(電子發燒友網報道 文/章鷹)4月19日，華為戰略研究院院長周紅博士在2023華為全球分析師大會發表主題演講，他表示，在走向智能社會的過程中，可能有超過百倍、甚至千倍的信息需求增長，現有的很多理論和技術已經遇到瓶頸，難以支持未來的發展，因此我們積極推動科學假設與商業愿景牽引的創新，在通信上，大膽探索有別于香農定理的前提條件和應用場景；在計算上，進一步明確人工智能的目標定義、提升正確性、適應性和高效性。

通信網絡是智能時代的基礎，通過AI模型優化，幫助解決應用碎片化問題。過去10年，AI算法的算力需求提升了40萬倍。

在AI能力快速提升的情況下，我認為需要考慮AI的目標如何與人類一致、并且正確和高效地執行。除了通過規則和法律來加強AI的倫理和治理外，從理論和技術的角度看，要達到這些要求，目前還面臨三個重要的挑戰：AI的目標定義、正確性與適應性、以及效率。”

AI面臨的第一個挑戰，是缺乏共識的目標定義。杜克大學的物理學家Adrian Bejan教授在《生命的物理學》書中，列出了對智能的二十多種目標定義，有的強調理解和認知能力、有的強調學習和思考能力、有的強調適應和行動能力等等。如果沒有定義清楚并達成共識，就很難確保AI發展的目標與人類一致，也很難合理地分類和科學地計算。

第二大挑戰，在當前的很多AI應用中，存在正確性和適應性的挑戰。依靠大數據統計規律進行的學習，會依賴于采樣的覆蓋面和數據的正確性，如果錯誤使用，就可能導致結果不穩定和偏見的風險，出現“黑天鵝”事件。第三大挑戰AI的效率。

面對三大挑戰，如何突破？周紅博士認為，從實用的角度發展知識和智能。首先，如何通過從外部環境和我們自身的事實和現象中，歸納抽象出概念和屬性、及其關系和運行規律，來形成知識。其次，是發展更好的計算模式，以及與之匹配的計算架構與計算部件，來持續提升智能計算的效率。

他建議，在思考的基礎上，發展感知與建模、知識自動生成、求解與行動三個核心部分，通過從多模態感知融合與建模，到“知識+數據”驅動的決策，實現更高正確性與適應性的自主智能系統。

華為在計算領域做了一些有益的探索。華為在視覺、語言文字、圖網絡、多模態等專用L0基礎大模型之上，形成L1行業專用大模型，來降低開發門檻、提升泛化能力，解決應用碎片化的問題，推動從“作坊式”走向工業化升級，幫助電力、煤礦、交通、制造等重要行業，提升作業效率、提升安全性。

又比如，在煤礦場景，華為幫助客戶通過模型訓練與推理，來實現瓦斯濃度的超前預警、作業序列的風險防范、以及作業質量的智能驗收；華為的智慧港口方案，已經在天津、青島、上海、深圳等港口實現智慧化應用。華為機場與軌道軍團在呼和浩特、武漢、西安、深圳、香港等地與客戶及合作伙伴們一起探索城軌、鐵路與機場的數字化轉型，不僅提升作業安全性與效率，還提升用戶體驗與滿意度。比如在深圳機場，通過基于云和大數據以及AI創新，實現了智能機位分配，每年可以節省260萬旅客免坐擺渡車，成為全球數字化轉型的標桿。

“在通信和計算兩大基石的驅動下，從狹義人工智能，到通用人工智能與超級人工智能的過程中，我們首先要通過理論和技術的不斷突破，來實現萬物智聯，促進社會的進步；其次要勇于拓展思想的邊界，增強對智能的認知和掌控能力；最終，用正確的目標和有力的手段，牽引人工智能的發展，助力我們超越極限，增強生命，創造物質，控制能量，跨越時空，實現人類文明的進化。”周紅表示。

我們將這些面向未來的思考放在黃大年茶思屋網站上，促進開放的探討交流，希望能與伙伴們一起，開展相關的基礎科學研究與技術創新，重構基礎理論、重構架構、重構軟件。同時我們也贊助青年學者，并在ICPC、IMC、以及其他全球學生奧林匹克競賽中，分享這些挑戰和方向、贊助學生訓練營、激勵和培養更多的未來領軍人才。

本文由電子發燒友原創，轉載請注明以上來源。微信號zy1052625525。需入群交流，請添加微信elecfans999，投稿爆料采訪需求，請發郵箱zhangying@elecfans.com。