钜大LARGE | 点击量：418次 | 2022年09月01日
英特尔研究AI概率计算可以给汽车机器人用
最近，英特尔宣布消息说要在AI领域寻求战略研发合作，将AI技术引向下一个阶段。现在的自主系统还不好，无法应对不确定的真实世界，它们也不知道自己在做决策的时候，应该如何理解传感器收集的不确定信息。怎么办？英特尔CTO迈克·梅伯里（MikeMayberry）认为，我们可以用“概率计算”（probabilisticcomputing）来解决，他认为概率计算是AI的下一站。
英特尔开始研究AI概率计算可以给汽车机器人用
到底什么是概念率计算？媒体采访了梅伯里，让我们听听他是如何解释的：
问题：出于什么动机要从事这样的研究？
AI的下一站在哪里？我们正在努力寻找答案。最初的AI浪潮是以逻辑作为基础的，它根据写好的规章搭建，和我们所说的推理差不多。当前的AI与感知感觉有关，用卷积神经网络扫描图片，看看里面是否有感兴趣的东西。不过光是将这种元素加在一起还是比不上人类。
符合Exic IIB T4 Gc防爆标准
充电温度：0~45℃
-放电温度：-40~+55℃
-40℃最大放电倍率：1C
-40℃ 0.5放电容量保持率≥70%
例如，如果你被某些东西吓了一跳，比如汽车喇叭叫起来。你自然而然就会认为发生了非同寻常的事情，这里面包含你拥有的数据，也包括你没有的数据。你会推算概率。你有可能会判断喇叭来自何方，是前方还是后方。也可能会考虑自己会不会因此开会迟到。你自动做一些判断，这些是机器做不了的。在我们的真实生活中，每时每刻都会碰到类似的场景，因为我们的周围有无穷无尽的不确定性。
目前的AI和深度学习系统是脆弱的。也就是说它们对于答案过于自信。在图片中如果看到一些东西，它们可能自信程度达到99%。但是在许多场合下，这种概率是不正确的，自信程度没有AI认为的那么高。
在我们的总体研究中，重要的一点就是搞清如何将概率融入推理系统、感知系统。解决问题有两大挑战。第一个挑战，你如何计算概率，二是如何存储概率记忆或者场景。
我们在内部做了许多研究，还参与学术研究，我们认为，成立一个研究社区是不错的选择。最终目标是让人们分享他们所知的东西，展开合作，当你写软件时，当你开发计算机硬件时，让你知道如何展示这种概率。我认为，这是AI第三次浪潮的核心组成部分。我们还没有达成目标，还有其它一些事情要做，但是一切都与概率计算有关。
问题：以前，人们用“概率计算”来描述多种多样的技术，这些技术与AI无关，比如随机计算、容错计算。所谓概率计算到底是什么呢？
我们所说的概率计算可能与之前描述的不同。例如，所谓随机计算，就是说即使有错误，也要获得足够好的答案。我们所说的概念与模糊逻辑有点相似，当你处理信息时，你会持续追踪不确定性。还有统计计算，它更加偏重软件，通过构建树架构，不断追踪概率。所以说，概念并不一定非要是新的，但是使用方法会与之前不同。
问题：它会演化出全新的设备吗？
最开始时，我们会通过研究算法的方式接近目标。英特尔是开发硬件的，不过如果我们不理解模型是如何进化的，不理解算法是如何进化的，就有可能犯错。所以最开始时我们会研究算法、软件框架，研究之时我们会思考达到目标之后如何优化硬件。我们会被愚弄吗？所以必须早早重视安全问题。这些事情我们正在做。
问题：新研究与现有的AI工作是如何匹配？
新研究会是更大系统的一部分，而这套系统与我们目前的工作是融合的。我们不希望逻辑系统断定说感知是100%精准的，也不希望传感器过于自信。所以要开发一套系统，让两个部分对话，追踪此类信息。感知系统可能会说：“我刚刚发现亮度变了。”这样我的回答就会比之前少一点自信。
持续追踪此类信息会决定系统的设计方式。从软件框架的角度看，到底会如何部署呢？我们还不能准确知道。
问题：有可能会用在哪些领域？
开发出更好的自主机器，这是我们的目标之一，有可能是汽车，也可能是家用机器人，或者类似的东西。如果想让系统更强大，我们认为概率计算是相当重要的部分。如果系统受到严格限制，可能不太需要这样的能力。如果我们将系统放进越开放的环境中，那里的变数更多，就越应该“增强”当前的系统。
我们当然希望能在短短几年内将新技术变成产品，不过还没有制定产品蓝图，所以不能给出任何承诺。
问题：能谈谈时间安排吗？
5月25日我们就会公布提案，今年就会开展活动。正如我说的，在未来几年里，它可能会影响我们的产品蓝图，但还没有制定蓝图，所以无法给出具体的产品部署时间。
上一篇：退役动力锂电池该如何处理？
