英伟达CEO黄仁勋获香港科技大学荣誉博士学位,与沈向洋深度对谈  第1张

人工智能在各行各业的应用日益广泛,GPU在此过程中发挥着至关重要的推动力。这促使软件行业迈向全新的发展阶段,同时也推动了人工智能的快速发展。然而,在这个过程中,我们也遇到了一些需要深入探讨的问题,比如人工智能的“黑箱”特性,这一点引起了广泛的争议。

英伟达CEO黄仁勋获香港科技大学荣誉博士学位,与沈向洋深度对谈  第2张

GPU推动软件变革

英伟达CEO黄仁勋获香港科技大学荣誉博士学位,与沈向洋深度对谈  第3张

在当前技术背景下,GPU的强大性能显著地转变了软件开发的方式。以往在软件中难以实现的功能,现在凭借GPU强大的计算能力变得易如反掌。无论是大型数据分析工具还是复杂的图形处理软件,GPU都扮演着不可或缺的角色。在需要极高计算能力的科研领域,比如气象科学中的复杂模型计算,借助GPU的强大力量,软件得以快速处理和分析数据。这也让软件开发者能够探索以前未曾设想的功能和应用场景,推动软件持续创新和变革。

英伟达CEO黄仁勋获香港科技大学荣誉博士学位,与沈向洋深度对谈  第4张

借助GPU的强大支持,之前那些仅停留在理论讨论的软件功能,如今正逐步变为现实。众多企业纷纷增加对GPU相关软件的研发投入,依赖GPU强大算力的软件产品正逐步占领市场,这对软件市场的结构产生了显著影响。

英伟达CEO黄仁勋获香港科技大学荣誉博士学位,与沈向洋深度对谈  第5张

人工智能的黑箱属性

人工智能在发展过程中,“黑箱”特性常引发公众争议。自2018年起,如老黄在科学计算会议上阐述人工智能时,便因这一特性受到广泛质疑。尽管目前已有一些应对措施,比如让大型语言模型展示推理过程以降低“黑箱”程度。然而,本质上人工智能依然难以解释。比如,它不能从第一性原理推导出答案,而是依赖数据分析进行学习。这种情况使得在特定领域,例如生物学多尺度系统研究,人们对人工智能的信任度不高。

在医疗诊断等实际应用中,若人工智能的决策基于模糊的黑箱机制,患者可能会对其产生不信任。同时,科研工作者也难以确保人工智能的计算结果是最优的,亦或是遗漏了关键因素。

AI与生物科学的结合

AI与生物科学的融合带来了巨大的期待。生物学的体系覆盖从纳米到年的广阔尺度,传统的计算工具难以应对。然而,AI凭借其卓越的学习能力,能够模仿人类的生物学研究。一旦成功,就能构建人类生物学的数字模型,助力生物学家更深入地探究多尺度系统。这不仅可能为生物医学带来革命,也许还能在生物进化等研究领域开辟新的路径。

实验研究显示,AI能分析大量数据,模拟生物细胞内复杂的反应网络状态。这样做能揭示疾病的关键成因,提升药物开发的效率,同时也能从新的角度理解生物系统的运行法则。

大湾区的机遇

大湾区在机电一体化领域发展得相当完善,拥有自己独特的长处。在机器人应用上,这里能够轻松完成所谓的“棕地部署”。无需构建全新的环境,机器人便能高效投入使用。这对大湾区制造业生态系统的成长极为有利。同时,它还能助力机器人产业实现更大规模的扩张,通过机器人提高生产效率等。

调研显示,大湾区部分制造企业若采用机器人技术实现自动化生产,其生产效率可提升至原水平的至少20%。此举不仅能减少人工成本和风险,还能在机械与电子技术的结合上取得新突破,进而有望催生更多创新技术成果。

摩尔定律相关影响

摩尔定律的有效性依赖于大规模集成电路的缩小技术。当前,由于结果的不确定性,逐步分析和针对不同情况进行讨论变得非常关键,这和思考的过程有相似之处。类似地,机器学习的迅速发展也与计算能力的增强紧密相连。在众多研究领域,人们普遍采用机器学习来处理数据。然而,即便是美国的顶尖学府,在深度学习领域的贡献也相对较少,这或许与人工智能领域的一些不确定性有关。

在高校科研实验领域,涉及大量高精度数据处理的项目,尽管硬件发展遵循摩尔定律,但由于AI的不确定性,科研成果往往面临风险。为确保其可靠性,必须经过多重验证。

英伟达CEO黄仁勋获香港科技大学荣誉博士学位,与沈向洋深度对谈  第6张

算力的困扰与展望

当前,研究人员在算力问题上仍感棘手。尽管机器学习在大规模应用中进展迅猛,高校研究者却仍受GPU算力不足之苦。若全球能源更多用于AI发展,世界或许会更美好。然而,实现这一愿景仍需漫长努力。

高校的研究数据显示,GPU的算力不足导致众多AI领域的尖端研究进展缓慢。面对这一挑战,政府、企业和高校需携手探讨解决方案。

抛出问题:大家觉得如何应对GPU算力短缺对研究带来的挑战?欢迎大家在评论区交流讨论,点赞并转发这篇文章。