2021年以降の人工知能について何かお考えはありますか?

中国科学技術協会、中国科学院、中国工程院、浙江省人民政府、杭州市人民政府、浙江省人工知能開発専門委員会の指導の下、中国人工知能学会と杭州市余杭区人民政府が主催し、浙江省杭州未来科学技術都市管理委員会が担当し、2020年世界人工知能技術会議が「デジタルシティ」杭州で成功裏に開催された。 25日に開催された同会議の基調報告セッションでは、中国人工知能学会会長、国務院顧問、中国工程院院士、清華大学情報学院学長の戴瓊海氏が「人工知能に関する一考察」と題した素晴らしい講演を披露した。

戴瓊海 中国人工知能学会会長、国務院顧問、中国工程院院士、清華大学情報科学技術学院学長

議論する価値のある問題も含め、人工知能に関する私の考えをいくつかお話ししたいと思います。数千年前の原始社会では、人々は石器に頼って仕事をしていました。農耕時代には、人々が使用する道具が改良され、産業革命の蒸気機関の出現により生産性がさらに向上し、電気革命により人間の生産効率が大幅に向上し、そして現在、情報化時代における電子コンピュータの誕生により、私たちの知力が拡張され、視野とアイデアが広がりました。マルクスは、「さまざまな経済時代の違いは、何が生産されるかではなく、どのように生産されるか、どのような生産手段で生産されるかにある。生産手段は、社会的生産時代の決定的な特徴をよりよく示すことができる」と述べた。

情報化時代は、インターネット、電子計算機、通信ネットワーク、宇宙技術、バイオエンジニアリング、原子力技術など、一連の代表的な発明や創造の出現を目の当たりにしてきました。特に、インターネットと電子計算機の誕生は、人と人の間の交流の境界を拡大しました。

人工知能の時代が到来し、ディープニューラルネットワークやイーロン・マスクなど多くの代表的な業界ヒーローが登場しました。無人システム、ナノテクノロジー、量子コンピューティング、モノのインターネットなどの新しい技術や製品も登場し、人々の仕事や生活に劇的な変化をもたらしています。

学際的な国境を越えた研究は、人工知能時代の典型的な兆候です。たとえば、潘雲和院士が言及した認知視覚と認知表現は、どちらも典型的な学際研究です。人工知能技術は、コンピュータービジョン、自然言語理解、ロボット工学、論理的推論など多岐にわたり、医療、エレクトロニクス、金融などの業界で大きな役割を果たしてきました。以下では、人工知能時代のいくつかの問題を3つのレベルから簡単に分析します。1つ目は計算能力、2つ目はアルゴリズム、3つ目は人間とAIがどのようにうまく付き合っていくかです。

まず、それは計算能力です。 1956 年、ローゼンブラットのパーセプトロンには 512 個の計算ユニットしか含まれておらず、データの分類が可能でした。しかし、ゴードン・ムーアが集積回路チップに集積されるトランジスタの数は18か月ごとに倍増すると提案し、その後数十年にわたるチップ技術の発展の方向性を示すまで、人工知能の発展は計算能力に悩まされてきました。 1999年、NVIDIAは並列データ処理用のGPUをリリースし、人工知能がより幅広い分野に発展できるようになりました。 2012 年、Alex は GPU アクセラレーションに AlexNet を使用し、ディープ ネットワーク アプリケーションの先例を開きました。次は有名なGoogle AlphaGoです。5,000個のGPUを搭載し、40日間のトレーニングで世界中の対戦相手に勝つことができます。これは、並列コンピューティングと専用チップが人工知能の推進に重要な役割を果たしていることを示しています。

既存の技術の発展を見てみましょう。ストリーミングビデオは、世界のインターネットダウンストリームトラフィックの58％を占めています。2019年8月、国内のインターネット端末の数は20億を超えました。これらのデータには、膨大なコンピューティングパワーのサポートが必要です。今日、スマート医療、スマート製造、自動運転車はすべて、より小型で、より高速で、よりスマートな目標を追求しています。そのため、人工知能の急速な発展により、他の側面よりもコンピューティング能力に対する需要が増加し、人工知能にとって重要なサポートとなっています。

しかし、コンピューティング能力が増加する速度は、もはやムーアの法則に従わなくなっています。最初のコンピュータの登場からその後の数十年に至るまで、チップの計算能力は基本的にムーアの法則に従っています。しかし、時が経つにつれ、チップ上のトランジスタ密度の増加はムーアの法則に従わなくなりました。つまり、チップの計算能力の成長率は、人工知能技術の発展のニーズを満たすことができなくなりました。その結果、国際的なテクノロジー大手が取り組みを始めています。たとえば、GoogleのTPU、中国のHorizo​​nとCambrianはいずれも、計算能力を向上させるために専用のニューラルネットワークチップを設計しています。しかし、これらのチップは専用であり、汎用人工知能の開発のニーズを満たすことはできません。

私は科学的思考、エンジニアリングの実践と言っていました。身体的な要件は何ですか?たとえば、量子力学や量子コンピューティングなどです。周知のとおり、Intel と Google は、特定のタスクを処理する場合、量子コンピューティングは現在のコンピューターよりもはるかに高速であることを発見しました。有効な量子ビットの数が増え続けるにつれて、彼ら（特に Google）は量子コンピューティングの分野で支配的な勢力になることを望んでいます。しかし、現実には、物理​​学者による分析の結果、量子ビットの十分なコヒーレンスを長時間維持する方法など、多くの問題がまだ解決されていません。これは重要な問題であり、同時に、この時間内に十分な超高精度の量子論理計算を行うことも難しい問題です。したがって、将来的に量子コンピューティングをフルに活用して計算能力を向上させることは完全に不可能になります。そのため、ストレージの壁の限界を打ち破り、コンピューティング能力を向上させるために、ストレージとコンピューティングを統合したアーキテクチャが提案されました。これが、人工知能の時代が交差の時代に入ったと私が言う理由です。物理学からの計算能力の要求に加えて、脳科学からの計算能力も必要です。たとえば、脳のようなプロジェクトは、脳科学のメカニズムをシミュレートすることで計算能力を向上させることを望んでいます。それだけでなく、物理学と光電子コンピューティングの境界からの計算能力も必要です。ストレージとコンピューティングの統合、そして光電子+からの計算能力も必要です。

以下に光電計算に必要な計算能力について紹介します。プリンストン大学の教授は理論分析を行い、ニューラルネットワークコンピューティングフレームワークを実施しました。理論的には、コンピューティング能力を3桁向上させ、消費電力を6桁削減できます。コンピューティング能力を向上させる際には、消費電力も考慮すべき重要な問題となります。光電子コンピューティングは、この点で大きなメリットをもたらし、コンピューティング能力を 3 桁向上させ、消費電力を 6 桁削減します。この分野の研究はすでに始まっています。光電子コンピューティングは新しいものではありません。人工知能と同様に、1950 年代に誕生しました。コンピューター用半導体やコンピューティング用のシリコンベースのチップだけですでに需要が満たされているため、研究者はこの分野での研究を徐々に縮小しています。特に、1990 年にベル研究所はヒ化カリウムを使用してコンピューターのプロトタイプを制御する光スイッチを作成しました。当時は計算能力に対する需要が比較的少なかったため、チップで問題を解決できました。現在、チップ上の人工知能に対する厳しい要求により、2017年から2019年にかけて、多くの機関が、3次元制御回折の伝播時間や完全並列光速コンピューティングなど、光電子コンピューティングの研究に重要な貢献を果たしてきました。研究により、文字を素早く認識することが可能になりました。光は電気を必要としないため、このタイプの光コンピューティングは電気を必要とせず、制御可能な高次元の光場伝播を通じて実現でき、高速で効率的な並列コンピューティングを実現します。したがって、光電子コンピューティング アーキテクチャの構築は、コンピューティング能力の問題を解決するための重要な研究方向となっています。

新しいコンピューティング手法として、光学は、第一にパラダイムシフト、第二にコンピューティング能力の向上、第三に消費電力の削減という最も重要な変化をもたらします。多くの利点があるため、国内外の多くの研究機関で関連研究が行われています。現在、国際的に 3 つの貢献が行われています。MIT が作成した干渉ニューラル ネットワーク アーキテクチャは非常に優れています。ミュンスター大学とケンブリッジ大学は写真材料を使用してパルス アーキテクチャを作成しています。清華大学は回折ニューラル ネットワーク アーキテクチャを使用しています。 3 つの異なるソリューションにはそれぞれ長所と短所があります。したがって、将来的にはコンピューティング能力のバランスをとる上でいくつかの結果を達成することができます。光電子コンピューティングの計算能力は3桁の規模になることは想像に難くありません。当社の超小型スマート5G、スマートロボット、小型修理ロボット、そして特に現在研究中の自動運転、光電子インテリジェント運転は、この分野の発展を促進するでしょう。つまり、光電子コンピューティングにより、無人システムはより高速、小型、スマートになります。現在、この方向性は国際的な学界や産業界からも幅広い関心を集めており、多くの機関がこの分野で研究を行っており、皆様がこの方向性に注目していただければ幸いです。

光電子スマートチップの最も重要な機能は何ですか?巨大なコンピューティング センターを小型化するのは彼らです。現在のコンピューティング センターは大量の電力を消費しますが、光電コンピューティングを使用すれば、大量の電力を節約できます。 2番目は、ナノ秒のターゲット知覚と認識です。ターゲットの知覚と認識はナノ秒レベルで非常に高速です。カメラを使って写真を撮る場合、そのデータを電気に変換して計算する必要があります。光がカメラに入った瞬間に計算されるとしたら、速度は非常に速くなるでしょう。したがって、光電子インテリジェントチップは、新しいインフラストラクチャにおける産業用インターネット、コンピュータービジョン、ビッグデータ分析、光通信において重要なサポート役割を果たします。これはコンピューティング能力に関する議論とアイデアであり、皆さんの批判を歓迎します。

2つ目はアルゴリズムです。人工知能において最も重要なのはアルゴリズムであるため、研究者は一般的にアルゴリズムを研究します。では、これらのアルゴリズムはどこから来るのでしょうか?既存の人工知能は、単純な基本的な視覚認識機能しか実現していません。先ほど潘院士がおっしゃったように、対処すべき無人領域はまだたくさんあります。基本的な視覚情報処理と高度な認知知能のプロセスにおいて、そのパフォーマンスは、物理学と抽象的なデータを学習する能力を持つ人間の脳のそれよりはるかに劣っています。一部の学者は、ディープラーニングは大きな危機に直面しており、BPアルゴリズムには大きな限界があると考えています。根本から再構築する必要があり、脳の認知メカニズムモデルから再びインスピレーションを得る必要があります。右の図から、難しい問題は簡単に解決でき、単純な問題は解決が難しいことが多いことがわかります。 Hinton 氏のデモは、ディープ ネットワークが現在危機に瀕しており、マルチモーダルなデータ表現、変換、学習法則、神経系のフィードバック方法から学ぶ必要があることを示しています。認知コンピューティングは人工知能の変革を促進します。人工知能に関して皆が議論してきた最も重要な問題は何ですか?今、効率性を達成するにはどうすればよいでしょうか?現在、ディープ ネットワークは解釈可能ではありません。では、どうすれば解釈可能になるのでしょうか?現在は堅牢ではありませんが、どうすれば堅牢にできるでしょうか?

新世代の認知知能は、今日の世界で最も重要なアルゴリズムの組み合わせです。周知のとおり、1969 年の BP アルゴリズムのプロトタイプは制御から生まれ、最適制御理論から生成および収集されました。 1989 年までには、畳み込みニューラル ネットワークが誕生しました。認知科学者と神経科学者は、最初に BP アルゴリズムを複数のニューラル ネットワークに導入し、認知コンピューティング モデルを構築しました。次に、2015 年の計算モデルについて説明します。このことから、BP アルゴリズムはディープラーニングで最も広く使用されていますが、まだ多くの問題があることがわかります。

1981年のノーベル賞受賞者は、1958年に研究が始まった畳み込みニューラルネットワークの観点から、人間の視覚が階層化されており、高レベルの視覚層があることを発見し、視覚システムの畳み込み特性も発見しました。そこで1980年に日本の学者たちは単純細胞と複雑細胞の概念に言及し、新たな認知メカニズムを提唱しました。デビッド・マーは、人間の視覚情報の表現と処理に関する計算研究が、視覚と知覚効果の関係という重要な結論に至ったと考えています。 2007年、トマソ・ポッジョはH-MAXモデルを提案しました。 2012 年のアレックスの貢献は人工知能の黄金時代の到来を告げ、広く利用されるようになりました。これは私たちのアルゴリズムの歴史的な起源でもあります。歴史分析を通じて未来を予測することができます。

表示されるコンテンツで最も多く見られるものは何ですか?これは脳科学者による神経の分析に関するもので、神経の分析は脳のようなコンピューティングを刺激するために使われます。上段は神経面全体の解析であり、下段は脳のようなアイデアを実現し、脳科学から人工知能まで脳のような研究が行えるかどうかを見ていきたいと思います。最近、いくつかの機関が研究で画期的な成果を上げている。1つは2019年に報告されたShi Luping教授、もう1つは2020年に報告されたWu Huaqiangによる脳のような統合ストレージチップの研究で、重要な役割を果たしている。したがって、この分野における中国の研究は国際レベルと同じレベルになるはずです。上記の脳の結果は、猫の視覚や脳の神経節を含むニューロンの活性化状態について私たちが行った多くの研究の結果です。

私たちは、人工知能理論の外挿、つまり、脳マシンをどのように利用して人工知能の新しい理論を刺激するかについて、やり取りと比較を行いました。これは、実際には新世代の人工知能を開発するための重要な方法です。これらを比較対照すると何を意味するのでしょうか?多くの人工知能の専門家は、人工知能はどのように前進すべきかという問いに答えるために、脳科学からいくつかのメカニズムを借用してきました。このアルゴリズムはどのように解くべきでしょうか?具体的にどのように解決すればよいのでしょうか?

成人の脳には 860 億から 1,000 億のニューロンがあり、電気信号が作用するときの総電力消費量は 10 ワットから 23 ワットと非常に低いと感じます。タスクを完了するために一生懸命作業している場合、最大電力消費量は 25 ワット以内です。眠い場合、最小電力消費量はわずか 10 ワット程度です。そのため、消費電力は非常に小さいのですが、人工知能コンピュータの消費電力は非常に大きくなります。

劉市長は先ほど杭州に大規模なコンピューティングセンターを建設することについて話してくれましたが、このとき電力消費量は非常に多くなります。それで、それはどのように提供されるのでしょうか?この問題を認知科学の観点から議論するために、私たちは次のような橋を描きました。図に示すように、認知コンピューティングは脳科学と人工知能をつなぐ架け橋です。なぜ？まず一歩下がって、認知科学は何をするのだろうと考えてみましょう。認知科学の一つの側面は、脳科学における観察を目的とするマルチモーダル回路観察です。

2つ目は、潘院士が言及した視覚、聴覚、言語、触覚を含む多段階認知モデルです。これらは多段階認知モデルであり、脳科学情報です。ここで観察され、モデル構築を通じて形成されるのが認知科学です。脳科学から認知科学の研究を通じて人工知能に到達することは、脳科学から人工知能へのもう一つの道であると考えています。これは私たちが未来への希望の道と呼んでいるものであり、新しい人工知能アルゴリズムを研究する道でもあります。

次に、代表的な国際貢献をいくつか見てみましょう。左側は脳科学の貢献全体です。ここでの主な貢献は何でしょうか?人間がどう考えるか。右側はチューリング賞です。最も重要な結論は、彼らの貢献は何なのかということです。機械はどのように考えるのでしょうか?関係を確立し、それらを結びつけるために、中間に橋が必要です。ですから、認知科学がこの架け橋となることを願っています。

2016年、米国は1億ドルのアポロ計画を開始し、10万個のニューロンの活動と接続を記録および測定した。ここで右端の図の上部は計算ニューロンのモデルであり、下部は計算機械学習モデルです。これら 2 つのモデルは脳データを使用した分析を確立できるでしょうか?これはイメージングです。脳コンピューティングのパラダイムを研究し、認知コンピューティングの新しいモデルと方法を構築し、それによって人間の思考から機械の思考への架け橋を確立することは、新しい人工知能の理論とアルゴリズムを刺激する重要な方法です。これは清華大学が作成した計画ですが、まだ完成していない可能性があり、参考用としてのみ提供されています。

右下の図は、外部環境、大脳皮質、海馬を含む生物学的メカニズムの記憶ループを示しています。左下の図は、物理的なバランスの原理なので、脳科学、数学、物理学を組み合わせたネットワークモデルであるBMPネットワークアルゴリズムの構築に期待しています。上記は、私たちが構築した新しいネットワーク モデルの一般的なフレームワークです。

私たちはアルゴリズムの問​​題についてさらに調査を続けており、専門家に解決策を提供したいと考えています。では、人工知能アルゴリズムは知識主導型から脳科学型へと移行できるのでしょうか。しかし、データ主導型の側面はどうでしょうか。大きなシーンと複数のオブジェクトを含む巨大なデータベースです。何を構築しているのでしょうか? 3 つの柱は認知によって駆動できるのでしょうか? これは私たちが構築した新しいアルゴリズムとフレームワーク アーキテクチャです。これはアルゴリズムレベルでの私の考えです。皆さんが私を批判し、訂正してくれることを願っています。

第三に、人間と AI はどのように共存するのでしょうか?周知のとおり、AI は人間になるどころか、人間に取って代わるのではなく、人間に力を与えるものです。チューリングは50年前に、人工知能の開発は人間を機械に変えたり、機械を人間に変えたりすることではなく、「複雑な問題を解決し、人類に貢献するために、人間の知能能力をシミュレート、拡張、拡大するための理論、方法、技術、アプリケーションシステムを研究開発すること」だと述べた。したがって、人工知能と人間の調和のとれた発展には、人工知能と人間の間の協調的なセキュリティ、プライバシー、公平性の問題を考慮する必要があります。

最終的には、人間中心となり、人々に奉仕するという目標を達成します。現在、Sun Fuchun教授とWu Fei教授が主導する研究プロジェクトがあります。私たちは何をしているのでしょうか?今後のAI安全教育と人間との連携について研究を行い、研究終了後はアメリカ人工知能協会やヨーロッパ人工知能協会と人類共通の未来コミュニティをテーマに議論する準備を進めます。

ここで取り上げる人間中心で人類に役立つ 4 つの問題は、私たちが探求しなければならず、避けることのできない最も重要な問題です。それは、倫理、プライバシー、コラボレーション、セキュリティです。人と人はどのように協力するのでしょうか？人間と機械 AI、そして人間と自然の間には相互作用が必要です。極端な相互作用とはどういう意味ですか?危険なシナリオでは、AIとAI、AIとシナリオ、人間とAIの間で、つまり、見えない、はっきりと見えない、聞こえない、触れられないインタラクションを実現したいと考えています。これをエクストリームインタラクションと呼んでいます。 AI インタラクションにより、破壊的なユーザー エクスペリエンスが可能になり、世界を理解し変革する人間の能力が向上します。これが極端な相互作用の特徴です。

インタラクションにおいて最も重要なことは何でしょうか? AIの外形はAI特有のインターフェースです。現在、多くの自動車、多方向ロボット、マイクロソフトのXiaoiceを含むヒューマノイドロボット、手術用ロボット、航空ロボット、携帯電話、コンピューター、その他の一般的なAIインターフェース、現在見られる仮想アンカーや自動カスタマーサービスなどがあります。したがって、以下で説明するのは、仮想現実などのインターフェースを介してAIと対話する方法です。図に示すように、仮想/拡張現実と自然インタラクション技術は、将来の情報取得とインタラクションの方法であり、人間の能力を拡大し、製品の形態とサービスモデルを変え、認知、知能、文化、芸術の変化を促進し、将来の人間-AI-オブジェクトの統合社会の発展を促進することができます。これを機能と呼びます。

現在、すべての会議はオンラインで行われており、「キングスマン：ゴールデン・サークル」に示されているように、多くの組織がオンラインおよび仮想オフライン チャネルを開発しています。これは極端な環境に相当します。私たちが開催するオンライン会議は、オフライン会議とまったく同じです。 2020年末までにそのようなシステムが実現する可能性があると思います。これが、没入型 AI インタラクションと呼ばれるものです。調査したところ、今年の小中学校や大学の授業は基本的にすべてオンラインで行われることがわかりました。授業の質を比較すると、北京のいくつかの学校の教育の質が低下していることがわかります。私たちはこの形式を採用したばかりですが、この形式ではより良い教育成果は得られませんでした。

それでも、将来的にこの教育効果を変更することで、より良いユーザーエクスペリエンスがもたらされると思います。マイクロソフトの108台のカメラによるステレオモデリング、Facebookのステレオモデリング、Googleと清華大学のステレオモデリングなど、多くの大学や企業が関連研究を行っています。清華大学には現在、ディープモデリングも行っているカメラがあり、人物のモデルを構築した後はどこにでも設置でき、仮想オフライン学習を実現できる。

ご覧のとおり、これによりホログラフィックなインテリジェント教育を実現できます。たとえば、インテリジェントで正確な推奨事項、ユビキタスなオンライン アクセス、リアルな人物によるホログラフィック教育、没入型のインタラクティブ コースウェアなどです。今年のAI研究開発によれば、ARグラスの重さはわずか50グラム。これまでARグラスは非常に重かったため、開発が不可能だった。しかし、メガネは将来的にも重要なトレンドとなり、バーチャル・オフラインの重要な領域になると思います。将来的には、AI 駆動型の複合現実により、工業デザインを含む教育、生産、設計、コミュニケーションが可能になります。これは、将来の AI インタラクションにとって重要なツールであり、人間と AI のインタラクションの重要な方法となります。

未来が来た。5年前に李院士が未来が来たと報告したことを思い出します。それは私たちを不安にさせます。将来、脳とコンピューターのインターフェース、人間とコンピューターの融合、そして意識の保存の概念を含む人間とコンピューターの「永遠の共生」は、ロボットに永遠に存在したり、1か所に保存されたりする可能性があります。これらはすべて将来起こることです。脳とコンピューターのインターフェースは現在急速に発展しています。アルツハイマー病やてんかんなどの脳の病気についてよく話します。このような病理学的特徴が見つかった場合、再生には 2 つの方法があります。ニューロンの種類がわかれば、生物学的修復方法を使用して他のニューロンを修復することができます。別の方法としては、メタマテリアルを使用してこれらのニューロンの活動レベルを置き換えることができます。うまくやれば、脳は非常に明晰な状態を保ち、人間の寿命が 50 年延びるのも普通です。

知性が未来を動かします。私たちはより賢い「脳」、より器用な「手」、より明るい「目」、より敏感な「耳」を持っています。スマート光電子チップ、知識駆動型、データ駆動型、認知駆動型、これがインテリジェント運転の素晴らしい未来です。このことから、人工知能が徐々に人間のレベルに達しつつあることがわかります。 2016 年から 2066 年までの計画では、人間のすべてのタスクが置き換えられ、機械 AI がそれを完了できるようになります。もちろん、これは私たちのビジョンであり、本質的に予測的なものであり、特定の基本的な議論も含まれています。

私たちは認知知能を実現したいと言っています。認知知能とは何ですか?過去にチューリングテストがありました。開発したアルゴリズムはテストする必要があります。テスト要件はありますか?そこで、まずチューリングテストから始めます。これは基本的に、機械が人間と同等か、あるいは区別がつかない知能を発揮できるかどうかをテストするものです。模擬戦だったので、最後の部分ではテストについてもお話しします。

チューリングテストは継続的に進化しています。チューリングテストは 1950 年に提案され、初期の自然言語処理コンピュータも 1986 年のテストを期待していたことがわかります。郭院士の「ユージン・グーストマン」プログラムがチューリングテストに初めて「合格」したのは2014年のことだった。 2015年、人工知能はついに人間のように学習できるようになり、チューリングテストに合格しました。しかし、これらのテストはどうでしょうか?改善できる点はありますか?以下の専門家は、常識的な推論を行う機械の能力をテストするチューリング テスト、抽象的推論を行うニューラル ネットワークの能力、在宅医療 (ECW) 機能などの汎用人工知能 (AGI) テストを専門としています。これらは人工知能テストの新しいモデルであり、次々と登場しています。したがって、チューリングテストは人工知能の開発にとっても重要な方向性となります。

チューリングテストにおける認知テストとは何ですか?私たちはこの問題について検討する必要があり、ここにいる皆さんも検討していただければと思います。私たちは何に注意すべきでしょうか?認知テストと機能識別、認知的意思決定、論理的推論の問題も、現在研究する必要がある重要な問題です。

さて、前の章に戻りましょう。知識駆動型、脳科学、データ駆動型はすべて認知駆動型です。では、新世代の人工知能アルゴリズムは開発できるのでしょうか?カミングアウトするとはどういう意味ですか？認知テストはありますか？これは私たちが重要なターゲットトピックと呼んでいるもので、人工知能の開発に関する私たちの考えの一部でもあります。

実際、人工知能の産業変革の歴史的プロセスは非常に急速に発展しています。デジタル経済とともに情報化時代が到来し、それは人工知能の時代でもあります。ここには典型的なアメリカの人工知能企業が数多く見られますが、もちろんByteDance、Horizo​​n Roboticsなどの中国企業や、ヨーロッパの企業もいくつかあり、人工知能は世界経済発展の中核的な原動力となっています。人工知能も新たなインフラであり、非常に重要な国家戦略となっています。ここ数年、潘院士が提唱する人工知能2.0は国から高い注目を集めています。 2020年、わが国の人工知能市場規模の成長率は、世界市場規模の成長率をはるかに上回りました。これは、余杭区のスマート医療タウンなど、スマートセキュリティ、医療、金融、教育などの分野で活用されてきた当社の全調査の結果です。新しいインフラ整備は非常に重要かつ大規模な仕事です。高知事と劉市長が先ほどおっしゃったことがすべてそこに反映されています。

2019年にネイチャー誌に掲載された記事は、人工知能における中国の先進的な開発に焦点を当てていました。私たちの研究室では、十数名の教師と学生が過去10年間に浙江省が発行した44件のAI関連政策を研究してきました。浙江省を訪れたいなら杭州へ、杭州を訪れたいなら余杭へ行ってください。したがって、杭州には AI を構築するための無限の想像力と無限のスペースがあり、また、世界人工知能技術会議を支援してくれた杭州未来都市に感謝したいと思います。

まとめると、今日は実際に 3 つのトピックについてお話ししました。最初のトピックは、極限環境における共存、作業効率の向上、生活の質と安全性、相互作用です。極限環境とは何でしょうか?例えば、オンサイトで会議を開くとき、地理的に離れていても、顔を合わせてコミュニケーションできればいいと思っています。これは限界です。2つ目はアルゴリズムです。これは認知コンピューティングの理論と方法の起源に近いものです。これは私たちが言及した重要なトピックです。3つ目はコンピューティングパワーです。パフォーマンスを桁違いに向上させる新しいコンピューティングパラダイムとチップアーキテクチャです。これが最も重要です。将来的には、多次元、多角的、詳細な認知テストを含む人工知能の 3 つの側面を開発できることを願っています。