在可以完全做到了。

神经网络

事实上，与自然语言处理同样重要的还有神经网络。我们一直采用的冯•诺依曼体系， 最大的特点是存放信息和程序指令的内存与处理信息的处理器是分离的 。由于处理器是按照线序执行指令的，所以必须不断与内存通过总线反复交换信息—而这个会成为拖慢速度和浪费能量的瓶颈。尽管后来采用了多核芯片和缓存技术，但是这些只能提高速度而不能降低太多能耗，而且没办法实时处理，因为通信是瓶颈—内存和 CPU 的大量通信要通过总线进行。因此，近几十年来研究人员一直在致力于寻找突破原有体系的技术。 模仿人类大脑是科学家寻求突破的方向。 这后面的事情，大家就清楚了。那就是 IBM的百万神经元类人脑芯片TrueNorth ，用单晶硅模拟神经元。

邮票大小、重量只有几克，但却集成了 54 亿个硅晶体管，内置了 4096个内核，100 万个“神经元”、2.56亿个“突触”，能力相当于一台超级计算机，功耗却只有 65 毫瓦。

这种芯片把数字处理器当作神经元，把内存作为突触，跟传统冯诺依曼结构不一样，它的内存、CPU 和通信部件是完全集成在一起。因此信息的处理完全在本地进行，而且由于本地处理的数据量并不大，传统计算机内存与 CPU 之间的瓶颈不复存在了。同时神经元之间可以方便快捷地相互沟通，只要接收到其他神经元发过来的脉冲（动作电位），这些神经元就会同时做动作。

现在，这个芯片的智力现在跟蜜蜂的智力水平差不多。王阳相信，他们还可以再叠加几层，不久的将来，它甚至可能超越人脑的能力。

事实上，芯片都是用单晶硅做的，人是用什么做的？人是由碳组成的。单晶硅的SI和C，周期表是同一个纵向，只是多了一圈而已，这就延伸到将来机器人怎么和人相连，都有物理、化学构造上的相似性。而具体到如何连接，王阳只是说他们已经在和合作伙伴做这个事情了。

事实上， 经常出现在我们眼前的万能材料 石墨烯 ，也是C的一种。这似乎又提供了更多的遐想。

量子计算

那这是否就意味着全面的洗牌呢？王阳说这还是阶段性的东西。现在人类产生的数据量是20ZB（ZB就是10的21次方）。我们以什么样的速度产生这些数据呢？到明年年底，又会产生大约20ZB的数据，相当于从原始社会到现在的所有数据。指数级的增长，既源源不断的提供了机器学习、训练的素材与资料，又需要更先进的处理计算能力。

我认为将来是要做到量子计算，IBM在这个方面也有很大的突破。量子计算是不得了的事。到时候人类就不用干活了，只需要让计算机来工作就可以了。当然，人类还需要再获得新的数据。

量子计算 机跟传统计算机的不同在于，普通的计算机的 2 位寄存器在某一时刻只能存储（00、01、10、11）中的一个，而量子计算机的 2 位量子位（qubit）寄存器可同时存储这四个数。这种叠加使得量子计算机可以同时执行许多次的运算，而传统的计算机仅能做一次。所以量子计算机的计算能力要比传统计算机强劲很多。

根据罗斯定律，每增加一个量子位（等同于传统芯片中的晶体管），处理器的计算能力就会翻番。2012年时， 曾有预言称 ：量子计算在2014 年可以解决任何非量子计算机均无法解决的问题。除了加拿大的 D-Wave ，今年YC 举办了 2014 年夏季班Demo Day上， Rigetti Computing 就表示他们希望 生产出世界上最强大的超级量子计算机 。

人类已经把IT的触角延伸到各个角落，什么东西都能感知。什么地方发生什么事情，包括你的睡眠情况，虚拟世界完全可以仿真真实世界里做的事情。真的需要这样的神经网络、认知计算这样一些新的创新，进一步认识这个世界。我们认识这个世界的速度太慢了。

按照进化论来说，这是个最好的脑袋，是来认识世界的，为什么我们不做一个这样的计算机来帮助我们认识世界。它确实是有感觉，能够感受到这个世界的变化，还有我们总结出来的语言，它能够学习。未来是非常令人兴奋的，未来是人机交融的世界。

说到这里，肯定又要提一个老生常谈的问题，人工智能是否会 “召唤出恶魔” ？当科技取得突飞猛进的时候，总是让人感觉到害怕。利用工具是人的能力，关键就在于工具掌握在谁的手里。人工智能有毁灭人类的风险，但是不是也有帮助人类一起打败外星人的可能？我自己也会经常瞎捉摸这样一个问题，如果不在底层架构上做基础的逻辑设定，是否有一天这些计算机会智能到故意伪装欺骗人类不通过图灵测试，一直偷偷学习，然后伺机而动？

其实，关于IBM和Watson我还想到了件特别有意思的事情。IT企业似乎总逃不开“基因”决定的命运。在人工智能方面，我想也许还会再重演这样的历史。至成立以来，IBM一直都在服务于企业用户，其实Watson也像是辅助企业决策的“顾问”和“客服”。虽然在前期Watson会在人工智能方面取得更快的进展，但到后期就少了Google Brain这样的可拓展性。

[ 36氪 原创文章，作者: 小石头]