“這是一個大數據時代，人工智能、區塊鏈，量子計算正掀起鉅變的浪潮，
這是一個技術重塑行業的時代，
這也是一個機遇縱橫的時代，
這是一個每一家企業都可能成為顛覆者的時代。”
IBM大中華區首席技術官、IBM中國研究院院長沈曉衛博士在“思無極、行有方、達天下”的IBM Think論壇（中國）上做了題為《預見未來科技》的主題演講，為大家解讀了最炙手可熱的AI、區塊鏈和量子計算等技術如何改變生活、改變行業。如下是根據沈博士的演講內容整理。
這是一個大數據的時代，這是一個人工智能的時代，這是一個新技術會來改變每一個行業的時代，這也是一個充滿機遇，每一家企業都可能成為顛覆者的時代。
每一年IBM都會發布未來五年將改變人類生活的五大科技預測。這是IBM今年發佈的五項技術。大家可以看到它涵蓋了人工智能、區塊鏈與量子計算這樣的一些領域。今天我們就來談一談這幾項當今來看最有潛力的技術，來看一看這幾項技術可能為我們的未來、為我們的行業所帶來的改變。
未來的智能
我們首先來看未來的智能，及未來的智能可能對行業帶來的影響。應該說，迄今的人工智能大多數還是一種專用的人工智能，我們看到的大多數人工智能的解決方案都是來解決單一的問題，雖然這個問題本身可能充滿了挑戰，它可能是語音識別的問題、圖像識別的問題。那種通用的我們大家憧憬的能夠解決所有問題的人工智能，應該說離今天還有非常遙遠的距離。在可預見的將來，我們會看到人工智能從專用變得多用，變得更加寬泛，從完成單一任務的人工智能解決方案到完成多個任務甚至跨領域多個任務的解決方案。
人工智能無處不在，企業人工智能會逐漸興起和發展
“當AI從雲端向邊緣端蔓延，我們會看到人工智能和物聯網的深度融合。”
與此同時，我們也會看到人工智能會變得無所不在。特別的一點，人工智能會從雲端向邊緣端蔓延,因為我們很多時候的數據處理需要在邊緣端來進行，比如說實時信息處理。不久前IBM發佈的最小計算機，一平方毫米的面積，有幾十萬個晶體管，包括了計算、存儲、通訊這樣的功能。當人工智能從雲端向邊緣端擴展的時候我們會看到人工智能和物聯網開始做一個深度的融合，它使得我們今天可以對物理世界做更好的管理、分析與優化。
今天的人工智能更多的還是一種我們稱之為面向消費者的人工智能。在不久的將來，企業人工智能會逐漸的興起和發展，我們會看到更多的人工智能在垂直領域的應用。
從數據、算法、計算到場景
“人工智能代替部分人力提高效率；人工智能幫助人類更好地決策。”
談到人工智能，我們都會談到數據、算法和計算。當人工智能與行業結合的時候還有一個關鍵因素，那就是應用場景。人工智能的專家往往對行業不具有特別深刻的理解，而行業的專家可能並不完全清楚人工智能技術今天的現狀以及未來可能的發展。從這個角度來看，如何把人工智能專家與行業專家做一個好的結合，來理解今天行業客戶的痛點，哪一些可以由今天已有的技術和未來三五年可能出現的技術來解決，就變得非常的重要。
從宏觀來看，人工智能與行業來結合，大致提供這樣兩類價值：一是人工智能來代替一部分的人力，提高我們的效率；二是人工智能提供基於知識、基於數據的專家助手來幫助人類，使我們做更好的決策。
舉幾個我們IBM在人工智能創新有關的例子。我們把人工智能的視頻分析用來做工業製造中產品質量的缺陷檢測和質量控制；我們構建人工智能的醫生助手，為醫生提供實時的診療建議；我們構建人工智能的律師助手，為律師提供基於相關法律條文和相關案例的建議。
小數據學習和可解釋結果
“企業人工智能對算法提出了新的要求。”
我們也必須指出今天的人工智能技術還不能完全滿足我們對它的期待。在一個可預見的將來，我們認為需要這樣幾個進展。一是小數據學習，就是如何從小樣本、弱標識的數據中來學習。人工智能應用在行業中，不像面向消費者的人工智能，在很多時候用來解決行業特定問題的時候，我們可能沒有那麼多的數據，或者說即使有很多的數據，但是並沒有足夠多的已標識的數據，如何從小數據中來學習就變得非常關鍵。我們也希望人工智能能夠從多模態數據中學習，包括結構化的、半結構化的和非結構化的數據。二是今天的人工智能技術還不能完全做到的，就是我們需要它能夠解釋結果。希望人工智能系統在不久的將來不但能夠為我們提供建議，還能告訴我們為什麼提供這樣的建議。正如醫生給病人做診斷，它同時也能夠告訴病人，為什麼做這樣的診斷。
AI改變行業
“醫療、金融、工業製造，你會看到AI+行業的蓬勃興起。”
談到人工智能與行業的結合，比如醫療、教育、金融，工業製造等，我們用人工智能時代的醫療來做一個例子。我們需要構建一個人工智能的數據平臺，在這個平臺上可以對醫療數據，無論是結構化數據還是非結構化數據，進行安全有效的管理。在這個基礎上我們來構建各種垂直領域的解決方案。這些解決方案可能是為醫院的，可能是為醫生的，可能是為政府監管部門的，可能是為製藥公司的，也可能是為醫療保險公司的。
我們來看今天為醫生服務的人工智能解決方案。可以是為醫生來做腫瘤診斷的決策支持，如IBM Watson腫瘤診斷決策支持系統；也可以是針對慢性病的診療管理，如IBM中國研究院針對糖尿病的診療管理系統。從技術維度來看，一方面我們需要基於醫療指南來做知識驅動的系統，另一方面我們也需要根據電子病歷數據來構建數據驅動的系統，並把知識驅動和數據驅動做有效的整合。
AI的安全和倫理
“避免瑕疵的數據、偏見的結論。”
談到未來的人工智能，人工智能與行業的結合，我們自然要談到人工智能時代的安全。應該說人工智能時代對安全提出了新的要求，比如說數據的安全。如果數據是有瑕疵的，無論是有意還是無意，人工智能系統基於這樣有瑕疵的數據，訓練以後可能會有安全的隱患，也可能會有倫理的問題。我們設想一個信用卡的申請審核系統，如果訓練這個人工智能解決方案的數據是有問題的，那麼它可能對某一類人的申請給出有偏見的結論。我們需要避免這些，這也是今天IBM的科學家們所努力的一個領域。我們可以設想我們不久就需要新的標準與方法，使得我們可以對人工智能時代的數據和模型進行安全和倫理的測試與鑑定。
企業級區塊鏈
“在可預見的將來，人工智能技術和區塊鏈技術會深度融合。”
接下來談一下未來的交易。可以這樣講，區塊鏈將會根本地改變未來的交易系統。今天的商業交易有很多身份驗證、授權許可、文檔審核。舉一個例子，今天一個海運運單可能需要幾十人的審核與上百個文件的簽署，這中間任何一個文件的丟失或者延誤都會造成問題。許多這些人為的成本都可能會被區塊鏈消除。
IBM這些年來一直專注於企業級的區塊鏈。我們非常重視安全開放的平臺與生態的構建。與此同時，我們把區塊鏈技術引入不同的行業和不同的領域。比如說在食品安全領域，我們嘗試構建透明的、可追溯的食品安全鏈，把今天可能需要一個星期甚至更長時間的食品溯源問題能夠實時的或者只花幾秒鐘的時間解決。我們也嘗試把區塊鏈技術應用在其他領域，比如去中心化的跨行支付。
在可預見的將來，我們會看到人工智能技術和區塊鏈技術的融合。這裡舉一個數據可信性的例子。數據本身是可以被交易的，區塊鏈技術將會使得我們可以對數據的可信性和可追溯性提供支持與保證。當人工智能模型用不同來源的數據進行訓練的時候，我們可以保證它的安全性，保證它不具有偏見。
未來的計算
我們來看未來的計算。人工智能的發展需要強大的計算力的支持，而計算力在過去30年有了極大的提高。今天我們面臨很多新的挑戰，很多人認為摩爾定律可能會最終遇到物理的極限。我們來看一看有什麼新的技術能夠持續不斷地提供我們需要的新的計算力。
首先，我們來看類腦計算。應該說今天的計算機系統在過去幾十年雖然有非常大的性能的提高，它的基本架構還是沒有太多的改變，都是基於傳統的馮諾依曼架構，而這種架構比較擅長邏輯運算，而不是特別擅長模式識別與形象思維。IBM在這方面做了很多的嘗試，我們希望構建能夠模仿人腦思維方式的全新的計算機系統。我們可以模擬100萬個神經元，2.5億個神經突觸，而這樣的類腦芯片僅有70毫瓦的功耗。我們也有一個長期的目標，希望能夠構建模擬100億個神經元，而功耗不超過1000瓦的新的類腦計算芯片。
談到新的計算能力，我們必須談一談量子計算。應該說，量子計算在過去的十年取得了極大的進展。我們在座的很多朋友可能沒有經歷過計算機科學從誕生到發展的整個過程，如果幸運的話，我們可能會見證量子計算從萌芽到逐漸走向商業化的過程。
三分鐘量子物理
“量子疊加和量子糾纏使得量子計算機擁有強大的並行計算力。”
為了更好地瞭解量子計算，我們不妨假設自己在接下來的三分鐘時間裡是一名物理學家。我們嘗試用三分鐘的時間來了解兩個概念，一個是量子疊加，一個是量子糾纏。我們知道經典計算機使用的計算信息是存儲在比特位中，二進制的，每一個比特位或者是1，或者是0。而在量子世界中每一個量子比特位可以是1，可以是0，也可以同時是1和0，這就是所謂量子疊加態。我們做一個比喻，相當於一枚硬幣可以是正面，也可以是反面，當你把它拋在空中旋轉的時候同時是正面也是反面。你要確定它到底是正面還是反面需要停止旋轉來觀察，這時候是正面就是正面，是反面就是反面。這種量子疊加態所帶來的不確定性，愛因斯坦當年是非常的糾結，所以愛因斯坦有一句非常有名的評論：“上帝不會擲骰子”。據說與愛因斯坦同時代的量子物理學家玻爾當時就回懟了愛因斯坦一句：“不用告訴上帝該怎麼做”。
我們再看量子糾纏。我們可以使兩個量子處於糾纏狀態。每一個量子你去觀察它都是隨機的，一個量子可能是0或1，另外一個量子也可能是0或1。但是，如果你觀察第一個量子看到是0的話，第二個量子一定也是0；觀察第一個量子看到是1的話，第二個量子也一定是1。用前面硬幣的比喻，我們設想有一種魔法，可以讓兩枚處於旋轉的硬幣處於糾纏的狀態。我們可以把其中一枚硬幣送到宇宙的一端，另一枚硬幣送到宇宙的另一端。如果我們讓其中一枚硬幣停止下來看到是正面，另外一枚硬幣雖然在宇宙的另一端，我們觀察它也一定是正面的。愛因斯坦當年把這種糾纏稱之為“遠距離的幽靈”。好了，我們三分鐘物理學家的時間就到這個時候為止。祝賀大家，我們用三分鐘時間理解了偉大的愛因斯坦當年非常糾結的概念。
接下來我們來看所謂的量子並行。與經典計算機相比，量子計算在處理信息時遵循完全不同的規則。量子計算機之所以強大，是因為當其運行的時候，從理論上來講，它可以同時計算指數級的路徑。而經典計算機只能在這樣一個指數級的空間中計算若干條路徑。
IBM基於雲平臺的量子計算
“我們的目標是改進量子容量，而不僅僅是簡單的增加量子位。”
今天IBM的科學家用低溫超導來實現量子計算。2016年IBM首先發布了五個量子位的量子計算機。2017年先後發佈了16個量子位的量子計算機，20個量子位的量子計算機，和50個量子位的量子計算原型機。與此同時我們把量子計算用雲平臺的方式提供給用戶。用戶不需要像物理學家那樣到實驗室來做量子計算實驗，而是可以從遠端實現量子的編程。到今天我們有超過7萬的用戶使用這個量子云平臺，已經進行了超過300萬的量子計算的實驗。
接下來講一個概念，我們姑且稱之為“量子容量”，用來界定量子計算機的計算能力。量子計算機的計算能力不僅僅取決於有多少個量子比特位，還和其他一些因素有關。量子位的穩定性可能受到環境的影響，它們之間也會相互影響。作為一個長期的目標，我們需要改進的是量子容量，而不僅僅是簡單的增加量子位。
在量子計算這個領域，宏觀上來講有兩個大的研究方向，一個是構建量子計算的硬件系統，像剛才談到的我們用超導實現量子計算系統；另一個是量子算法，就是什麼樣的問題什麼樣的應用適合在未來的量子計算機上運行。我們看一個例子，所謂大數因數分解。我們知道任何一個大的整數，要麼是素數，要麼可以被分解成若干個素數的乘積，就像15可以分解成3與5的乘積，77可以分解成7與11的乘積。看著很簡單，但當這個數非常大的時候，要把它分解成因子的話，在今天的經典計算機上是非常困難的。我們之所以談到這個問題，是因為這個問題是今天很多加密算法的假設，它假設這樣的問題在經典計算機上是不可能被簡單破解的。比如說一個非常大的大數因數分解，可能在今天的經典計算機上需要上億年，即使用今天最強大的計算機來算。但是未來的量子計算機，當它真正達到那個程度的時候，可能不到一分鐘就能夠破解這樣的問題。這也是為什麼IBM未來五年的五項科技預測中提到適合量子時代的新的加密算法。
量子計算將成為主流併產生商業應用前景
“我們長期的目標是構建具有容錯能力的通用量子計算機。”
接下來我們看一看量子計算在未來可能會給我們提供的應用前景。應該說今天的問題是分成兩大類，一類是適合在今天的經典計算機上運行的，今天的經典計算機可以處理的非常好；另一類是不適合在經典計算機上運行的，可能需要非常多的時間或者我們難以接受的資源。在不適合經典計算機解決的這類問題中，有一部分我們相信它是適合量子計算的，可能一些優化問題，可能一些機器學習問題，可能一些物理化學的模擬問題。如果我們能夠利用未來的量子計算做高效的物流最優路線的設計，我們就可能為供應鏈管理提供新的優化方式。如果我們能夠用未來的量子計算做更好的分子模擬，我們就可能以更低成本來發現新的材料或者發明新的藥物。如果我們面對大數據能夠用未來的量子計算來改進我們的機器學習，我們就可能讓人工智能變得更加強大。
今天我們還是處在我們稱之為量子準備的階段。我們今天已經可以構建相對來說規模還是比較小的量子計算機。與此同時，我們也可以預見到我們有能力在不遠的將來能夠構建更強大的量子計算機，能夠在一些實際應用中展現它的計算優勢。我們長期的目標是構建具有容錯能力的通用量子計算機。最後我想特別指出的一點，量子計算機本身不是單獨運行的，任何時候都需要跟經典計算機一起來合作，來完成今天經典計算機單獨所不能完成的任務。
最後做一個總結。我們今天處在一個人工智能的時代，我們看到人工智能時代技術創新有四個重要的維度：一是人工智能的核心技術；二是人工智能與區塊鏈的結合；三是新的計算力，特別是量子計算；四是人工智能與行業的結合。可以這樣講，人工智能改變世界，最終還是要從改變每一個人的生活，從改變每一個行業開始。
閱讀更多 數智網 的文章
