（編輯/呂棟）

大模型的爆火，讓人工智能（AI）再度成為火熱的話題,。4月19日,，觀察者網(wǎng)在華為第20屆全球分析師大會(huì)上了解到,，華為戰(zhàn)略研究院院長(zhǎng)周紅分享了在人工智能領(lǐng)域最新的觀點(diǎn),。

他認(rèn)為,，在AI能力快速提升的情況下，需要考慮AI的目標(biāo)如何與人類一致,、并且正確和高效地執(zhí)行,。除了通過規(guī)則和法律來加強(qiáng)AI的倫理和治理外，從理論和技術(shù)的角度看,，要達(dá)到這些要求,，目前還面臨三個(gè)重要的挑戰(zhàn)：AI的目標(biāo)定義、正確性與適應(yīng)性,、效率,。

“缺乏共識(shí)的目標(biāo)定義，沒有定義清楚并達(dá)成共識(shí),，就很難確保AI發(fā)展的目標(biāo)與人類一致,，也很難合理地分類和科學(xué)地計(jì)算?！敝芗t表示,，人工智能在歷史上有不同的流派，例如符號(hào)主義,、貝葉斯主義,、進(jìn)化主義,、行為主義，以及連接主義等,，它們還沒有很好地融合起來,，缺乏共識(shí)的目標(biāo)定義是重要的原因之一。

那該如何牽引人工智能發(fā)展,？周紅表示,，在通信和計(jì)算兩大基石的驅(qū)動(dòng)下，從狹義人工智能,，到通用人工智能與超級(jí)人工智能的過程中,，首先要通過理論和技術(shù)的不斷突破，來實(shí)現(xiàn)萬物智聯(lián),，促進(jìn)社會(huì)的進(jìn)步,；其次要勇于拓展思想的邊界，增強(qiáng)對(duì)智能的認(rèn)知和掌控能力,；最終,，用正確的目標(biāo)和有力的手段，牽引人工智能的發(fā)展,，助力人類超越極限,，增強(qiáng)生命，創(chuàng)造物質(zhì),，控制能量,，跨越時(shí)空，實(shí)現(xiàn)人類文明的進(jìn)化,。

周紅從經(jīng)驗(yàn),、知識(shí)到智能，提出面向智能世界的假設(shè)和愿景,。他認(rèn)為：“未來通信和未來計(jì)算是邁向智能世界需要解決的兩大核心問題,。在通信領(lǐng)域，今天的我們有條件超越香農(nóng)定理最初的假設(shè)和應(yīng)用條件,，實(shí)現(xiàn)超越十年百倍的發(fā)展,。在計(jì)算領(lǐng)域，方向是新的計(jì)算模式,、架構(gòu)與部件,，提升對(duì)智能的認(rèn)知水平和掌控能力，并在AI for Industry和AI for Science等應(yīng)用中不斷迭代發(fā)展”,。

華為首屆分析師大會(huì)于2004年舉辦,，至今已連續(xù)舉辦了20屆。本屆大會(huì)以“躍升數(shù)字生產(chǎn)力，加速邁向智能世界”為主題,，與全球1000多名行業(yè)與產(chǎn)業(yè)分析師,、財(cái)經(jīng)分析師、意見領(lǐng)袖及媒體等,，共同探討前沿趨勢(shì)、產(chǎn)業(yè)發(fā)展策略,、行業(yè)數(shù)字化方向,。

圖源：觀察者網(wǎng)

以下是周紅演講實(shí)錄：

女士們,、先生們,，大家好，歡迎參加第二十屆分析師大會(huì),。今天我和大家分享的題目是,，建設(shè)智能世界的假設(shè)與愿景，從經(jīng)驗(yàn),、知識(shí)到智能,。

上一屆大會(huì)上，我們分享了走向未來智能世界的科學(xué)假設(shè)與商業(yè)愿景,，ICT技術(shù)將可能對(duì)人的健康和幸福,、AI普及應(yīng)用與自動(dòng)和智能的機(jī)器、綠色可持續(xù)發(fā)展的環(huán)境,、虛實(shí)融合的數(shù)字世界等做出更大的貢獻(xiàn),。

面向未來，我們提出了十個(gè)問題和挑戰(zhàn),。在過去的一年中,，我們與學(xué)術(shù)界、產(chǎn)業(yè)界溝通,，與科學(xué)家,、客戶交流，探討了邁向智能世界需要解決的兩大核心問題：未來通信和未來計(jì)算,。

今天,，我將重點(diǎn)分享在這兩個(gè)問題上的一些思考。

首先是在通信領(lǐng)域,， 香農(nóng)在75年前提出了3個(gè)定理,，第一定理是可變長(zhǎng)無失真信源編碼，第二定理是有噪聲情況下的信道編碼,，第三定理是保失真度下的信源編碼,。在第一和第三定理中，香農(nóng)假設(shè)信源是離散無記憶的，當(dāng)時(shí)通信采用的是經(jīng)典極化電磁場(chǎng),，傳播環(huán)境比較簡(jiǎn)單,，沒有考慮高樓大廈林立的場(chǎng)景。

上個(gè)月,，我和香農(nóng)獎(jiǎng)的獲得者,，Erdal Arikan教授討論，在香農(nóng)定理提出后,，又有很多新的發(fā)現(xiàn),，比如：

第一是1987年Durnin發(fā)現(xiàn)具有自愈性的非衍射波束可以繞過障礙物而繼續(xù)傳播；2007年,，人們第一次在實(shí)驗(yàn)室觀察到中心能量可以轉(zhuǎn)彎的艾里波束,。

第二是1992年，Allen發(fā)現(xiàn)軌道角動(dòng)量OAM電磁場(chǎng)傳播是螺旋相位光束的自然屬性,，理論上在同一方向上有無數(shù)個(gè)正交量子態(tài),。

第三是1994年，Jerome Faist等人做出來第一個(gè)量子級(jí)聯(lián)激光器,，一個(gè)量子級(jí)聯(lián)激光器現(xiàn)在可以同時(shí)產(chǎn)生三百多個(gè)波長(zhǎng),，如果每個(gè)波長(zhǎng)可傳800Gbps的話，一個(gè)激光器就可以提供超過200Tbps的傳輸能力,；2018年,，Gerard Mourou因?yàn)榘l(fā)明飛秒激光器獲得了諾貝爾獎(jiǎng)，飛秒激光器以及后續(xù)可能實(shí)現(xiàn)的阿秒激光器,，在理論上每秒可能發(fā)出1000T的脈沖,。

第四是2016年AlphaGO推出之后，人們發(fā)現(xiàn)可以通過大模型來很好描述具有先驗(yàn)知識(shí)的世界,，這個(gè)世界的很多信息并不是離散無記憶的,。目前學(xué)術(shù)界已經(jīng)有一些這方面的探索，比如這兩年比較熱的語義通信,。

第五是2018年,，5G的MassiveMIMO規(guī)模商用后，在城市高樓林立的復(fù)雜傳播環(huán)境中,，可以通過利用很多獨(dú)立傳播通道來大大提升通信的容量,。

所有這些新的現(xiàn)象、新的工程能力和新的應(yīng)用環(huán)境,，都是75年前人們不了解的,、也不在假設(shè)中。因此我認(rèn)為,，在未來的通信上還有很大的發(fā)展空間,，我們有可能改變香農(nóng)定理最初的假設(shè)和應(yīng)用條件,，實(shí)現(xiàn)超越十年百倍的發(fā)展。

通信網(wǎng)絡(luò)是建設(shè)智能世界的基礎(chǔ),，我們要實(shí)現(xiàn)成百上千倍的提升,，就必須敢于打破既有理論與技術(shù)瓶頸的條條框框，才能大踏步前行,。

其次是計(jì)算,。在過去的幾年中，我們看到智能應(yīng)用的迅速發(fā)展,，尤其是通過AI模型優(yōu)化可能幫助解決應(yīng)用碎片化的問題,，這也引發(fā)了模型規(guī)模的爆發(fā)式增長(zhǎng)。過去十年,，AI算法的算力需求提升了四十萬倍。

麻省理工的Max Tegmark教授在《生命3.0》書中,，給出了一個(gè)AI能力地圖,。目前在山腳處很多能力上，AI已經(jīng)超越人類,，比如死記硬背,、智力問答和下棋，大家知道,，1997年AI打敗了國(guó)際象棋世界冠軍卡斯帕羅夫,，2011年AI獲得了《危險(xiǎn)邊緣》智力節(jié)目冠軍，2016年AI打敗了前圍棋世界冠軍李世石,。在山腰上的一些能力上,，人們還在不斷研究提升中，例如自動(dòng)駕駛,、圖像識(shí)別,、語言文字處理等，當(dāng)前AI在語言文字的學(xué)習(xí),、理解和生成上表現(xiàn)出來的能力,，超出了很多人的想象。在接近山頂?shù)哪芰ι?，例如軟件編程,、科學(xué)研究、定理自動(dòng)驗(yàn)證和自動(dòng)證明等,，學(xué)術(shù)界和產(chǎn)業(yè)界已經(jīng)有一些探索,。，隨著計(jì)算模式的不斷優(yōu)化,、算力的不斷提升,、有了更多和更準(zhǔn)確的數(shù)據(jù),，AI將能更好地服務(wù)于人類社會(huì)的進(jìn)步。

在AI能力快速提升的情況下,，我認(rèn)為需要考慮AI的目標(biāo)如何與人類一致,、并且正確和高效地執(zhí)行。除了通過規(guī)則和法律來加強(qiáng)AI的倫理和治理外,，從理論和技術(shù)的角度看,，要達(dá)到這些要求，目前還面臨三個(gè)重要的挑戰(zhàn)：AI的目標(biāo)定義,、正確性與適應(yīng)性,、以及效率。

圖源：觀察者網(wǎng)

AI面臨的第一個(gè)挑戰(zhàn),，是缺乏共識(shí)的目標(biāo)定義。杜克大學(xué)的物理學(xué)家Adrian Bejan教授在《生命的物理學(xué)》書中,，列出了對(duì)智能的二十多種目標(biāo)定義,，有的強(qiáng)調(diào)理解和認(rèn)知能力、有的強(qiáng)調(diào)學(xué)習(xí)和思考能力,、有的強(qiáng)調(diào)適應(yīng)和行動(dòng)能力等等,。

如果沒有定義清楚并達(dá)成共識(shí)，就很難確保AI發(fā)展的目標(biāo)與人類一致,，也很難合理地分類和科學(xué)地計(jì)算,。人工智能在歷史上有不同的流派，例如符號(hào)主義,、貝葉斯主義,、進(jìn)化主義、行為主義,，以及連接主義等,，它們還沒有很好地融合起來，我認(rèn)為缺乏共識(shí)的目標(biāo)定義是重要的原因之一,。

其次,，在當(dāng)前的很多AI應(yīng)用中，存在正確性和適應(yīng)性的挑戰(zhàn),。

依靠大數(shù)據(jù)統(tǒng)計(jì)規(guī)律進(jìn)行的學(xué)習(xí),，會(huì)依賴于采樣的覆蓋面和數(shù)據(jù)的正確性，如果錯(cuò)誤使用,，就可能導(dǎo)致結(jié)果不穩(wěn)定和偏見的風(fēng)險(xiǎn),，出現(xiàn)“黑天鵝”事件。

比如用統(tǒng)計(jì)和相關(guān)計(jì)算模式來識(shí)別香蕉,，如果我們?cè)谙憬哆吷戏乓恍┢渌麍D片,，識(shí)別結(jié)果可能從香蕉變成烤箱,，中間還有一定的比例是鼻涕蟲；熊貓圖片加上一些肉眼幾乎不可見的小噪聲,，也可能被識(shí)別成長(zhǎng)臂猿,。這些圖片用人眼來看是一目了然的，但是人工智能為什么會(huì)犯錯(cuò),，這很難解釋,。因?yàn)锳I的能力分布在巨大的參數(shù)中，出了這些問題,，我們既無法解釋,、也難以調(diào)試。

第三個(gè)挑戰(zhàn)是AI的效率,。

首先我們看看能效,。從2022年第60屆全球超級(jí)計(jì)算機(jī)Top500中看到，排名第一的Frontier,，計(jì)算性能約1102PFLOPS,，能耗是2千1百萬瓦；排名第二的Fugaku,，計(jì)算性能約442PFLOPS，能耗是3千萬瓦,，而相比之下,，人腦只需要約20瓦就能等效實(shí)現(xiàn)30PFLOPS的計(jì)算性能?？梢姰?dāng)前這些超級(jí)計(jì)算機(jī)單位能量的計(jì)算效率,，要比人腦低大約三萬倍到十萬倍。除了人腦外,，高效智能在動(dòng)物界普遍存在,，比如烏鴉大腦只用0.2瓦的能量，就聰明到將核桃銜到高空扔到水泥地上砸開,，有一次我在柏林的阿爾伯特?愛因斯坦大街上逛,，差點(diǎn)被烏鴉從高空扔下的核桃砸中，在這張照片上,，作為補(bǔ)償,，我搶了烏鴉的半個(gè)桃仁來吃；烏鴉還會(huì)將鐵絲掰彎做成鉤子來鉤東西吃,，它在觀察環(huán)境,、適應(yīng)環(huán)境、解決問題上的能力,，遠(yuǎn)不是當(dāng)前的AI能比擬的,。

其次是數(shù)據(jù)效率,。我們除了通過從大數(shù)據(jù)中得到統(tǒng)計(jì)規(guī)律，來認(rèn)識(shí)和理解世界外,，能不能從小數(shù)據(jù)中進(jìn)行思考,，發(fā)現(xiàn)邏輯性，形成概念,，抽象出原則,？

面對(duì)這三個(gè)挑戰(zhàn)，如何進(jìn)一步尋求突破呢,？我建議從實(shí)用的角度,，來發(fā)展知識(shí)和智能。如何通過從外部環(huán)境和我們自身的事實(shí)和現(xiàn)象中,，歸納抽象出概念和屬性,、及其關(guān)系和運(yùn)行規(guī)律，來形成知識(shí),？按柏拉圖的理念,，知識(shí)應(yīng)該是被驗(yàn)證過的、正確的和被人們相信的,。能不能提升達(dá)成追求或者目標(biāo)的能力,，來發(fā)展智能？具體來說,，可以通過感知與交互,、計(jì)算或者試錯(cuò)，在復(fù)雜的環(huán)境和有限的資源下達(dá)成目標(biāo),。我們要通過智能來認(rèn)識(shí)環(huán)境,、適應(yīng)環(huán)境，甚至改造環(huán)境以及我們自身,，其正確性,、適用性與高效性就很重要。從已有大數(shù)據(jù)中提取概率分布來進(jìn)行擬合和推演,，是實(shí)現(xiàn)智能的一種手段,，除此之外，我認(rèn)為智能也要考慮因果推理,、給出假設(shè)和進(jìn)行試錯(cuò),，提出問題和創(chuàng)造性地解決問題等。

近幾年學(xué)術(shù)界有很多跳出Transformer之外的新型AI架構(gòu)的思考,，例如Geoffery Hinton的GLOM模型,，建議通過各種學(xué)習(xí)方法，實(shí)現(xiàn)從部分到整體,，類似人類的感知系統(tǒng),；Yoshua Bengio建議未來的人工智能由基于直覺的System1模型和基于邏輯與歸納的System2模型組成,；Yan LuCun建議以自監(jiān)督的方式來學(xué)習(xí)世界模型，然后利用這些模型進(jìn)行預(yù)測(cè),、推理和規(guī)劃,；Richard Sutton提出基于經(jīng)驗(yàn)的AI，通過與環(huán)境的交互而獲取經(jīng)驗(yàn),，構(gòu)建AI的目標(biāo)和整個(gè)世界的狀態(tài),，使得智能體可以學(xué)會(huì)與環(huán)境溝通、合作和競(jìng)爭(zhēng),。

哈佛大學(xué)Howard Gartner教授把人類的智能分類成八大類,，包括語言文字、視覺與空間,、自然理解,、自我認(rèn)知、人際關(guān)系,、音樂,、運(yùn)動(dòng)和數(shù)理邏輯。

圖靈獎(jiǎng)教授Joseph Sifakis提出自主系統(tǒng)概念,。

我建議在這些思考的基礎(chǔ)上,，發(fā)展感知與建模、知識(shí)自動(dòng)生成,、求解與行動(dòng)三個(gè)核心部分,，通過從多模態(tài)感知融合與建模，到“知識(shí)+數(shù)據(jù)”驅(qū)動(dòng)的決策,，實(shí)現(xiàn)更高正確性與適應(yīng)性的自主智能系統(tǒng)。感知與建模是對(duì)外部環(huán)境以及自身的表征與抽象,；知識(shí)的自動(dòng)生成應(yīng)該將吃穿住行,、琴棋書畫、數(shù)理化生等人類能表達(dá)與不能表達(dá),、能感知和不能感知的知識(shí)都考慮進(jìn)來,，要考慮Human in the loop，將人已有的經(jīng)驗(yàn)融入到策略模型或評(píng)價(jià)函數(shù)當(dāng)中,；求解與行動(dòng)可以是在已有知識(shí)的基礎(chǔ)上,，結(jié)合內(nèi)外部信息進(jìn)行直接的演繹推理，或者通過與環(huán)境交互試錯(cuò),，來找到解決辦法,。

希望未來的自主智能系統(tǒng)，更好地支持自動(dòng)駕駛網(wǎng)絡(luò),、自動(dòng)駕駛汽車,、云服務(wù)等領(lǐng)域,。

其次是發(fā)展更好的計(jì)算模式，以及與之匹配的計(jì)算架構(gòu)與計(jì)算部件,，來持續(xù)提升智能計(jì)算的效率,。

我和菲爾茲獎(jiǎng)教授Laurent Lafforgue討論，當(dāng)前在視覺與空間計(jì)算上,，往往采用像素點(diǎn)來表達(dá)物體,，但是絕大部分物體的識(shí)別與其像素點(diǎn)的顏色沒有直接的關(guān)系，甚至是毫無關(guān)系,，它們?cè)诓煌墓庀鲁尸F(xiàn)不同的顏色,，因此建議增加幾何流形來進(jìn)行表達(dá)和計(jì)算，看看能不能用很小的數(shù)據(jù)量來抓住物體的不變性,。

EPFL的Gestner和Kistlei等寫了一本《神經(jīng)動(dòng)力學(xué)》的書,，介紹了大腦皮層的功能柱、以及功能柱中的六層連接情況,，這樣的淺度神經(jīng)網(wǎng)絡(luò)架構(gòu),，會(huì)不會(huì)比深度網(wǎng)絡(luò)更高效？

另外,，從實(shí)現(xiàn)的角度看,，在當(dāng)前的很多AI計(jì)算上，面臨存儲(chǔ)瓶頸的問題,，我們往往要花比計(jì)算多上百倍的時(shí)間來讀寫與搬移數(shù)據(jù),，今后能不能拋開傳統(tǒng)的馮·諾依曼架構(gòu)的處理器、指令集,、總線,、邏輯器件和存儲(chǔ)器件，圍繞先進(jìn)AI計(jì)算模式的需要來定義新的架構(gòu)與部件,？

接下來我和大家分享華為在AI領(lǐng)域所做的一些探索,。首先是AI4Industry，通過行業(yè)大模型促進(jìn)價(jià)值創(chuàng)造,。我們?cè)谝曈X,、語言文字、圖網(wǎng)絡(luò),、多模態(tài)等專用L0基礎(chǔ)大模型之上,，形成L1行業(yè)專用大模型，來降低開發(fā)門檻,、提升泛化能力,，解決應(yīng)用碎片化的問題，推動(dòng)從“作坊式”走向工業(yè)化升級(jí)，幫助電力,、煤礦,、交通、制造等重要行業(yè),，提升作業(yè)效率,、提升安全性。比如,，在煤礦場(chǎng)景,，華為幫助客戶通過模型訓(xùn)練與推理，來實(shí)現(xiàn)瓦斯?jié)舛鹊某邦A(yù)警,、作業(yè)序列的風(fēng)險(xiǎn)防范,、以及作業(yè)質(zhì)量的智能驗(yàn)收；華為的智慧港口方案,，已經(jīng)在天津,、青島、上海,、深圳等港口實(shí)現(xiàn)智慧化應(yīng)用,。機(jī)場(chǎng)與軌道軍團(tuán)在呼和浩特、武漢與深圳與伙伴們一起探索機(jī)場(chǎng),、鐵路與地鐵的現(xiàn)代化智聯(lián),。

圖源：觀察者網(wǎng)

另一方面,，AI4Science的發(fā)展也可以極大幫助提升科學(xué)研究的能力,。

比如，我們通過構(gòu)造新型的,、地理信息3D Transformer編碼結(jié)構(gòu),，以及層次化時(shí)域聚合方法，推出盤古氣象大模型,，通過更精準(zhǔn),、高效的學(xué)習(xí)與推理機(jī)制，從大自然歷史運(yùn)轉(zhuǎn)出來的數(shù)據(jù)中提取出全球氣象先驗(yàn)知識(shí),，代替?zhèn)鹘y(tǒng)科學(xué)計(jì)算的超大規(guī)模偏微分方程的時(shí)序求解,，從而可以實(shí)現(xiàn)快速完成全球未來1小時(shí)到7天的天氣預(yù)報(bào),，預(yù)測(cè)精度比歐洲中期天氣預(yù)報(bào)中心高20%以上,。在這兩張臺(tái)風(fēng)軌跡圖中，藍(lán)色軌跡是歐洲中期天氣預(yù)報(bào)中心給出的預(yù)測(cè),，實(shí)際路徑是黑色軌跡,，我們的預(yù)測(cè)的路徑是紅色軌跡，可以看出,，這個(gè)預(yù)測(cè)非常接近實(shí)際情況,。

再比如制藥領(lǐng)域,，藥物靶點(diǎn)發(fā)現(xiàn)是藥物研發(fā)過程的關(guān)鍵問題。傳統(tǒng)的分子對(duì)接計(jì)算方法效率高,，但是沒有考慮蛋白質(zhì)的柔性,，導(dǎo)致搜索空間小，尋找到的靶點(diǎn)少,；而分子動(dòng)力學(xué)模擬考慮了蛋白質(zhì)的柔性,，但是計(jì)算量非常大。我們的專家與北大教授一起提出了基于元?jiǎng)恿W(xué)的靶點(diǎn)發(fā)現(xiàn)和構(gòu)象搜索算法,，加速小分子遍歷蛋白質(zhì)的過程,，對(duì)同樣的構(gòu)象搜索，傳統(tǒng)方法需要37天,，我們只需要6個(gè)小時(shí),，提升了150倍效率。

在軟件編程上,，除了用傳統(tǒng)AI在大量已有代碼中進(jìn)行檢索和推薦外,，我們也在發(fā)展科學(xué)的模型驅(qū)動(dòng)和形式化方法。尤其是在大規(guī)模并行化的情況下,，很多處理是相互糾纏和前后關(guān)聯(lián)的,，我們探索出了一套名為Vsync的方法，實(shí)現(xiàn)了操作系統(tǒng)內(nèi)核的自動(dòng)化驗(yàn)證和并發(fā)代碼優(yōu)化,，在提升性能的同時(shí)也確?？煽啃浴?015年Linux社區(qū)發(fā)現(xiàn)了一個(gè)很難的內(nèi)存屏障Bug,，社區(qū)專家花了兩年多才修復(fù),，而使用我們的Vsync方法，僅用20分鐘就發(fā)現(xiàn)并修復(fù)了這個(gè)Bug,。歐美一些學(xué)校和公司都來尋求Vysnc方法的合作,。

在Linux社區(qū)，對(duì)Kernel版本的補(bǔ)丁修改貢獻(xiàn)上,，我們?cè)?020年的5.10版本,，2021年的5.14版本，以及2022年的6.1版本上,，做到全球貢獻(xiàn)第一,。

圖源：觀察者網(wǎng)

我們也通過新的AI計(jì)算模式,，來研究定理自動(dòng)證明問題,。比如拓?fù)渌估碚撚兄谔剿鞣懂犠C明、同余推理系統(tǒng)、自動(dòng)理論導(dǎo)出,，提升定理證明器的水平,，希望解決形式驗(yàn)證中的狀態(tài)爆炸問題和自動(dòng)模型抽象問題，增強(qiáng)形式驗(yàn)證能力,。

我們也在探索基礎(chǔ)計(jì)算部件的重構(gòu),。比如加法和乘法在學(xué)術(shù)界和產(chǎn)業(yè)界目前還不知道復(fù)雜度能降到什么程度。兩個(gè)二進(jìn)制數(shù)相加,，可能面臨不確定次數(shù)的進(jìn)位問題,，從而消耗大量的時(shí)間和能量。早在一千多年前,，南北朝時(shí)期的《孫子算經(jīng)》,，南宋時(shí)期的《數(shù)書九章》中提到過余數(shù)定理，現(xiàn)代數(shù)學(xué)家也在60多年前提出過將普通的數(shù)變換為MSD數(shù)來進(jìn)行計(jì)算,，避免進(jìn)位的發(fā)生,，但是這個(gè)思想因?yàn)橛幸恍?shí)際問題而沒有被產(chǎn)業(yè)界接受。我們希望解決實(shí)際應(yīng)用中的變換效率以及溢出等問題,，重構(gòu)最基本的加法和乘法,，提高計(jì)算的效率。

在走向智能社會(huì)的過程中,，可能有超過百倍,、甚至千倍的信息需求增長(zhǎng)，現(xiàn)有的很多理論和技術(shù)已經(jīng)遇到瓶頸,，難以支持未來的發(fā)展,，因此我們積極推動(dòng)科學(xué)假設(shè)與商業(yè)愿景牽引的創(chuàng)新，在通信上,，大膽探索有別于香農(nóng)定理的前提條件和應(yīng)用場(chǎng)景,；在計(jì)算上，進(jìn)一步明確人工智能的目標(biāo)定義,、提升正確性,、適應(yīng)性和高效性。

在通信和計(jì)算兩大基石的驅(qū)動(dòng)下,，從狹義人工智能,，到通用人工智能與超級(jí)人工智能的過程中，我們首先要通過理論和技術(shù)的不斷突破,，來實(shí)現(xiàn)萬物智聯(lián),，促進(jìn)社會(huì)的進(jìn)步；其次要勇于拓展思想的邊界,，增強(qiáng)對(duì)智能的認(rèn)知和掌控能力,；最終，用正確的目標(biāo)和有力的手段,，牽引人工智能的發(fā)展,，助力我們超越極限，增強(qiáng)生命,，創(chuàng)造物質(zhì),，控制能量，跨越時(shí)空,，實(shí)現(xiàn)人類文明的進(jìn)化,。

我們將這些面向未來的思考放在黃大年茶思屋網(wǎng)站上，促進(jìn)開放的探討交流,，希望能與伙伴們一起,，開展相關(guān)的基礎(chǔ)科學(xué)研究與技術(shù)創(chuàng)新，重構(gòu)基礎(chǔ)理論,、重構(gòu)架構(gòu),、重構(gòu)軟件。同時(shí)我們也贊助青年學(xué)者,，并在ICPC,、IMC、以及其他全球?qū)W生奧林匹克競(jìng)賽中,，分享這些挑戰(zhàn)和方向,、贊助學(xué)生訓(xùn)練營(yíng)、激勵(lì)和培養(yǎng)更多的未來領(lǐng)軍人才,。

我們正在快速奔向智能社會(huì),，面對(duì)無窮的可能性，我們所有的想象都是保守的,。在征服星辰大海的道路上,，一切的不可知和不確定性，都會(huì)使我們變得更加強(qiáng)大,。期待和大家一起應(yīng)對(duì)挑戰(zhàn),，共同開創(chuàng)更美好的明天！

謝謝大家,！