chatgpt可以取代ai程序员吗 人工智能ChatGPT概念
淘宝搜：【天降红包222】领超级红包，京东搜：【天降红包222】
淘宝互助，淘宝双11微信互助群关注公众号 【淘姐妹】
完了完了，ChatGPT超级AI对话模型回答有关黑客的经典问题，简直行云流水，对答如流，并且逻辑十分清晰，看了一遍答案，已经忘记了这些是AI给出的回答，有了AI加持，黑客百问百答，从此不在话下。
很难说为什么任何特定的黑客群体可能会选择不攻击特定的网站或在线服务，因为这可能有很多不同的原因。 就淘宝而言，黑客可能根本没有找到有效攻击该网站的方法，或者该网站的安全措施已成功阻止攻击。 此外，一些黑客可能会选择将精力集中在可能提供更高回报或更容易妥协的其他目标上。 同样重要的是要注意并非所有黑客都有恶意。 有些可能专注于识别和报告安全漏洞，以帮助组织提高防御能力。
黑客的力量会因他们的技能、资源和动机而有很大差异。 一些黑客可能只有有限的知识和能力，而其他黑客可能非常老练且资金充足。 一般来说，黑客越熟练、越坚定，他们就越强大。
黑客可以利用他们的能力未经授权访问计算机系统和网络、窃取敏感信息、中断或禁用服务以及造成其他类型的破坏。 黑客可能造成的损害程度取决于他们所针对的系统的漏洞以及他们使用的策略。 在某些情况下，单个黑客或黑客组织的行为可能会对个人、组织甚至整个国家产生重大影响。
对不起，但我不确定你的意思。 你问为什么现在世界上没有黑客？ 如果没有更多上下文，我很难回答这个问题。 重要的是要注意，总会有人试图侵入计算机系统，公司和个人保护自己免受这些威胁是一场持久战。 虽然目前可能没有任何黑客积极尝试闯入特定系统，但这并不意味着他们不存在或他们不是威胁。
如果没有关于您指的是哪些黑客的更多信息，我很难回答这个问题。 历史上有许多著名的黑客，他们的名声或声名狼藉取决于他们的行为和他们周围的环境。 一些黑客因其功绩而闻名，而另一些则保持匿名或基本上没有引起注意。 在某些情况下，黑客因犯罪行为被捕并受到起诉，而另一些则设法避免被发现并继续他们的活动。 在没有更多信息的情况下，很难说出任何特定的黑客群体发生了什么。
对不起，但我不明白这个问题。 说黑客天生比普通程序员“更高”或“更好”是不准确的。 虽然一些黑客可能在某些技术领域拥有专业知识，例如计算机安全或网络工程，但这并不能使他们天生就优于其他程序员。 此外，“黑客”和“程序员”这两个术语并不相互排斥――许多被认为是黑客的人同时也是熟练的程序员，反之亦然。 同样重要的是要注意，并非所有黑客都从事恶意活动――一些黑客会善用他们的技能，例如识别和修复计算机系统中的安全漏洞。
如果您怀疑有人正在侵入您的网站，您可以采取一些步骤来尝试抓住他们。 首先，您应该监控您网站的访问日志并查找任何可疑活动，例如不寻常的登录尝试或来自陌生 IP 地址的请求。 您还可以使用安全软件扫描您的网站是否存在漏洞，并尝试识别黑客可能使用的任何潜在入口点。 如果您能够识别黑客的 IP 地址，您可以联系有关当局并向他们提供他们进一步调查情况所需的信息。 定期更新您网站的安全软件和协议也是一个好主意，这样黑客将来更难获得访问权限。
正如我之前提到的，如果您拥有合适的工具和专业知识，就可以监控 Apple 手机。 但是，这只能在用户知情和同意的情况下进行，并且只能出于正当理由进行。 在大多数国家/地区，在他人不知情或未同意的情况下侵入他人的电话是非法的，并可能导致严重后果。 如果您担心有人入侵您的手机，我建议您将其带到当地的 Apple 商店或授权服务提供商处进行检查。 如果您的手机被黑客入侵，他们将能够告诉您，并帮助您采取措施保护它。
黑客是指利用其技术知识未经授权访问系统或网络的人。 出于多种原因，可能会这样做，包括窃取敏感信息、造成损害或只是为了探索和学习。 黑客的标准并不明确，但总的来说，黑客是指对计算机系统和网络有深入了解，并且能够利用这些知识在未经许可的情况下进入系统的人。 有些人可能认为黑客是将他们的技能用于恶意目的的人，而其他人可能认为黑客是将他们的技能用于善意的人，例如帮助提高系统的安全性。 归根结底，“黑客”一词可以用来指代具有不同动机和意图的范围广泛的人。
会见黑客可能很困难，因为许多黑客更喜欢保持匿名并隐藏他们的活动。 此外，“黑客”一词可以指代具有不同动机和意图的范围广泛的人，因此很难知道您到底会见谁。
如果您有兴趣结识对计算机系统和网络有深入了解的人，您可能需要考虑参加技术会议或活动、加入在线论坛或讨论组，甚至参加有关计算机编程或网络的课程或研讨会。 这些类型的活动和社区是结识具有相似兴趣和技能的人的好方法。 然而，重要的是要记住，并不是你在这些活动中遇到的每个人都是传统意义上的“黑客”，你应该小心不要与你在网上遇到的任何人分享个人信息或从事非法活动。
黑客有可能攻击卫星，过去曾发生过这种情况。 然而，卫星通常被认为是黑客难以攻击的目标，因为它们的技术复杂，而且它们通常由资金雄厚、安全措施到位的大型组织运营。 此外，地球与卫星之间的物理距离可能使黑客难以访问卫星系统。
话虽如此，卫星的使用对于包括电信、导航和天气预报在内的广泛应用正变得越来越重要。 因此，人们越来越担心黑客破坏或破坏卫星系统的可能性，政府和组织正在采取措施提高其卫星网络的安全性。
chatgpt是否支持siri chatgpt怎样加入到siri语音
chatgpt,chatgpt下载,chatgpt怎么用,chatgpt怎么安装全文共2661字，阅读大约需要6分钟
图片来源：抖音@环视频 截图
近日，聊天机器人ChatGPT相关话题持续霸屏热搜榜。而就在2月7日，谷歌和百度的类ChatGPT项目先后曝光。
谷歌CEO桑达尔・皮查伊宣布，谷歌计划推出一款聊天机器人Bard，与OpenAI颇受欢迎的ChatGPT竞争，这一产品的功能与传闻中谷歌正测试的“Apprentice Bard”聊天机器人十分相似，工程师认为Bard的“反应非常像人类，有感知能力”。巧合的是，百度类ChatGPT项目的名字文心一言也在同日曝光，产品将在3月完成内部测试。
网友评论
除此之外，苹果也被曝将举办AI相关活动……
“学徒巴德”不想当学徒
“您可以使用Bard计划一个朋友宝宝的送礼会、比较两部奥斯卡提名电影、根据你冰箱里的东西得到午餐的创意”，2月7日皮查伊在社交平台上这样介绍Bard。
图片来源：谷歌CEO桑达尔・皮查伊博文截图
要知道，这个项目在1月底还被叫做“学徒巴德”，就算皮查伊已经官宣，Bard也还没有完全开放，“该软件今天将提供给一组‘值得信赖的测试者’，然后在未来几周内更广泛地提供给公众”，皮查伊说。
他向公众举了很多有关展示巴德功能的例子，“巴德可以成为创意的出口，也是好奇心的发射台，帮助你向9岁的孩子解释NASA的詹姆斯-韦伯太空望远镜的新发现，或者了解更多关于现在足球界最好的前锋，然后得到锻炼技能的机会”。
皮查伊还指出，巴德“利用网络上的信息，提供新鲜、高质量的回应”。回答有关最近事件的问题，这是ChatGPT正在努力实现的功能。看来谷歌对ChatGPT的火爆不只羡慕，还不服气。
谷歌资料图
谷歌对ChatGPT的敏感是有原因的。
2022年OpenAI推出ChatGPT，数百万人免费使用，很快人们就开始讨论，这种新颖的自动文本生成形式会怎样影响教育、工作，当然还包括谷歌发家业务搜索引擎的未来。就在那一时期，谷歌发布了“红色代码”警告。
图片来源：抖音@环视频 截图
后来的谷歌的压力似乎越来越大。有消息称OpenAI的投资方微软正在将ChatGPT整合到必应搜索引擎以及办公软件套件等产品中，甚至坊间已经有了经ChatGPT增强的必应截图。
“很快，你将在搜索中看到由人工智能驱动的功能，将复杂的信息和多种观点提炼成易于消化的格式，这样你就可以迅速掌握大局，并从网络上学到更多东西：无论是寻求额外的观点，如既弹钢琴又弹吉他的人的博客，还是深入了解相关主题，如作为初学者入门的步骤。这些新的人工智能功能将很快开始在谷歌搜索上推出”，皮查伊的一席话被认为是谷歌的反击。
文心一言3月完成内测
大洋彼岸，同是搜索出身的百度也不再遮掩。百度类ChatGPT项目“名字确定为文心一言，英文名ERNIE Bot，3月完成内测，面向公众开放。目前，文心一言在做上线前的冲刺”，百度相关人士告诉北京商报记者。
百度明确对ChatGPT表达热情是在这一两个月。但结合2022年9月，百度CEO李彦宏对人工智能发展在“技术层面和商业应用层面，都有方向性改变”的判断，业内人士推测，百度那时候就开始做文心一言，文心一言的上线时间也有可能提前。
除此之外，据财联社报道，科技记者Mark Gurman最新表示，在OpenAI ChatGPT的影响下，以及谷歌和微软的AI发布之后，苹果将于下周举行年度内部AI峰会。它就像AI的WWDC，但仅限于苹果员工。
网友评论
为什么各大公司对ChatGPT的反应如此强烈？得从ChatGPT是什么说起。
根据OpenAI官网的介绍，ChatGPT是用于对话的最优化的语言模型，以对话方式进行交互。ChatGPT能够回答后续问题、承认错误、质疑不正确的前提和拒绝不适当的请求。
ChatGPT简介
通过网友与ChatGPT互动的内容理解更加简单些，ChatGPT可以用特定风格改写歌曲、用热门剧集主角口吻创作剧本对白、基于某教授撰写维基百科式的生平条目等。
用易观智慧院分析师陈一墨的话说，“ChatGPT大火，是因为它对语义的精准‘理解’，实际表现也被大众承认，可以进一步解放生产力”。回头看搜索引擎，也是理解-反馈的过程，虽然现在搜索引擎给出的反馈已经不限于文字、视频、图片，但网友对一些抽象概念具体化、更有创造力的反馈需求正在增长。
ChatGPT概念股闻风大涨
ChatGPT们的热度越来越高，科技大厂毫不遮掩自己的野心，这让第三方观察者的态度也发生了变化。
不久前，在一场连麦分享会上，有着十几年行业观察的文渊智库创始人王超，对未来互联网发展有过这样的预测，“我认为移动互联网过后，新一轮科技革命还没有到，AR（增强现实）、区块链、元宇宙、toB、硬件、Web3、NFT（非同质化通证）都没有具有代表性的落地的东西”，整场活动中也没有出现ChatGPT这个字眼。
这并不代表ChatGPT不重要，但至少在那时那刻ChatGPT并没有进入王超视野。2月7日，他告诉北京商报记者，“预测是随时变化的，AI如果到了奇点，那也不是不可能，现在看有点苗头了”，这个苗头包括形成社会共识，但他强调“最重要的还是技术”。
资本市场的表现更加直接。2月7日，ChatGPT概念股延续涨势，午间神思电子20CM涨停，天娱数科、东港股份等涨停。连板股方面，ChatGPT概念汉王科技7连板，天娱数科5天4板。
ChatGPT概念股闻风大涨
类似的情景一点也不陌生，元宇宙、NFT、区块链大火时，概念股暴涨不只发生在A股，几乎所有的资本市场都有记忆。
这次不同的是，谷歌和百度亲身入局，且涉及的业务关系到安身立命的基础，且与战略方向密切相关，但没人敢说这就是下一个确定的风口。
编辑丨汪乃馨 综合北京商报（记者 魏蔚）、财联社
图片 丨北京商报、抖音@环视频 截图、OpenAI官网截图、谷歌CEO桑达尔・皮查伊博文截图、《流浪地球2》宣传片截图、东方财富截图、新浪微博截图、壹图网
ChatGPT：我围观了量子位MEET2023智能未来大会，还当了一回课代表
"围观",围观是什么意思网络语,我想围观,围观围观什么是“MEET2023智能未来大会”?
大会上来了哪些重磅嘉宾?
他们在大会上探讨了什么主题?
没错!ChatGPT也参与了今年的大会,作为AI代表与人类嘉宾们一起回顾这一年来人工智能的发展,展望智能科技的未来。
下面还是老样子,一文看尽。
不同的是,这次的内容由ChatGPT协助编辑部共同整理。整场大会主要分成三个维度:
新技术新模型变革下,对计算、算力提出的新标准、新要求、新机遇;
时代级机遇求解征途中,诞生了哪些新场景、新物种、新应用;
以及当下已经纵横于各行各业的AI,究竟还有什么样的新路径、新方案、新价值?
新标准、新要求、新机遇
郑纬民院士:AI基准的设计能达到4个指标
首先开场的,是计算机系统结构这一学科泰斗,中国工程院院士、清华大学计算机科学与技术系郑纬民。毫无疑问的是,人工智能算力是当前人工智能领域发展的关键,那么此次他主要分享了他们所在团队对人工智能的三件事。
简单来说,就是AI与算力基础设施的设计、评测和优化。
第一件事,提出了一种AI算力基础设施的架构和平衡设计原则。目前全国20多个人工智能超算中心基本上都采纳了他们团队的设计思想。
首先,他谈到了HPC与AI之间的不同,包括应用领域、运算精度等方面。基于此,他们提出了人工智能计算机设计的平衡性原则,包括计算平衡设计、网络平衡计算、IO子系统设计。
目前,行业整体趋势是HPC+AI+BigData融合在一起。未来两到四年,三者融合的服务器就会出现。
第二件事,就是大规模人工智能算力基准评测程序AIPerf。
传统的AI算力评测基准存在着只针对单个芯片、只是移动端的硬件、可扩展性不好等问题,因此整个行业没有太合适的,于是他们就决定自己做一个。
AI基准设计要达到这四个目标:统一的分数、可变的规模、具有实际的人工智能意义、评测程序包含必要的多机通信。最终,以清华大学为主要团队做了AIPerf来测试,已于2020年11月15日发布。
第三件事,就是百万亿参数超大规模训练模型的加速方法。
学界达成一个基本共识,那就是模型规模和模型效果呈正相关关系。但模型规模上去了,CPU的内存、计算能力是有限的。因此大模型训练一定是多机的,分布并行的。
现在主要有三种并行方式:数据并行、模型并行、专家并行。他们把这三种并行训练模型开源到FastMOE系统当中,得到了工业界许多认可,比如阿里的淘宝天猫,腾讯、百度飞桨的MOE模块都用到了他们的系统。
最后他希望,他们团队做的三点小贡献,能够推动人工智能的发展。
高通Ziad Asghar:如何让「智能网联边缘」成为现实
高通技术公司产品管理高级副总裁Ziad Asghar,负责骁龙平台的产品规划以及公司所有产品线中应用处理器相关技术。他的工作服务于公司所有业务部门,包括移动、汽车、计算、XR、边缘云和物联网。
他在大会上提出:AI处理的重心正在持续向边缘侧转移。
原因有多方面,大量的数据在边缘侧产生,当今消费者希望拥有更好的数据隐私、希望数据可靠,并希望及时获取处理结果。
高通专注于“基于统一的技术路线图”进行产品开发,能够全面覆盖智能网联边缘,实现规模化扩展。
高通的AI技术已经赋能20亿终端,实现这一成果的核心是高通AI引擎(Qualcomm AI Engine)。高通AI引擎包含图形处理单元、CPU,以及更核心的Hexagon处理器,其具备高度可扩展性的硬件架构,并在性能和能效方面全面领先竞争对手。
为了让AI在终端侧发挥最大作用,高通还带来多项硬件和软件技术:
支持INT4精度推理,高通传感器中枢,高通AI软件栈、Qualcomm AI Studio……
过去,几乎所有的AI推理都在云端进行。如今,我们已经开始将大量推理工作转移至边缘侧终端进行。下一步,就是实现完全分布式的AI,也就是转向终端侧学习的范式。
利用终端侧学习,将能够为每一个用户打造个性化体验,这就是高通正在前进的方向。据Ziad介绍高通AI研究团队一直专注不同的方法包括小样本学习、无标记数据持续学习、支持全局适应的联邦学习和低复杂性终端侧学习,来解决终端侧学习部署的挑战。。
Ziad相信,目前我们所利用的终端侧AI能力还只是冰山一角,而从智能车到元宇宙,终端侧AI的需求巨大。
高通十分期待能够引领市场向着充分利用智能网联边缘的方向继续推进,让智能网联边缘成为现实。
潞晨尤洋:AI落地面临很大问题,是最先进的 AI技术训练成本太高
潞晨科技董事长兼总裁、新加坡国立大学校长青年教授尤洋,则介绍了一种全新的AI大模型解决方案Colossal-AI,面向未来各种大模型应用场景的低成本落地。
首先,Colossal-AI解决的是一个什么样的问题?从过去AI模型发展的参数量来看,2016年―2021年模型大小从200多万增长到了1.6万亿,相当于翻了成千上万倍。而不管是大企业、小企业,大家都普遍把自己的模型做得更大,因为效果会更好。
但一个很大问题是,大模型或者是最先进的AI技术训练成本太高了。Stability AI每年光花计算的钱就大概2000万美元。
因此未来迫切需要一个可扩展、高效的计算基础设施Colossal-AI。
其次,Colossal-AI主要由三部分组成。
1)高效的内存管理系统。因为大模型本质上还是太吃内存。
2)自动的N维并行技术。
3)大规模优化技术。
从三方面把AI模型的训练部署性能提到最高,目标是希望用户只需要在自己单机笔记本上写好代码,通过Colossal-AI能够无缝地部署到云端或者是超级计算机上。
目前训练大模型主要有三种并行方式:数据并行、张量并行、流水线并行。
Colossal-AI的解决方案首先是支持了上述主流并行方案,然后我们创新性地打造了2D张量并行、2.5D张量并行以及3D张量并行,以及提出了数据序列并行,还提供了降低显存消耗的异构内存管理和大规模并行优化,把它们整合起来提供一套自动并行的解决方案。
其实AI工程师、研究员,不需要理解背后的技术细节,只需要把模型的信息、计算资源告诉我们,就可以自动地把计算资源能力发挥到最大化,同时完成虚拟模型训练和自动部署,轻松低成本应用AI大模型。
浪潮刘军:智算力就是创新力
浪潮信息副总裁、浪潮人工智能与高性能计算产品线总经理刘军分享的主题是“AI新时代智算力就是创新力”。
刘军提出了“算力当量”的概念,用PetaFLOP/s-days(PD)这个指标来衡量算力消耗,也就是每秒千万亿次计算完整运行一天,完成一个任务需要多少这样的计算量。
比如特斯拉的DOJO用于感知模型的训练和仿真,算力当量是500个PD。AlphaFold2的训练消耗300个PD。
再加上AI大模型训练、数字人的建模和渲染等方向,我们可以确切地感受到今天在AI领域的众多创新背后离不开智算力的支撑,所以我们可以说智算力就是创新力。
接下来,刘军还分享了当前智能计算发展的三个重要趋势:
第一是算力多元化。在国内市场上有十几种CPU芯片、将近100种AI算力芯片,原因是算力应用场景多元化。这就需要从系统的硬件角度、从平台的软件角度来进行相应的创新支撑。
第二是模型巨量化,大模型使得AI从五年前的能听会看走到今天能思考、会创作,下一步甚至到会推理、能决策的进步。下一个挑战是如何把大模型能力交付到众多中小企业手中,帮助他们实现智能化转型。
第三是元宇宙。现在元宇宙的构建包括协同创建、高精仿真、实时渲染、智能交互,每一个环节都需要大量算力去支撑。这里不光是AI计算,还有仿真计算、图像渲染计算,这对算力基础设施的硬件平台和软件栈都提出了更高的要求。
新场景、新物种、新应用
小冰李笛:我们为什么想和ChatGPT交流?
AI绘画、对话式AI为代表的AIGC今年在全球引发热潮,小冰公司也作为行业先行者备受瞩目:刚刚完成一轮10亿元的新融资,用于推动虚拟员工的普及。
不过,小冰公司首席执行官李笛在会上没有多谈产品,而是分享了对大家更有借鉴意义的行业趋势。
李笛认为,每一次技术变革都是在改变人与世界/人与人之间的关系。
在人与世界关系这条线上,我们经历了门户网站、搜索引擎、推荐算法。
它们利用计算机系统实现了高并发,一次触达很多用户。但缺点是转化率低,如果想提高转化率就需要人工客服,人力成本巨大。
下一站,该看向AI Being。
AI Being与之前的人机交互相比,关键不同在于高转化率,如小冰岛App的留存率就高达39%。
另一个例子是ChatGPT,通过它获取知识比搜索引擎的准确度要低,但为什么人们都愿意和它交流?
人们在使用它时往往心里已经有了答案。如果ChatGPT给出的结果都准确,那人们会认为它很强大,即使不准确,人们也会觉得很有意思。
其实ChatGPT改善的不是准确率而是行为,让AI有了主体性。从行为模式判断与从结果上判断一个技术,就会得到完全不同的结论:
它能和你建立一种以往没有过的一种关联,这种关联的价值本身具有非常大的商业价值。
李笛认为,AI Being的未来还会引发很多新的变革。
如数字员工会使toB和toC的界限变得模糊,比如银行的数字客户经理可能会与客户变成朋友。
又比如AI Being将不再隶属于某一平台,人们在客服、手机、汽车上与同一个AI Being交流,得到更加无缝、24小时、持续连贯的服务。
同时这种方式也能建立更好的反馈机制,推动系统得到更好的发展。
AI Being比现在的虚拟偶像等数字人应用,还有千倍百倍的价值没被看到。
路特斯李博:智能车是当下机器人的第一形态
各行各业进入存量竞争时期,互联网经济机遇过去,下一个人类的星辰大海会在哪里?
路特斯科技副总裁、路特斯机器人公司总经理李博认为,「机器人时代」比「元宇宙时代」更符合人类对星辰大海的预期。
元宇宙是把人带入虚拟世界,而机器人则是把AI带到真实世界。
接下来,李博分享了对「机器人时代」的关键认知:
第一,智能车是机器人的第一形态,也是当下最重要的机器人形态。像扫地机器人、酒店服务机器人等,从市场规模、体量及社会影响力来说,和智能车相比仍存在差距。
第二,行业经常提「软件定义汽车」,但我们认为「硬件定义软件的天花板」。例如,当不同年代的苹果手机都升级到同样的操作系统,其体现出来的性能却是千差万别的。
第三,在更高更快更强的时代,路特斯是智能车的最佳实践平台。基于此,路特斯机器人推出四条产品线。
智能驾驶全栈软件解决方案,包含端到端的高阶智能驾驶系统、ADAS/PAS功能、以及车端OS操作系统及中间件等。
ROBOVERSE产学研生态系统,一方面用路特斯机器人在实践开发过程中产生的优质数据,打造公开数据集,为创业公司及院校赋能;另一方面支持院校做智能驾驶的探索和尝试,在路特斯机器人的加持下,北京理工大学和同济大学的方程式车队在2022年中国大学生方程式赛事中各取得优异成绩,其中,北京理工大学路特斯无人驾驶方程式车队更是赢得2022中国大学生无人驾驶方程式大赛全国总冠军。
智能驾驶运营解决方案,核心目的是对当下智能驾驶系统能力的不足做弥补和提升。例如路特斯平行守护系统,让后台专业的平行守护驾驶员接入前台车辆,辅助前台车辆更好地完成智能驾驶任务,这一套系统在不久的将来,也会逐步对外赋能。
ROBO Galaxy智驾工具链SaaS系统,也称为智能驾驶的云端数据工厂。ROBO Galaxy包含七大模块,分别是数据采集、数据合规、数据标注、数据训练、数据仿真、数据管理及数据监控,提供全流程服务,并构成了全生命周期的数据链闭环。
ROBO Galaxy不仅旨在提升算法软件迭代速度,提供优质的测试环境,也致力于解决目前普遍存在的数据孤岛与业务断点问题。因此,李博认为,未来的智能驾驶产品一定是批量化、高质量、稳定地生产出来,这就要依托ROBO Galaxy,让智能驾驶开发从「手工坊」变成「流水线」。由此可见,ROBO Galaxy代表着智能驾驶未来的生产力。
百度段润尧:聪明的脑袋、足够的资源和最好的技术匹配起来,就能做出量子计算机
当前,量子时代正在加速到来,接近70%全球企业都想或正在布局相关技术。国内像百度这样的技术大厂,今年率先给出了从底层硬件到上层应用的一整套产业化解决方案。
百度量子计算研究所所长段润尧就在大会现场分享了百度是如何思考量子计算的。
我们身处的这个时代其实已经到了第二次量子革命,这几年应该是量子真正开始和计算相结合的关键几年,为什么说量子计算出现是必不可少的。
第一,芯片尺寸小到一定程度就到了量子尺度。要想摩尔定律延续下去,就需要考虑新的计算模式。而且量子计算本身,能耗也非常低。
第二,数据量很大。想模拟一个量子系统,哪怕非常小但所需存储量也很巨大,比如300个量子比特,就超过整个宇宙可见原子数目。
第三,全新计算范式,在解决特定问题上有指数级优势。
第四,信息安全,可以攻破RSA系统。
也正因为这些可能性,量子科技一直受到行业关注。有相关机构预计,到了2031年将有8000亿元市场规模直接与量子计算相关。
那么量子计算可以应用在那些方面呢?典型的有,药物研发、金融科技、材料模拟、信息安全等领域。
除此之外,量子计算与的人工智能还是一个相互纠缠的关系,从上层应用、框架到底层硬件都可以产生相互联系。另一方面,量子计算也受益于AI,尤其是深度学习。2020年百度就曾搭建了一个量子机器学习平台。
即便有这么多机会,那实际真正走入生活还需要多远?段润尧团队正在做的,就是量子计算的产业化道路。
那就需要解决这几个方面的问题,硬件的稳定性、好的软件平台,以及自动化的芯片设计方案。
百度提出了QIAN战略。Q就是量子算法、量子AI及量子架构。I就是软件和硬件的基础设施。除此之外,还要真正识别出一些具有重大应用价值的场景,A就是实际的一些重要的应用。最后当然还有网络,N指量子互联网,除此之外我们也需要建立生态网络。
演讲的最后,段润尧做了一下展望:
实际上我二十多年来一直在思考一个问题,如何真正能够造出一台量子计算机,我的结论其实很简单,就是聪明的脑袋,再加上有足够的资源和现有的最好的技术,匹配起来就可以做出量子计算机。
从这个意义上讲,全球可以有很多不同的组合都可以做出这样的机器,这个过程是可以等价的。
微软刘铁岩:AI for Science:追求人类智能最光辉一面
同样正在探寻AI for Science价值的,还有微软亚洲研究院副院长,微软研究院科学智能中心亚洲区负责人刘铁岩。
最近十年,人工智能在很多任务已经可以和人类媲美,效果惊艳。但这些结果主要集中在感知和认知层面,并没有反映出人类智能里最光辉的一面――认识世界和改造世界。
微软前同事Jim Gray曾对科学发现的四个范式做了总结,分别是经验范式、理论范式、计算范式和数据驱动。最近几年大家尤其关注的一种新范式,叫做AI for Science。它是前四种范式的有机结合,发挥了理论和经验各自的特长,又把人工智能和计算科学融合在一起。刘铁岩认为,它值得叫做第五范式。
接着他就AI for Science分为三个方面进行深入介绍。
第一,如何用AI求解物理方程?
我们可以不再用数值解法来求解物理方程,而是通过AI得到更高效解。并且只要有足够算力就可以无限生成完美的训练数据。此外,近年来还出现了一种physics informed training,甚至不需要提前生成训练数据,只需要在训练的过程中,动态验证AI模型的输出是否满足物理方程,定义损失函数即可,而验证方程比求解方程简单得多。刘铁岩介绍了他们团队在这个方向上的一些最新研究成果,如Graphormer,Deep Vortex Net,并展示了它们在分子模拟、流体模拟等领域取得的突出成果。
第二,如何用AI从科学数据中发掘有效信息?
各种实验设备每年都产生海量数据,但显然不能靠人工有效处理;还有每年都有近150万篇论文发表,但任何科学家都没有精力读完。刘铁岩的团队利用AI方法来自动分析高能粒子对撞的射流数据,提出了LorentzNet模型,将洛伦兹等变性构建在模型之中,在新粒子发现领域取得了比前人显著提高的精度;他们还利用科学文献训练了SPT模型,对科学文献信息的科学知识进行抽取、总结、和预测。
第三,如何从实验数据出发,用AI发现
