人工智能越“聪明”，就越需要算力吗？

　　人工智能越“聪明”，就越需要算力吗？

　　中新网成都10月26日电 题：人工智能越“聪明”，就越需要算力吗？

　　作者 程兆

　　一个人要完成工作，需要每天与所有的同事交流吗？在清华大学意大利籍教授卡洛·维托里奥·坎尼斯特拉奇(Carlo Vittorio Cannistraci)看来，答案是否定的。人们通常只需与任务相关的人沟通，而人工智能也可以如此。

　　近日，在四川接受中新网采访时，这位来自清华大学脑与智能实验室的首席研究员谈起他的研究：与其不断增加人工智能的计算资源，不如尝试让它学会更有效地“沟通”。

　　如今，不少人工智能模型依靠增加参数和计算规模提高能力，这往往意味着投入更多设备和电力。坎尼斯特拉奇则从人脑得到启发：大脑能完成语言交流、运动控制等复杂任务，却不需要让每个神经细胞都与其他细胞相连。

　　他的团队研究一种被称为“稀疏连接”(connectivity sparsity)的技术，尝试让人工智能在学习过程中，自己调整内部的信息传递路径，保留有用的联系，减少不必要的计算。“通俗地说，不是让所有人一直开会，而是让真正需要协作的人找到彼此。”坎尼斯特拉奇说。

　　这一思路已在实验中得到验证。坎尼斯特拉奇介绍，其团队在两项机器翻译实验中发现，神经网络只保留约5%的连接，表现仍优于用于对照比较的全连接神经网络。不过，这并不意味着设备耗电也能减少95%。

　　相似的逻辑也适用于产业端。“比如机器人就不可能无限堆算力。”成都人形机器人创新中心决策规划专家邓轲接受中新网采访时说，计算设备越强力，通常越耗电、越需要散热，还可能增加机器人重量、缩短续航。对机器人而言，重要的不只是能算多少，更是在有限电量下完成多少任务。

　　邓轲认为，减少无效计算具有应用前景，但算法节省的计算量未必直接转化为整机节省的电量，因为机器人还要驱动关节、使用传感器、进行通信。要真正降低能耗，需要软件与硬件一起改进。这也是坎尼斯特拉奇认为尚待突破的难题。他指出，目前广泛使用的计算设备并非专门为这种灵活改变连接方式的网络设计，算法进步与硬件匹配之间仍有距离。

　　在邓轲描绘的未来中，更高效的人工智能可以更多地直接运行在手机、电脑甚至机器人上，而不必事事依赖远端服务器。这样既可减少等待时间，也有助于让个人数据留在自己的设备中。但这一天尚未到来。邓轲介绍，当前机器人虽能进行一定程度的持续学习，但目前仍主要通过采集数据、集中训练，再更新模型的方式改进能力；让机器人个体像人一样在生活中安全地“边干边学”，还有困难。

　　为何选择在中国开展研究？坎尼斯特拉奇说：“我来到中国，是因为我相信中国能够引领新一轮技术变革。”在他看来，中国在技术产业化方面具有独特优势。“中国能够推动惠及所有人的技术进步，不仅是中国人，也包括像我这样的意大利人，以及世界各地的人。”他尤其看重中国的新技术创造及转化能力。“中国下一阶段要做的，是为世界创造新技术。”坎尼斯特拉奇表示，自己希望继续与中国优秀的科研工作者合作，“我们不只是拿来一项技术并加以改进，而是要更敢于想象”。

　　在坎尼斯特拉奇看来，下一代人工智能既需要借鉴人脑高效运作的原理，也需要新的计算硬件支持。人工智能未来能否变得更便宜、更省电，答案或许不只在于增加多少算力，更在于如何用好已有算力。(完)