189 8069 5689
中国，已经成为世界AI发展的前哨站。无论是论文、专利，还是AI专家数量都位于世界第一梯队。据预测，到2023年中国AI赋能实体经济的市场规模将突破2000亿元大关。
一个明显趋势是，AI正深入各个垂直场景加速赋能。今年7月上旬举行的2020世界人工智能大会云端峰会上，被誉为人工智能界“奥斯卡”的卓越人工智能引领者奖（SAIL奖）揭开面纱，卡内基梅隆大学、IBM、百度、联影以及清华大学等五家企业和机构摘得最高荣誉，获奖项目涉及AI基础理论、语义理解、AI医疗、智能芯片等领域，这似乎正暗示着，一个泛在智慧时代的到来。
它们为何能在全球数百个项目中脱颖而出，将会给行业乃至全社会带来哪些改变？记者近日采访了获奖项目方相关负责人，寻求答案。
让机器学会“因果”，听懂“人话”
卡内基梅隆大学的获奖项目“Tetrad因果关系自动发现智能平台”，听起来比较抽象。
但在卡内基梅隆大学哲学系以及机器学习系教授理查德舍恩斯看来，因果关系是实现通用人工智能过程中不可或缺的一环。“各个领域对因果关系的理解给了我们恰当地控制和改变系统的能力。在AI领域，人们逐渐意识到赋能机器在各种场景中学习和使用因果关心的能力，可帮助机器获得更通用的智能。”
卡内基梅隆大学因果关系发现原创平台
机器的“认知”与人类的“理解”之间有需要跨越的巨大鸿沟。以一个通俗的例子来讲，比如“打开衣柜，取出衣服”。孩子看到后，很快就会明白，要取出衣服就必须打开衣柜。但对机器来说，需要经过多次学习才能从概率上发现，“下雨和地上湿”两件事情的相关性很高。可谁是因谁是果？它不知道。
理查德舍恩斯表示，过去发现因果关系的方式是人为干涉和随机试验，这样的实验成本过高，很多时候并不可行。使用因果关系推理，可以使机器摆脱对于大量数据的依赖，甚至可能开辟一条全新的人工智能发展方向。
另一获奖项目，百度文心知识增强语义理解技术与平台，则开创性地将大数据预训练与多源丰富的知识相结合，通过持续学习海量数据中的知识，将机器语义理解水平提升到一个新高度，极大促进自然语言处理前沿研究和产业智能化变革。
百度文心知识增强语义理解技术的工作原理
作为学界与业界关注的焦点，自然语言理解究竟难在哪里？
北京百度网讯科技有限公司架构师孙宇解释说，在口语中，词与词之间是连贯的，机器在识别的过程中需要界定字词之间的边界，而很多字词不是单一含义，需要消除歧义。而人类讲话往往与其行为相关，比如当听到：“你能把筷子递给我吗？”人类的第一反应是找筷子，或者拒绝，那就极有可能讲出“给你”或是“我没空，自己拿”等。而回答“能”，往往不是最好的回应。在国际权威的通用语言理解评估中，百度文心项目得分首次突破90分，超过人类水平3个百分点，获得全球第一。
不止于技术进步，更要赋能现实
当机器能够听懂、理解人类的语言，距离“表达观点”还有多远？
辩论，具有极高的对话频率、语言逻辑和内容输出，AI是否能够涉足这个领域？这次夺得SAIL奖的IBM公司的AI“辩手”Project Debater给出答案。
2018年6月，IBM Project Debater向以色列国际辩论协会会长及以色列全国辩论冠军发起挑战。辩论中，它可以实时听懂对手的发言，能快速生成自己的观点，并对人类辩手观点作出回应，而且发音清晰、语法正确。辩论中，它甚至会开玩笑，幽默风趣。
IBM Project Debater与以色列国际辩论协会会长及以色列全国辩论冠军进行辩论赛
但在IBM AI Tech副总裁阿雅索弗看来，人机辩论的重点不在输赢，而是为了展示AI掌握人类丰富语言的能力。Project Debater实现辩论的背后离不开三大技术的支撑：数据驱动的辩论文稿的生成和表达能力、口语理解能力，以及模拟人类困境。“当人工智能的推理越透明、有理有据，我们就越能信任它，从而就越能利用它帮助我们做出正确的决定。”
让AI掌握人类语言和思辨是极具意义的“进化”。按照SAIL评审专家预计的路径，未来AI发展不仅仅是学习能力的提升，更是自我推理能力的开发。
无论是基础理论还是实际应用，SAIL奖的终极目的不止于推动技术进步，更在意如何让技术实实在在赋能现实。
突发的新冠疫情让世界措手不急，AI则在疫情救援中大显身手。就像这次SAIL奖项目联影智能“uAI新冠肺炎医学影像智能化诊断全栈解决方案”，充分体现了“AI向善”的理念。
联影智能新冠肺炎智能辅助分析系统
联影智能研发副总裁高耀宗说，联影智能化方案解决了CT检查中两大问题：一是降低并控制了医护人员的感染问题。相比传统扫描，医生只要按一个键，其他扫描步骤如扫描范围、扫描床的高度都会自动进行调节。二是提高读片效率。该方案通过AI对胸部CT进行快速预读，判断哪些CT片是疑似新冠病例，客户端会提示医生优先阅读，帮助医生提早发现这些患者。
SAIL奖评审专家表示，这次疫情的发生，也恰恰给了AI一个最好的证明奖项、技术不应是束之高阁的花瓶。
剑指“人工大脑”，算力能效迎来双突破
AI在算法、应用上的发展如火如荼，而算力、硬件的突破同样重要。
今年初，阿里巴巴达摩院就做出预测，“冯诺依曼架构”的存储和计算分离，已不适合数据驱动的AI应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈，已经成为更先进算法探索的障碍。借鉴大脑神经结构和计算方式的“存内计算架构”，将存储单元和计算单元融为一体，或可破解这一难题。
今年SAIL奖组委会首次把优秀论文纳入SAIL奖，旨在鼓励探索一些前沿性问题。清华大学一篇发表在《Nature》上的论文因清晰回应了上述问题而获奖。这篇文章阐释的“基于忆阻器的存算一体智能系统”，可使硬件算力和能效的提升达到指数级。
忆阻器卷积网络
什么是“忆阻器”？它的全称是记忆电阻器，由惠普实验室于2008年研制成功。2013年，比勒菲尔德大学物理学系高级讲师安迪托马斯研制的忆阻器，放置在比人类头发薄600倍的芯片中，利用这种忆阻器作为人工大脑的关键部件。
单个忆阻器可以做到2纳米尺寸，将来把大量忆阻器集成、连接起来，就有机会制造出一套在结构、功能上与生物大脑相似的系统。
论文的第一作者姚鹏博士说到：“基于忆阻器的多阵列存算一体智能系统，利用物理规律实现新型计算范式，克服了传统智能硬件的架构瓶颈，具有超高能效和面积效率，为下一代智能芯片和系统的发展指明方向，有望成为手机等设备的全新人工大脑。”
不可否认，AI将带领人类向更高层级的智慧演进。但当底层逻辑发生变化时，更需要冷静：如何保证当下世界在稳定中进化，传统与创新究竟要如何取舍。这些都是人类面对AI带来的不确定性时需要思考的问题。