AI名人汇聚一堂，共商AI领域先进技术研究

IBM在去年底举行了首次人工智能(AI)会议，IBM研究人员的报告让我们知道该领域的知名人士，和研究人员正在着手解决的AI相关问题。

消费性电子展(CES)刚结束，让我们把注意力从那些吸引人的小玩意儿转移到AI技术。

我和我的搭档EDN主编Brian Santo一起前往拉斯韦加斯之前，我们俩都非常期待听到许多关于AI的话题，并在CES上看到许多具有AI功能的产品。

令人惊讶的是，我们感受到的AI热潮比我们想象得少。大部分是我们已经知道的产品，像是AI语音产品，例如智能音箱、智能玩具，和AI相关的计算机视觉应用，例如自驾车。

显然，AI最初推广的商业市场，专注于方便、易于使用(语音)的消费性产品。

因此，亚马逊(Amazon)、Google和微软(Microsoft)支持的语音AI产品到处可见，可作为消费性电子厂商的产品噱头，例如，高通(Qualcomm)的展示车驾驶座就搭载了亚马逊Alexa功能。

大多数关于AI语音产品的报导从去年开始，当时我们在CES展览上看到的AI产品令人感到无趣。

作为一名产业的记者，我对AI的无知让我感到谦卑，有这么多东西需要学习。在我的2019年议程中，我列出了我想了解的是产业在“广义AI”的走向、了解物联网整合“分布式(distributed)AI和机器学习应用”、了解“生物启发芯片设计(bio-inspired chip designs) ”发展到哪里，以及它们与AI之间的关系。我还考虑了AI的可解释性、安全性和公平性。

显然，开始的地方不是CES。(我在想什么？)AI仍然被困在研发部门和学术界的围墙后面，尽管现在已经开始慢慢进入公众领域。

幸运的是，IBM研究部门的Rajiv Joshi联络我，他去年秋天在IBM T.J. Watson研究中心举办了AI运算研讨会(AI Compute Symposium)。他告诉我第一次AI研讨会是如何与IEEE电路与系统协会(IEEE Circuits and Systems Society)和IEEE电子设备协会(the IEEE Electron Device Society)密切合作。

我请Joshi为我进行AI研讨会简要介绍(因为我不在会场)，他提出了一份易于理解的现场报告。虽然这场会议在两个多月前举行，但Joshi的报告(阅读下文全文)提供了AI研究领域中正在发展的全貌。这是一个很好的工具，可以找出这个领域的参与者，且研究人员正在推动解决AI问题。

Joshi提到，下一次在今年10月中举行的AI研讨会将会更精彩。所有专业人士、教授和学生皆可免费参加。去年秋天举办的第一次AI研讨会仅限约160人参加。

Joshi是关键技术负责人、主要发明者和IBM技术学院的成员。Joshi在AI研讨会上的其他负责人包括联想的HPC和AI战略和架构师Matt Ziegler，以及IBM T.J. Watson 研究中心的经理和研究员Arvind Kumar。Ziegler与Kumar担任会议主席，研讨会的另一位科学家是加泰隆尼亚理工大学(UPC Barcelona Tech)教授Eduard Alarcon，她是新兴及精选电路与系统期刊(IEEE Journal on Emerging and Selected Topics in Circuits and Systems；JETCAS)的主编。

如果你正在寻找第一场AI研讨会上的演讲记录，2019年6~7月将会出版一本刊载演讲内容与投影片的书(由IEEE CAS赞助)。Joshi提到，部分文件很可能会在今年稍晚发表在IEEE JETCAS 杂志上，同时，座谈会的影片将于今年4月在IEEE电视台播放。

以下是Joshi在第一次AI研讨会上所做的报导：

IBM Research、IEEE电路和系统协会(CAS)和IEEE电子设备协会(EDS)于2018年10月25日在纽约约克镇高地的IBM T. J. Watson研究中心THINKLab实验室共同举办了第一次AI运算研讨会。这次活动邀集了来自业界和学术界的梦想家、思想家和创新者，共同举办了为期一天的研讨会，主题在讨论解决AI运算挑战和AI未来方向的先进技术研究。研讨会包括两场专题演讲、六场特邀讲座、一场学生专题研究海报展和一场小组讨论。这次活动是免费的，有来自IBM、各公司和大学的155名出席者参加。IBM和IEEE在当时的确展示了他们在AI运算领域的先进专业知识。

IBM的Lisa Amini和ARM的Rob Aitken发表了主题演讲。Amini谈到关于MIT-IBM Watson AI实验室研究项目的内容令人感到兴奋，该实验室最近庆祝成立一周年。Amini的研究范围包含狭义、广义和一般AI的三层AI，她认为AI研究领域正在开始进入广义的AI，而一般的AI仍然是未来的长期发展目标。Aitken随后发表了主题演讲，描述了目前有多少AI相关的问题浮现出来，代表着目前不断变动的目标和规则，而非传统运算问题的固定目标和规则。Aikten也介绍了一些实用的方法，如何将复杂问题细分为可管理的项目，这些项目提供了解决复杂AI难题的方法。最后，他总结提到，物联网需要具有AI和机器学习应用的分布式系统，包括实时性、可解释性和安全性。

在专题演讲之后，英特尔的Mike Davies和IBM的Jeff Burns受邀在“产业观点”的场次进行演讲。这些演讲内容提供了短期与长期的产业观察全貌，内容涵盖架构、电路设计和半导体技术。Davies的演讲重点是英特尔的Loihi神经形态芯片(neuromorphic chip)，以及神经形态研究的未来方向。尽管Loihi是一个数字芯片，但此研究途径超越了传统的冯纽曼架构(von-Neumann architectures)。另一方面，Burns的演讲重点为目前投注的努力和未来加速深度学习的计划。Burns描述了近期以模拟电路设计提升专业数字加速器(specialized digital accelerators)功能的愿景，以及未来的设备技术。

接下来，在“生物启发运算(Bio-inspired Computing)”场次上，约翰霍普金斯大学(Johns Hopkins University)的Andreas Andreou提供了许多生物启发芯片设计的例子，其中许多例子关于DARPA等组织感兴趣的系统零件，用来解决复杂问题。来自加州大学圣地亚哥分校(University of California, San Diego)的Todd Hylton，提出了热力运算的概念，作为未来运算研究的潜在方向，算是最具启发性的一场演讲，他认为技术的演进倾向透过程序设计、训练和奖励。

第三场讲座的主题关于“新兴技术”，演讲者为密歇根大学(University of Michigan)的Wei Lu和普林斯顿大学(Princeton University)的Naveen Verma。Lu介绍了近年来电阻式随机存取内存(RRAM)零件和芯片级设计与制造的研究进展。他描述了RRAM如何为神经形态运算提供一个平台，是未来AI运算的一个潜力发展方向。Verma提出了一个关于内存运算的电路和架构方法的案例，这也是AI界高度关注的另一个主题，他介绍了几种制造芯片的测量结果，为内存内运算(in memory computing)的发展潜力提供了有力证据。

研讨会还举办了一场学生专题研究海报展，出席人数众多，约有30名学生在会场上介绍AI运算主题。现场有许多引人注目的研究项目，有两个项目获奖，一个是加州大学伯克莱分校(UC Berkeley)的Sohum Datta，研究项目为“2048-dim通用超维度处理器(A 2048-dim General-purpose Hyper-Dimensional Processor)”。密歇根大学Jingcheng Wang为另一个获奖者，研究项目为“神经快取(Neural Cache)：深度神经网络的位串行快取加速(Bit-Serial In-Cache Acceleration)。”

研讨会最后一场的座谈会主题为“AI或是人工愚蠢：AI将有多聪明？”参与者包含一些专题演讲与受邀演讲的讲者，以及IBM研究员Mark Wegman。现场充满了热烈的、有时是激烈的讨论，内容从AI研究到AI伦理的进展。Hylton提出了一个案例，在狭义的AI发展上有所突破，但整体发展还未接近真正的AI。有时候Andreou与Wegman针对未来AI研究的进展争论不休，而Verma最后针对双方论点作出总结。此场座谈会不久之后将会在IEEE电视台播放。

总体而言，与会者、演讲者和主办者的普遍共识是，这一天的研讨会提供了一个具有学习性的平台，并引发了运算领域相关重要主题的热烈讨论。关于专题研讨会的技术内容将会被收录在其他出版物(包含书籍、期刊论文等)，提供教育资源给任何对此题目感兴趣的人。虽然在早期阶段，IBM和IEEE正在规划未来AI运算相关的活动，请参考此网站了解最新进展。lks告诉我们，他们正在为“通用网关”开发一个软件引擎，进行安全性、连接性和设备管理，目前还没有开发出来。但是当产品开发出来后，我们将会更加关注易于安装的智能家居产品的发展动向。

相关阅读：利用本性、借力培育打造令人惊叹的AI SoC