Reagan 发自 凹非寺
量子位 报道 | 公众号 QbitAI
一个技术研究大牛、第一次到访中国、面对几家技术媒体，结果都从另一家公司的大新闻说起……
这种情况就发生在英特尔研究院院长Rich Uhlig身上。
他连连感叹，没想到2小时的问答交流会被量子计算包围。
这自然与谷歌刚刚宣布的量子优越性（Quantum superiority）进展息息相关，但这位英特尔研究院掌舵者，在分享自己对这一热点事件看法的同时，也呼吁需要理性看待。
所以这位研究大牛究竟如何看未来？英特尔研究院又在关注哪些最新技术趋势？
先介绍下大牛
Richard (Rich) A. Uhlig，本硕博均学成于密歇根大学，1995年获计算机科学与工程专业博士学位，1996年加入英特尔。
核心主导了针对英特尔处理器和平台的多代虚拟化架构的定义，即英特尔虚拟化技术。
2013年开始，担任英特尔研究院系统和软件研究院院长，主持了主持了包括虚拟化技术、云计算系统、软件定义网络、大数据分析、机器学习和人工智能等方面的研究。
现在除了担任英特尔研究院院长，也是英特尔技术与系统架构及客户端事业部高级院士，并且2获英特尔成就奖。
毫无疑问，这是一位不折不扣的技术研究型大牛。
怎么看热点技术？
在Rich Uhlig的2小时中国媒体交流中，最后可以归结为2大方面的问题。
一是量子计算，二是技术创新趋势。
我们提取重点，分享下大牛观点。
关于量子计算
问：对谷歌宣布的量子优越性怎么看？
Rich Uhlig：
1）认可这是量子计算领域的重要进步。
2）但还需要更理性的视角，量子优越性实现，一方面要解决复杂问题，另一方面解决该问题中证明量子计算效率远超传统计算。虽然选择任何问题都可以，但如果是一个现实、商业问题，或许更有意义。
3）比起量子优越性，更希望业界把目标放在量子实用性。
问：英特尔在如何推进量子计算研究？
Rich Uhlig：
1）英特尔对量子计算的研究最早分为两方面：一是超导量子位，也包含自旋量子位。
2）现在开始进一步聚焦在硅自旋量子计算上面，并在这方面取得了相当良好的进展。
3）核心进展一方面是量子位制造，充分利用英特尔当前制造的优势；另一方面是控制技术，比如自旋量子对低温环境的控制。
4）我们认为未来用量子计算解决复杂现实问题，需要非常多的量子位，而对着量子位数量提升，对低温控制会决定运算效率。
问：如何看待量子计算和AI之间的关系？
Rich Uhlig：
1）二者往往会被关联起来，理论上量子计算有助于解决AI的一些问题。
2）但我认为量子计算真正作用于AI会晚一些才能实现。
3）量子计算可能更早被用于分子建模、量子化学等领域，在这些领域出现解决方案。
4）量子计划真正商业化应用，应该至少还有十年的时间。需要解决更多问题，然后积累更多关于量子位数量、规模等比例关系方面的经验。
5）有些问题用量子计算解决需要十多个逻辑可靠的量子位，而解密编码可能需要几千个甚至百万级量子位，所以可靠性、稳定性是关键。
问：量子计算规模化商用的核心挑战是什么？
Rich Uhlig：
1）取决于量子位是否可以规模化扩展，在工程学及科学方面都是挑战。
2）比如控制方面，需要低温环境下大量量子位稳定运行。
3）比如上规模之后，现在只是几十个信号，未来要解决几十万甚至上百万信号。
4）软件堆栈又如何演化，能够将算法映射到问题本身，最终可以让高稳定性可靠性的量子系统可以解决真实问题。
问：量子计算目前处于怎样的市场格局？
Rich Uhlig：
我们认为量子计算是一个马拉松，参与者很多，现在大家都才跑出第一英里。
问：英特尔认为在量子计算方向上有什么优势？
Rich Uhlig：
1）首先在硬件制造方面的工程工艺优势，我们长期从事的半导体制造，我们所选择的量子位的制备技术——硅自旋量子位，本身也是非常高度契合了我们在制造方面的优势经验，有利于未来的规模化。
2）在量子位的配置以及控制技术的解决方案方面，英特尔已经有很好的经验，包括在低温表征方面有很好的实践经验。
3）一体化系统化看待问题，这一直是英特尔的优势，包括从设备、控制到编程。过去几十年，英特尔证明了在制造大规模设备、软硬件系统方面的优势。
问：英特尔研究院今年取得的三大最激动人心的突破？
Rich Uhlig：
1）神经拟态计算。英特尔正在去建造越来越大规模的神经拟态网络系统。
2）硅光子，它能够在封装的CPU中提供光学链路。
3）在复杂编程方面的进展。主要是机器编程——AutoML，这是AI最有趣的应用之一，我们现在也在教机器如何进行自动编程。
关于新计算
问：如何理解量子计算、神经拟态计算、图计算和概率计算之间的关系？
Rich Uhlig：
1）这是四种完全不同的新计算模式，相互区别很大。
2）量子计算最大优势是它可以对同一个问题同时试验多个解，通过连续采样，最终得到问题解。
3）神经拟态计算是一种高能效的神经网络系统，模仿人类大脑的运作机制，去寻求一个问题的解答，它主要是应用脉冲信息，通过神经网络的通信方式来进行问题的解决，它可以去应用在很多类的问题上面，包括像机器人控制、自学习、动态控制的问题，还有稀疏编码的问题等等。
4）图计算主要是要发现数据之间的内在关系，尤其是那种大规模的数据之间的内在关系。
今天现有的计算系统当中是可以运行图计算所涉及到的那些数据库，但它的效率非常低，因为往往这些关系型数据本身就是非常稀疏，在内存访问的模式上面就有这种不稳定性，所以贝叶斯算法可能就无法应用。我们用图计算就可以去有效提升稀疏数据的处理效率。
5）概率计算是用来处理那些内在不精准的、缺乏精准性，噪音非常大的那种数据，就是说我们用概率计算容忍了它这种不确定性。
6）目前对四种计算，英特尔都在进行研究，多管齐下。
关于研究院创新模式
问：在英特尔研究院展开研究，如何保证创新发生在最佳周期——不会太早，也不会太晚？
Rich Uhlig：
我们内部会有多重测试标准去做选择，但核心来说有这样几个：
1）首先，这个问题解决后，能带来很大的社会价值和商业价值。
2）在对问题有方法思路，特别是新颖方法之后就尽快开始。
3）另外还有开始下手的原则：不要只选择单一的路径，要多管齐下。先试验田，证明可行再大规模推广。
4）还需要有批判精神，不断判断是否成功，需要有一系列衡量参数、指标。
问：您之前有专栏说创新往往诞生于不同领域交叉地带，当前有更具体的领域吗？
Rich Uhlig：
1）我认为这是一个广泛适用的原则。
2）对于年轻研究者，我建议是找你最喜欢的三个研究领域，然后找到交叉点开始研究，你就会很有可能发现别人未曾发现的东西。
3）但我不想具体指出ABCD哪个领域的交叉点，因为惊喜恰恰来自没有被准备定义的地方。
英特尔之道
最后，再分享下这次Rich Uhlig的keynote演讲，核心介绍了英特尔当前指导思想：
数据洪流。
重点就是一切以数据为中心，在数据的各个方面展开研发推进及部署。
- 首先是数据的获取，如新的传感技术。
- 其次是数据存储，如对内存、存储这样的新的数据组织形式。
- 最后是数据的处理。从数据传输的联网，到软件编程，以及全新计算平台，核心是不断提升数据的处理效率。
而具体到英特尔研究院，核心使命是为英特尔进行未来的探索。
Rich Uhlig认为这非常不容易、极具挑战，但引用科幻作家威廉·吉布森的名言，或许能够带来一些启示：
The future is already here it’s just not evenly distributed
未来已来，只是分布不均。
很多今天看到的稚嫩阶段的新兴技术，实际并非凭空而来，但越来越强大的数据处理技术和基础，正在实现曾经之不能。
当然，这位英特尔研究院院长也专门提到了英特尔中国研究院——创办至今21年，是在中国建立最早的跨国公司研究院之一。
目前由宋继强担任中国研究院院长，主要围绕人工智能、5G、智能驾驶和机器人等领域展开研究，因地制宜，借助中国的优势展开前沿创新研究。
Rich Uhlig评价说，英特尔中国研究院一方面有场景优势，比如智能驾驶，得天独厚，进展也很快。
另一方面是人才，“中国研究人员真的很顶尖，英特尔中国研究院人才在视觉理解等方面代表全世界最高水准，我们还会持续加码中国研发的投资。”
嗯，完整交流就酱~
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一时间获知前沿科技动态
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/186139.html