2015年中國計算機大會 昨天在合肥開幕 （ 檢視昨天的詳細報道請點選此處 ），今天會場中的精彩報告有：
- 東京大學喜連川優： 社會可以從大資料中受益
- 微軟洪小文：無人駕駛并不聰明
- 360顔水成:深度學習或将重新定義安全技術
- 中國工程院院士鄭南甯團隊：分享了他們對于類腦計算和視覺認知的看法。
中國計算機大會今天進入第二天，東京大學教授、日本國家資訊研究所所長喜連川優發表演講表示：大資料時代裡，依靠資料分析技術，不僅企業會從中受益，整個社會也會得到好處。
喜連川優的研究工作為高性能資料庫技術的散列連接配接算法的發展作出了重大貢獻，大大提高了在關系資料庫系統中的連接配接操作的性能。他在硬體領域的貢獻包括高速分揀系統與先進的記憶體管理算法，這項工作最終進行了商業化運作，并在2000年獲得了Datamation排序基準。他的研究成果——哈希連接配接算法被廣泛應用。
演講中，喜連川優介紹了日本社會面臨大資料來臨所面臨的難題，同時還介紹了其在孟加拉和日本部分醫院采用大資料分析後取得的良好結果。
微軟亞太研發集團主席、微軟研究院院長洪小文今天在中國計算機大會上表示：無人駕駛并不聰明，人工智能離人類智能相差很遠。
洪小文的演講從現有人工智能研究的現狀出發，包括圖像識别、語音識别等等，也介紹了微軟小冰在這些領域的發展情況。洪小文透露：現在微軟小冰每次輪回問答達到23輪，這從另一個側面展示了小冰的智能水準。
在IQ測試方面，洪小文展示了其算法如何戰勝人類的：
接下來，洪小文着重闡述了他對人工智能和人類智能的差別。他認為，現在人工智能與機器學習、大資料這些名詞之間的界限已經消失，某種意義上說，三者指的就是一回事。
洪小文将intelligence（智能）的組成要素分成以下幾個：
- capability（功能）
- intelligence（智能）
- intellect（智力）
- wisdom（智慧）
洪小文說，雖然圖靈曾斷言所有事情都可以被算法計算（computerised），但算法是人類發明的。是以，人類要比機器聰明很多。另一方面，洪小文列舉無人駕駛的例子：「無人駕駛一點也不智能，人類駕駛不過通過眼睛和耳朵，而無人駕駛汽車需要大量傳感器資料才能做出判斷」或許無人駕駛汽車可以開的比人類好，但不能說這些汽車比人聰明。
洪小文指出，早在1960年代人工智能出現之後時代周刊就在封面發出警告，但五十多年過去了，這種警告還在延續。洪小文說：未來的Ai不再是artificial intelligence，而是argument intlligence。
在今天舉行的中國計算機大會上，上月剛剛入職360公司的計算機視覺與深度學習專家新加坡國立大學副教授顔水成表示，深度學習技術對于安全領域意義重大。
據機器之心記者了解，顔水成9月剛剛加入360，負責建立和上司360人工智能研究院。公開資料顯示，顔水成畢業于北京大學，也是伊利諾伊大學(UIUC)的博士後，目前在新加坡國立大學上司機器學習與計算機視覺實驗室。顔水成的主要研究領域是計算機視覺，深度學習，與多媒體分析。
在今天的演講中，顔水成這種探讨了深度學習對于安全技術的潛在颠覆性，他認為，從硬體到算法再到現有産品的實踐都證明，目前深度學習技術領先于其他機器學習算法。具體到360公司的業務布局，在完成桌面網際網路、移動網際網路的産品布局後，360在智能硬體領域發力。而根據之前網易科技的報道：未來不排除顔水成會推動360智能硬體在人工智能、機器學習以及圖像識别方面的技術有突破性成果。舉例來說，顔水成擅長的基于深度學習的人臉/一般物體識别技術在智能攝像頭、行車記錄儀等産品上會有廣泛應用場景。
顔水成還在演講中介紹了360目前的深度學習研究成果，為了更好地監測網絡流量，360研究人員利用深度學習分析一段網絡流量的來源，其準确度大大優于傳統算法：
随着業界對深度學習認可程度提升，國内外諸多企業都在布局相關研究的産品化，相信未來還将有更多基于深度學習的産品出現。
人類為什麼要進行類腦研究？
昨天
機器之心報道了清華大學類腦計算研究中心學術委員會主任張钹對于類腦計算機研究的看法，而在今天的中國計算機大會上，來自西安交通大學教授、中國工程院院士鄭南甯的團隊分享了他們對于類腦計算和視覺認知的看法。
人腦是迄今為止最有效的資訊處理系統，從生理角度來說，人腦平均重量隻有1300克，功耗隻有30瓦，這區區30瓦的功耗可以支援1000億神經元、1萬億神經膠質細胞、1000萬億突觸連接配接、280 quintillon（百萬的三次方）記憶單元。而目前世界上運作最快的超級計算機功耗高達17兆瓦，由170個機櫃組成。
事實上，1981年日本曾經啟動過第五代計算機計劃，目标是突破「馮諾伊曼計算機架構」，這個耗資超過8億美元的項目在1992年宣布失敗。近幾年來，內建電路計算技術正在向兩個方向發展：
- 将既有的晶片技術推向極限，小于7納米的晶片工藝成為衆多晶片廠商攻堅的難題；
- 尋找新的材料和計算方法适應後矽時代，目前已經有的新材料由碳納米管、石墨烯、憶阻器，計算方法上，量子計算、類腦計算都處在研發中；
另一方面，神經科學、計算機科學、神經網絡理論的進步，以及大資料時代對于智能計算的需求使得我們在此聚焦「類腦計算」。類腦計算以神經元作為基本計算和存儲單元，利用神經元之間的突觸連接配接傳遞資訊，模拟神經突觸的強度變化，其分布式的存儲盒分布式的計算黨員直接相連構成大規模神經網絡計算系統。
本質上說，類腦計算和馮諾伊曼計算架構完全不同，比如在運算和存儲上，類腦計算采用緊耦合的運算和存儲，而馮諾伊曼計算架構則分離式的。但目前，類腦計算面臨諸多困難，首先是我們尚未搞清楚大腦的工作原理，一個最簡單的例子：大腦用來處理激勵的能量消耗隻占了很小的比例，那些與刺激無關的能量消耗到底做了什麼？又或者在休眠狀态下，人類的記憶會得到強化，這其中的原理又是什麼？
其次，現有計算機的計算能力離人腦相差甚遠。大腦約有10的11次方神經元，每個神經元約有10的4次方突觸連接配接，以10Hz的速度釋放神經脈沖，其計算量約為10的16次方操作，現有的計算機根本無法滿足這個計算需求，預計到2019——2023年才有相比對的計算機出現。
鄭南甯的團隊表示，目前實作類腦計算的途徑包括基于生物學的腦認知模型、基于資料驅動的腦認知模型以及基于數學的腦認知模型。在技術路線上，從組建到系統，利用網絡規模和計算能力逐漸逼近大腦。
昨天的中國計算機大會上，李徳毅院士談了腦認知，張钹院士談了類腦計算機，柴天佑院士談了智能制造，圖靈獎獲得者Michael Stonebraker将資料研究比作騎自行車穿行美國……點選此處可檢視昨天的詳細報道。