追夢強人工智能（一）
昨天看到2014年陳天石、陳雲霽在中國計算機學會通訊雜誌中的文章《體系結構研究者的強人工智能之夢》。他們的對夢想的不斷探索及幾十年如一日的堅持，足以照亮我們普羅大眾。為了方便閱讀分成了兩篇，本篇為第一篇
什麼是人工智能
人製造出來的機器所表現出來的智能，就是人工智能。人工智能大致會分為兩類：弱人工智能和強人工智能。
弱人工智能是能夠完成某種特定具體任務的人工智能，現如今看到的 AlphaGo、人臉識別、廣告推薦系統等廣泛應用都是此類。
強人工智能或通用人工智能，是具備與人類同等智慧或超越人類的人工智能，能表現正常人類所具有的所有智能行為。強人工智能是一個終極科學問題，類似曾經的宇宙起源一樣，非常難。
人類如何製造出與自己一樣具有複雜認知和創造能力的強人工智能計算機？目前我們看到的各種人工智能廠商，他們的能力主要集中在感知（理解）這個世界，決策能力方面很弱。而人腦正好相反，感知只是其中一小部分能力，更大的能力是做決策。
對計算能力的追求
陳氏兄弟認為解決強人工智能不僅需要人工智能算法上的突破，還需要計算能力（計算機體系結構）上的突破。美國能源部報告將計算能力進步分為三類，其中一類是變革式計算，只要計算能力足夠強大就可以徹底解決以前解決不了的問題。而他們兄弟倆所做的研究就是這第三類研究，在科學上有着非凡的意義。
他們於97年、01年先後考入中國科學大學少年班學習。後來攻讀研究生時，哥哥在計算所跟胡偉武(龍芯之父)做通用芯片體系結構方面研究，弟弟在中科大跟着陳國良、姚新做人工智能算法方面研究。後來他們同在中國科學院計算技術研究所工作，由於都懷着強人工智能之「夢」，08年的時候，他倆開始聯合起來做人工智能芯片方面的交叉研究。他們在上述文章里寫了，這個夢是比一般的理想還要虛無縹緲的志向。
科研的荊棘之路
他們的採用的指導思想是「沿途下蛋」：每一步都要對解決實際問題有所幫助，為體系結構或人工智能技術帶來增量式進步，步步逼近終極的變革。他們決定從使用人工智能技術來解決體系結構問題入手，首先為國產處理器龍芯作出貢獻。
基於人工智能方法的處理器研發技術
不過他們的第一步走的異常艱難，08年開始多次申請的項目資助都落空了，只有一個青年科學基金項目。多次向體系結構頂級會議的投稿都被拒收。後來直到 2011 年，才有成果逐漸在人工智能頂級會議上發表。原因是這個方向太新了，當時主流的聲音都是關注通用處理器應該長什麼樣，而不關注通用處理器的研發方法論。
2012年初，他們和法國國家信息與自動化研究所(INRIA)一起提出了 BenchNN 基準測試集：使用人工智能算法來實現其中的大部分程序，充分說明提高神經網絡的處理速度可以有效加速通用計算，有力地改變了體系結構領域對神經網絡算法的認識。
使用專用芯片加速神經網絡
他們在同期啟動了寒武紀計劃，設計神經網絡處理器芯片來加速神經網絡。他們當時主要有兩種選擇：脈衝神經網絡和人工神經網絡，後來他們通過大量實驗和對比，選擇了在工業界常見的圖像處理和語音方面效果更好的傳統人工神經網絡，雖然人工神經網絡並不適合對大腦進行模擬。因為他們最終的共識是想製造出強人工智能而非準確模擬人腦。就跟人類實現飛行夢想不能完全仿照鳥兒的翅膀一樣。
上述目標確定後，就是指定技術路線和具體實現了。這塊領域當時是一塊「處女地」，設計上沒有太多限制。他們通過分析大規模深度神經網絡的性能和能效，發現瓶頸主要在數據搬運和訪存帶寬上。通過精心設計具有針對性的分塊處理和訪存優化方法，使得寒武紀一號能夠高效處理任意規模、任意深度的神經網絡。以通用處理器核1/10的面積和功耗開銷下，達到通用處理器核100倍以上的人工神經網絡處理速度。最終寒武紀一號的論文–DianNao 在國際頂會–ASPLOS 上發表並成為最佳論文。這也是亞洲地區，第一次在計算機體系結構的這種頂尖的國際會議上拿獎。
他們研究最大的創新點在於打造了一個真正意義上完備的處理器，能夠支持任意規模的神經網絡。打個比方，只能處理兩個數相加，而不能處理10000甚至任意個數相加的硬件，只能叫加法器，而不能叫處理器。
研究之道
他們在做研究，發表論文的時候，會跟大家一樣遇到普遍的矛盾：緊跟多變的國際學術圈熱點，工作會被認為是過往論文的改進，需要改進效果非常顯著，機理必須非常清晰；而探討的問題若不是國際學術圈熱點，論文同樣很難在頂級會議上發表。
他們的解決之道是：堅持自己的學術理想，重視論文但不為論文發表所左右；同時儘力宣傳自己的研究方向，推動這個方向被國際學術圈的主流認可。經過長期的等待和努力，也許有一天，自己的研究方向就會成為熱點。這裡對我們普通上班族也有很大的借鑒意義，我們是否專註於某個領域？是否會在公司里宣傳自己所做方向的工作價值呢？
我認為他們帶領團隊長期在這個方向做研究的最大動力，一定是對強人工智能夢想的執着。他們走在前沿的科研領域，就如行至人跡罕至處，所處的風景波瀾壯闊，壯懷激烈。更不用說搞定科研領域的疑難問題，能夠極大的滿足好奇心。
如果想看到第二篇，請點下右下角「推薦」！
