12月2-4日，BEYOND世界科技立异饱览会于澳门威尼斯人酒店重磅举行。作为2021年度亚太地区最具影响力的科技饱览会之一，本次大会约请到了许多职业专家学者与定见首领畅谈立异未来。
大会同期举行多场主题论坛，包括元世界、绿色经济、才智医疗、人工智能等多个范畴，为企业、产品、本钱和工业供给全方位交融互动的渠道，促进亚太地区乃至全球科技立异职业的开展。人工智能立异论坛是BEYOND EXPO大会的要点活动之一。北顶峰本钱及坤湛科技创始人兼CEO闵万里在论坛中发扮讲演了《人工智能到工业之路-认知与举动》的主题讲演。
以下为北顶峰本钱及昆湛科技创始人兼CEO闵万里的讲演部分节选内容：
闵万里首要发问：“当咱们有了很强的核算力，有了很强的硬件和软件的一体化之后，终究能做一些什么样的作业，发明什么样的价值？”他理解为认知和举动。“认知是两个层面的，第一个便是它可以拓宽什么样的认知才干，第二点便是现在咱们都知道人工智能可以做许多作业，可是知道人工智能不能干什么事或许更重要。这在咱们做出资也好，或许做创业的时分，愈加明晰的知道有所为有所不为。”
这张图是在同一个场景下拍照，左面这张图是典型的城市的交通，右边的图能看到救护车和信号灯，由于信号灯是红灯，救护车要左转是不能完成的，那为什么信号灯前面有那么多的摄像头，看见救护车可是信号灯仍是红灯，也没有把前面的车清空，让救护车早一点走，这是一个典型的场景。救护车要鸣笛才干闯曩昔，所以有没有或许让信号灯像摄像头相同感知到救护车的存在，知道救护车想要左转，提早把它变绿，把前面的车给清掉，救护车就可以自在的畅行的左转。
这一场景的背面其实需求做一串的动作，需求在摄像头里边把每一辆车精准的捕捉出来，把行进的动线实时的算出来。这就相当于知道城市每一个路口此时此刻有多少车在行进，大约就可以推断出救护车或许要经过的路口大约是什么样的状况，在未来的30分钟里边，可以提早的告知信号灯的操控系统，告知他在几点几分几秒钟在什么方向把它变绿，把车辆清空，它的难度是空前的，它的价值便是让救护车行进时刻削减一半。这便是典型的把人工智能从认知到举动之间全方位地串联在一起，这背面要有很强的核算力，然后还要很好的算法，把数据精粹出来，终究可以逾越人类的才智。
核算力+数据是循环增殖的永动力，他表明，今日在工厂出产线上，也存在巨大的时机。出产线自身是一个天然数据密布的场景，许多个传感器24小时不间断地在收集数据，当这些数据被依照出产流程串联在一起的时分，就会有经过数据重组整个出产的流程的或许，这便是数字化孪生。在数字化孪生基础上，加上数据，核算力，处理才干，算法和人工智能，就有或许猜测出有一个介入的动作，会引起什么样的反响。
从城市交通到管道网络，再到出产流程，乃至到手机塔台之间，他们其实都在拓扑上被一致起来，这一种数学结构简直可以归纳人类在人类社会傍边一切的身体行为。今日的人工智能和拓普结构有一个十分惊人的相似之处，便是都是在讲网络。
“假如咱们把一个网络给它笼统出来，日复一日年复一年的在收集在盛行上面动态的数据流，有了超强的核算力，就有或许从数据流去反向推理动力学特征。盛行从数学界说上来讲，要描写一个盛行，需求讲它的切空间、切向量空间。闵万里用一个简化的模型去描绘在盛行上面怎样找信号的要害途径以及它的传递的强度，然后判别在哪个节点上去介入精准性好，误伤又小。”
假如把它放在微观傍边，他用制作工厂举例，“左面是个制作业的工厂，出产的是太阳能电池片，然后假如把它的出产流程分化一下之后，然后就会发现说它仍是一个流程，在流水线上每一个岗位上都有波动性，终究工人要做质量把控。把它笼统成HMM。有了网络需求强化的便是因果关系。知道的因果关系之后，在一个出产流程傍边，可以精准的去做协同操控，使得终究的良品率会变好。关于工业出产来说，就可以降本增效提质。”
随后他深化讲解了脑神经元网络在纳米标准的信号传递量子效应，“咱们现在讲了许屡次深度神经网络，卷积神经网络，可是历来没有人真实的解析咱们人脑的网络终究是怎样运作的，人脑是上百亿个神经元组成的一个超大型的网络。网络结构里边，每个神经元之间都在不断的放电，有信号在发生。假定咱们观测到了十分多信号和呼应信号，有没有或许对人脑的作业机理，尤其是信号的认知传递做解析。咱们现在评论的是一个上百亿个神经元组成的大脑，神经网络根源机理是每一个神经元要在细胞放电，或许引起周边的别的一个也放电，这样信号就传递曩昔了。上亿个神经元，假如每一个都看到这样的时刻序列，终究有没有或许发现谁是来源，谁是隶属，隶属的衰减强度是多少？假如这件作业搞清楚之后，我今日有十分多和认知相关的疾病是有或许处理的。假如把它笼统为一个数学问题，每一个节点都观察到的信号，就会得到节点和节点之间的一个方程，其实讲的全部是数学。在没有核算机的时代，数学家们现已写出了公式来，仅仅今日有人用的核算机把公式给验证出来。上亿维度的矩阵是无法求解的，但优点便是矩阵傍边有许多的0，这样矩阵就变得十分简单求解。怎样样找到0，然后简化整个的核算进程，今日的人工智能算法都正在求解。”
他表明AI芯片的终极考研在于核算动力本钱，人脑有上千亿个神经元，作业效率十分高，可以辨认许多东西，人脑的能耗是每秒钟大约20瓦左右，可是假如练习Google的自然语言模型Bert，能耗是是500万瓦，这两个数字彻底不成比例，所以这里边就存在一个巨大的问题，为什么现有的架构能耗是人脑的上万倍，可是才干还没有人脑这么强，一定是有当地搞错了或许说有需求改善的当地。一个是数据结构，一个是算法。有人现已把深度学习曩昔10年和传统的机器学习来比，深度学习跟着数据量的添加是越来越越精确，可是有个巨大的本钱问题，便是耗能特别高。假如参数太多，阐明模型自身是可以在简化的。硬件层面，Google和英伟达，他们也在推出自己的解法，也推出了TPU等等。第三种是机械化学习,有或许把复杂度下降，本钱下降。现在现已有人把人脑的生物学的神经网络里的神经元和人工智能傍边所用到的神经网络里边的神经元，做功能性的仿照和比照。终究咱们发现5~8层的卷积神经网络才模拟出一个人脑的神经元。马斯克创建的Neuralink，便是将极小的电级植入大脑，使用电流让电脑和脑细胞“互动”，它是有或许完成的。
回到信号灯的场景，比如在无人驾驶进程中摄像头看到地上画了左转的线，可是周围的标识是制止左转，那么该不该转？这便是根本的问题没有处理。为什么5~8层的卷积神经网络可以辨认这么多精确的标识，可是到终究遇到对立的场景，他无法决议计划，便是今日的人工智能所用的卷积神经网络，跟咱们人脑的人的神经元之间的认知，有一个天差地别的机理上的不同。可是假如哪天无人驾驶的车可以应战这样的场景，根本上那是真实的从认知到举动的趁热打铁，但到现在为止还很难看到有这样的一辆车存在。
闵万里终究总结，人工智能最底层的原理便是人脑怎样作业，人脑的神经元是怎样协同调理操控，然后从机理上去解题，从100年前的公式到今日咱们要把硬件软件做到愈加节能，跟人脑可比较, 有或许倒逼着整个学术界和工业界去别出心裁，而不是在不断地添加神经网络的层次上做工程性的叠加，这样才有或许真实的把人工智能的多模态辨认、决议计划，带到一种真实的可有用的层面，如今讲的一切的智能全部是来自于前史，终究什么东西能走到未往来不断，不是CPU，不是GPU，也不是神经网络，一定是数学公式，所以万物归本，仍是以数来推理。