钱江晚报小时新闻记者通讯员陈华
什么是智能计算？图计算面临哪些挑战？「深度学习奇迹年」带来了哪些「礼物」？……
这些看似遥远的前沿问题，不再只是高深复杂的理论和晦涩难懂的代码。面对人机物三元空一体化的智能社会，智能计算将成为我们开启智能世界的“金钥匙”。
11月16日，由美国科学促进会期刊《杭州之江实验室》、《科学》和《科学机器人》共同主办的“智能计算创新论坛”在杭州南湖之畔举行。
现代人工智能之父、科技大学King Abdullah教授、瑞士人工智能实验室主任Jürgen Schmidhuber、RD英特尔实验室Yulia Sandamirskaya教授、萨里大学金耀初教授、密歇根大学卢伟教授、之江实验室主任朱世强、华中科技大学-之江实验室图形计算联合研究中心主任金海、清华大学杨广文教授、北京大学金枝教授、 以及上海大学计算材料科学联合研究中心-之江实验室张金仓主任……十余位国内外智能计算领域的顶尖专家通过线上线下的方式分享智能计算的最新研究成果和展望。
论坛直播吸引了来自世界各地的万余人观看，大家经历了长达八小时的头脑风暴。
本次论坛的主题是“面向智能的计算和智能驱动的计算”，旨在探讨智能计算技术的创新方向和未来。这也是由之江实验室和美国科学促进会《科学》杂志联合举办的首届智能计算主题论坛。
论坛中，朱世强主任首先全面介绍了之江实验室智能计算的内涵、特点、核心技术、框架体系和研究进展。“智能计算既不是超级计算和云计算的替代品，也不是现有计算的简单整合。它是根据任务的需要，利用现有的计算资源和最合适的计算方法，以最佳的方式解决实际问题的一种计算形式。它不仅应该充分利用现有的计算能力和算法，还应该促进新的计算能力和算法的形成。”他说，智能计算将与数字化一起融入社会生产生活的方方面面，成为支撑智慧社会的基础。
金海教授表示，图计算具有广阔的应用场景，但随着数据规模的不断增大，图计算在满足高吞吐量、高可扩展性和应用多样性方面面临越来越多的挑战。需要在架构、内存和算法层面研究更适合图计算的新技术方法。
从宇宙的起源出发，Jürgen Schmidhuber教授回顾了人工智能深度学习技术的发展历史。他在主题报告中指出，1990-1991年是他深度学习研究生涯中的“奇迹年”。在此期间，他和他的团队提出了许多对深度学习发展产生深远影响的技术，包括通过无监督预训练的深度学习、LSTM等。
Yulia Sandamirskaya教授指出，神经形态计算是一种为人工智能开发新计算范式的方法。神经形态计算建立了一种新型的硬件、算法和软件，其灵感来源于生物神经系统——迄今为止我们所知的适应性最强的自主智能系统。
金耀初教授从进化和发展的角度探讨了如何克服人工智能深度学习的局限性。他介绍了人类大脑和神经系统的进化，并以此为基础描述了嵌入油藏计算的神经可塑性计算模型，及其对回声状态网络和脉冲神经网络学习性能的影响。一天的时间，高频输出围绕智能计算的多个领域的观点和知识。
圆桌会议上，国家并行计算机工程技术研究中心研究员刘鑫表示，规模更大、精度更高、与人工智能深度融合的应用发展趋势对计算机体系结构提出了新的要求。多态异构、数据存储集成和软件定义域定制计算是发展计算机体系结构的方向和目标。在下午的论坛中，杨广文教授、金枝教授、卢伟教授和张金仓教授围绕智能超算系统、深度学习、存储与计算一体化、材料设计和智能计算等研究领域分享了各自的研究成果。
论坛上发布了《之江实验室智能计算白皮书》。
白皮书阐述了智能计算的起源，通过丰富的例子描述了智能计算的类型和形式，提出了一个完整清晰的智能计算概念。同时，白皮书展望了智能计算的重大挑战、机遇和未来创新趋势，并介绍了之江实验室在智能计算领域开展的研究工作。
智能计算技术已经成为国际计算机科技发展的焦点。在计算理论、架构体系和模式都在发生颠覆性变革的时候，之江实验室期待与更多有志于智能计算研究的专家、学者和业界同仁携手并进，进行前沿探索和应用实践，共同迈向智能计算新时代。
本文为钱江晚报原创作品。未经许可，禁止转载、复制、摘抄、改写及在网上传播所有作品，否则，本报将通过司法途径追究侵权人的法律责任。
