人工智能是一门极富挑战性科学：2025年前AI性能将提升30倍

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 2017年12月，人工智能入选“2017年度中国媒体十大流行语”。 [2] 2021年9月25日，为促进人工智能健康发展，《新一代人工智能伦理规范》发布。

过去几年，尤其是2015年以来，人工智能开始大爆发。很大一部分是由于GPU的广泛应用，使得并行计算变得更快、更便宜、更有效。

人工智能发展条件:

1、硬件发展：AI 不断爆发热潮，是与基础设施的进步和科技的更新分不开的，从 70 年代 personal 计算机的兴起到 2010 年 GPU、异构计算等硬件设施的发展，都为人工智能复兴奠定了基础。

2、数据发展：互联网及移动互联网的发展也带来了一系列数据能力，使人工智能能力得以提高。

3、运算发展：计算机的运算能力从传统的以 CPU 为主导到以 GPU 为主导，这对 AI 有很大变革。

4、算法发展：算法技术的更新助力于人工智能的兴起，最早期的算法一般是传统的统计算法，如 80 年代的神经网络，90 年代的浅层，2000 年左右的 SBM、Boosting、convex 的 methods 等等。随着数据量增大，计算能力变强，深度学习的影响也越来越大。尤其是2011 年之后，深度学习的兴起，带动了现今人工智能发展的高潮。

人工智能已经发展了六七十年，经历了几度繁荣和衰落。虽然已取得不错的进展，但是与理想中的人工智能差距还是很大。

人工智能三大学派：符号学派、连接学派、行为学派。符号学派认为，任何能够将物理的某些模式或符号进行操作并转化成另外一些模式或符号的系统，就可能产生智能行为;连接学派认为高级的智能行为是从大量神经网络的连接中自发出现的，通过大量神经元来模拟大脑;行为学派并没有把目光聚焦到高级智能的人类身上，而是关注低级的昆虫能灵活走动并快速反应。上世纪的八九十年代形成三足鼎立的形势。

这几年再度让人工智能火起来的是连接学派，连接学派通过深度学习将以往很多领域的表现都大幅提高，连接方式无疑已经成为目前最闪耀的人工智能解决方案。连接派的模型都是以神经网络为基础进行创新的，所以核心部分仍然是神经网络结构。

近日，半导体公司AMD宣布了一个新目标——到2025年，将提高旗下霄龙EPYC CPU和Instinct GPU加速卡能效，为人工智能训练和在加速计算节点上运行的高性能计算应用程序带来30倍能效提升。30倍的目标将在2025年节省数十亿千瓦时的电力，使这些系统在五年内完成单次计算所需的电力减少97%。

要实现这一目标，AMD需要以比过去五年全行业总体改进速度快2.5倍以上的速度提高计算节点的能源效率。同时，“我们的目标不仅是提供更高的性能，而且是在不消耗大量功率的情况下做到这一点，”AMD表示。因此，AMD计划在未来四年内提高新服务器芯片的每瓦性能效率。

据外媒《PC INVASION》，AMD承认这并非易事，因为在工艺节点的能效方面没有太大的改进空间。因此，该公司将专注于其硅架构的进步，将其作为使其芯片效率提高30倍的主要方法。虽然这是一项艰巨的任务，但值得注意的是，从2014年到2020年，AMD实现了25倍的能效提升。

“提高处理器能效是AMD的长期设计重点，现在我们正在为使用我们的高性能CPU和加速器的现代计算节点设定一个新目标，用于人工智能训练和高性能计算部署，”AMD执行副总裁兼首席技术官Mark Papermaster表示。科技媒体《WCCFTech》指出，加速计算节点是世界上用于科学研究和大规模超级计算机模拟的最强大和最先进的计算系统，它们提供了科学家用来在许多领域取得突破的计算能力，包括材料科学、气候预测、基因组学、药物发现和替代能源。