人工智能带来了诸多产业变革，颠覆了人们的生活方式，成为了当下的热点话题之一。人工智能可以看做是由智能算法和智能系统两部分组成：前者提供模型，力求让人工智能的识别更加精准；后者提供算力，让人工智能的训练和识别变得更加快速。
举例来讲，当我们把手机的摄像头对准一朵花，算法负责识别它是百合或者玫瑰；而系统则会尽量加速这个识别过程。毫无疑问，在很多应用场景，尤其是自动驾驶和刷脸支付等对实时性要求较高的场景中，识别的“快”和识别的“准”，都是同等重要的。
此外，为探索更优的算法模型，科学家们需要在大量数据上反复实验，该过程极为耗时。支撑更加的快速和高效的算法研究过程（模型训练），也是智能系统的主要作用之一。仍旧以图像识别为例，ImageNet数据集包含了 1400万张图片，若是在普通的机器和集群上，训练一次需耗时数日，将严重影响了人工智能领域的创新热情。
曾赢得人机大战胜利的著名围棋机器人AlphaGo，背后亦离不开巨大的算力支撑，需要在上千台机器组成的集群上，经历数十天的训练过程。谷歌人工智能业务的负责人 Jeff Dean曾提到：“事实证明，我们真正需要的是超过现在100万倍的计算能力”。当前看来，人工智能算法的发展对整个计算系统提出了严峻的挑战，提高智能系统的性能与效率显得尤为重要。
事实上，科学家们一直都在探索更加先进的软件和硬件技术（包括计算、存储和通信等多个方面），设计专用的加速芯片，开发更加强大的系统平台，为支撑人工智能巨大的算力需求。2019未来科学大奖周高峰论坛《智能系统》专场中的三位嘉宾，便是智能系统领域的集大成者。
陈海波
上海交通大学陈海波教授，是国内系统领域的佼佼者，在系统领域的很多方向上都做出了引领性的贡献。近五其系统领域顶会的论文发表数量，位居全球并列第一，是国内高校首个入选系统领域名人堂的学者，尤其是他在2011年发表于系统领域顶会SOSP的文章，实现了中国乃至亚洲的突破。陈海波老师不仅在学术界硕果累累，在工业界同样是成绩斐然。陈海波老师同时担任华为操作系统首席科学家，华为操作系统内核实验室的主任，华为四名学术领军人之一。
韩松
同时精通人工智能的算法（深度学习）和系统（计算机体系结构）两个细分领域的学者并不多，现就职MIT助理教授的韩松老师正是其中“优秀”的之一。韩松老师专攻人工智能算法，同时也设计专用的芯片来加速人工智能算法的运算效率，引领了人工智能在模型压缩和专用芯片等方向的研究。专用芯片的优势在于可以在控制成本的前提下，最大化运行速度。其在斯坦福攻读博士期间联合创办了人工智能芯片知名企业，“深鉴科技”，是国际上最早发布人工智能芯片的企业之一，后以3亿美元被赛灵思收购。
张峥
张峥老师，现任上海纽约大学的教授，同时也是亚马逊云服务（AWS）中国人工智能研究院的首任院长。分布式集群系统，是当下人工智能算法的主要算力支撑，亦即当前绝大多数的人工智能系统都是构建在分布式集群上的。而张峥老师，正是分布式计算和人工智能的交叉领域的专家，对如何在分布式集群上加速人工智能算法的训练和推理过程经验丰富。同时，张峥老师也是著名的开源深度学习框架MXNet 的发起人之一。他的工作使得科学家们可以很方便的把多台计算机组织在一起，提升研究和部署算法模型的速度。
综上，智能系统，研究的是人工智能的平台技术，贯穿并支撑着人工智能算法的训练、推理等实施阶段，需同时协调性能（速度快）、成本（造价低）和功耗（耗电少）等多方面指标，进而为研究和部署更加精确的算法模型，提供巨大的算力支撑。如何能够利用分布式集群系统和专用芯片提升算力，既是智能系统一直以来面临的挑战，也是当前学术界和工业界关注的焦点。
11月15日
未来科学大奖高峰论坛研讨会5：智能系统
主题演讲1 - AIOT演进与操作系统：一个实践者的视角
陈海波：上海交通大学教授，未来论坛青年科学家创新联盟成员
摘要:
5G带来的大连接、低时延、高吞吐等特征以及人工智能技术的普适化为构筑万物互联的智能世界带来了新的机遇，也标志着计算模式从传统的IoT (Internet of Things)走向AIoT （AI与IoT融合）。作为对下管理物理资源、对上提供应用执行环境并被誉为”信息产业之魂“的操作系统，在新的AIoT时代将面临什么样的机遇与技术挑战，我们应该如何抓住机遇面对这些挑战构筑新的操作系统及其关键技术呢？针对这些问题，该报告将总结回顾操作系统的发展历史，分析AIoT时代的操作系统面临的新的挑战以及相应的研究方向，最后将展望在当前硬件与应用处于变革下的操作系统的发展方向。
主题演讲2 - Hardware-aware AutoML and Neural Architecture Search for Efficient Deep Learning
韩松：麻省理工学院(MIT)电子工程和计算机科学系助理教授
Abstract:
Efficient deep learning computing requires algorithm and hardware co-design to enable specialization: we usually need to change the algorithm to reduce memory footprint and improve energy efficiency. However, the extra degree of freedom creates a much larger design space. Human engineers can hardly exhaust the design space by heuristics, and there’s a shortage of machine learning engineers. We propose AutoML techniques to architect efficient neural networks. We investigate automatically designing small and fast models (ProxylessNAS), auto channel pruning (AMC), and auto mixed-precision quantization (HAQ). We demonstrate such learning-based, automated design achieves superior performance and efficiency than rule-based human design. Moreover, we shorten the design cycle by 200× than previous work, so that we can afford to design specialized neural network models for different hardware platforms. Finally, we accelerate computation-intensive AI applications including TSM for efficient video recognition and PVCNN for efficient 3D point cloud recognition.
主题演讲3 - 深图在人工智能中的探索和研究
张峥，AWS上海人工智能研究院首任院长, 上海纽约大学计算机科学教授(学术休假)
张峥于2014年加入上海纽约大学，为纽约大学全球网络计算机终身教授，纽约大学库朗数学研究所、计算机系、数据学院兼职教授，于2018年10月学术休假，作为AWS上海AI研究院首任院长加入AWS。张峥于1987年提前一年从复旦大学本科毕业，1992年从美国德州达拉斯分校取得硕士学位，于1996年于美国伊利诺大学香槟大学（UIUC）取得博士学位。1996-2001年就职惠普中央研究院研究员，2001-201年任职微软亚洲研究院，是系统研究方向创始人、首席研究员，曾任副院长。张峥是《知识分子》专家委员会成员。他是深度学习和人工智能、高性能大容量计算和存储系统的两栖专家，在国际会议获多次最佳论文, 谷歌学术引用八千多次，H-index47，在微软和惠普获卓越贡献奖。他是开源深度学习平台MXNet的共同创始人和顾问，与2018年开始领导并创立深度图计算DGL的开源项目。
文／解壁伟，2018年博士毕业于中国科学院计算技术研究所，后留所任助理研究员。研究方向包括算法性能优化，高性能计算和体系结构设计等。
欢迎参加2019未来科学大奖周
与我们一起见证荣耀时刻！
了解未来科学大奖周更多解读及嘉宾信息
请持续关注未来论坛
8场专题研讨会+15场主旨演讲
39位科学大咖精彩分享
百位顶尖科学家、商界领袖、艺术家共聚一堂
获奖人学术报告会+高峰论坛+
科学峰会+颁奖典礼+跨界展览
生物技术／精准医疗／未来计算／智能系统／枚举几何和超弦理论／天体物理／量子材料／新分子制造
当今大中华地区最具影响力的科学盛宴
未来科学大奖颁奖典礼报名系统上线！
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/223859.html