人類社會的發(fā)展過程

人類社會的發(fā)展經(jīng)歷了幾個階段。從原始社會到農(nóng)耕文明，后又經(jīng)歷了兩次工業(yè)革命，走進了信息時代。馬克思總結(jié)了人類歷史發(fā)展過程中經(jīng)歷的東西，“各種經(jīng)濟時代的區(qū)別，不在于生產(chǎn)什么，而在于怎樣生產(chǎn)，用什么勞動資料生產(chǎn)。勞動資料更能顯示一個社會生產(chǎn)時代的具有決定意義的特征?！边@就說明各個不同時代最大的特征區(qū)別，就在于人們使用什么勞動工具（這一主要的勞動資料），以及怎樣勞動。我們分別來看一看。人類社會的發(fā)展需要依靠生產(chǎn)力推動，生產(chǎn)力三要素是勞動力、勞動工具和勞動對象。原始人使用石器工具狩獵，并學(xué)會使用火來加工肉類，這些特征將人類與動物區(qū)分開來，標(biāo)志著人類社會的出現(xiàn)。農(nóng)耕社會人類的勞動工具升級換代了，從石器變成了鐵器，勞動方式也從石器耜耕升級為鐵器牛耕。勞動工具的升級以及協(xié)作生產(chǎn)，進一步提升了生產(chǎn)效率，推動了生產(chǎn)力的發(fā)展。

接著迎來第一次工業(yè)革命，也就是蒸汽時代。勞動力從以人力、水力、風(fēng)力及畜力為代表的自然力升級成了蒸汽，生產(chǎn)方式從手工生產(chǎn)升級成大機器生產(chǎn)，開創(chuàng)了以機器代替手工的時代，我們把手里的工作交給機器來完成。第二次工業(yè)革命是電氣時代，有了電以后，各種與電相關(guān)的科技發(fā)明層出不窮，并與生產(chǎn)緊密結(jié)合，生產(chǎn)效率得到了更進一步的提升，生產(chǎn)力得到了突破性發(fā)展，人們意識到科技對生產(chǎn)力的提升起到了重要作用。

第三次革命讓人類進入了信息時代，1946年誕生了世界上第一臺通用計算機ENIAC，還有TCP/IP協(xié)議棧的發(fā)明，使互聯(lián)網(wǎng)技術(shù)得到了迅速發(fā)展。1995年美國提出了“信息高速公路”的概念，借助互聯(lián)網(wǎng)絡(luò)的信息傳遞和協(xié)作能力，出現(xiàn)了一系列高新技術(shù)，比如原子能、航空航天技術(shù)和生物克隆技術(shù)等，科學(xué)技術(shù)毋庸置疑成了第一生產(chǎn)力?，F(xiàn)在，我們進入了智能時代，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)在很多產(chǎn)業(yè)中發(fā)揮著重要的作用，比如埃隆·馬斯克的T E S L A電動車、SpaceX重型火箭等。正如有專家所說，我們需要仔細思考人工智能的研究工作目前處于什么階段，是嚴冬還是暖春？智能時代出現(xiàn)的無人系統(tǒng)、納米科技、量子計算和物聯(lián)網(wǎng)絡(luò)，都在彰顯多學(xué)科交叉研究的重要性，所以我們說跨多學(xué)科的融合將生產(chǎn)力發(fā)展提升到一個新的臺階，現(xiàn)在已經(jīng)可以讓機器代替人工作了。這是一個多學(xué)科交叉的時代。

人類社會的發(fā)展過程實際上是生產(chǎn)力不斷提升的過程，而生產(chǎn)工具的變革是生產(chǎn)力發(fā)展的具體體現(xiàn)。人類從原始社會開始學(xué)會使用工具，到農(nóng)耕社會發(fā)明新工具，到蒸汽機和電的發(fā)明提升這些生產(chǎn)工具的工作效率，再到信息時代世界變成了可以協(xié)同工作的地球村，最后到我們現(xiàn)在的智能時代，用機器人代替人使用工具工作。由此可見，在現(xiàn)階段無人系統(tǒng)將是推進社會進步的強勁動力，而無人系統(tǒng)的發(fā)展瓶頸會給我們帶來巨大的挑戰(zhàn)。

典型的無人系統(tǒng)

無人系統(tǒng)是科學(xué)和工程的跨學(xué)科融合，利用科學(xué)的思維指導(dǎo)工程實踐。涉及的學(xué)科眾多，典型的比如機械工程、電子工程、信息工程，也包括計算機科學(xué)、自動化，同時涵蓋腦科學(xué)和認知科學(xué)。無人系統(tǒng)自身涉及的內(nèi)容非常廣泛，包括設(shè)計、建造、運行和使用的機器人，以及計算機系統(tǒng)對它們的控制、傳感器反饋及信息處理。

在目前這個階段，無人系統(tǒng)應(yīng)用的主要目的是替代人類、復(fù)制人類的行為，主要用在“3D”場景。第一個D，是Dull，用機器來代替人類完成日?；?、流水線的工作，比如自動駕駛，工廠里的流水線，電力、石油、礦井等基礎(chǔ)設(shè)施的日常巡檢；第二個D，是Dirty，用無人系統(tǒng)代替人完成一些惡劣環(huán)境下的工作，比如隧道挖掘、戰(zhàn)場上的戰(zhàn)備負重、日常家居的清潔工作等；第三個D，是Dangerous，用無人系統(tǒng)代替人來做危險的工作，比如拆彈機器人、戰(zhàn)場傷病救援、機器人醫(yī)療和外太空探索等。這些都是無人系統(tǒng)的重要應(yīng)用場景。

無人系統(tǒng)技術(shù)發(fā)展迅猛，出現(xiàn)了很多我們耳熟能詳?shù)墓竞痛硇援a(chǎn)品。比如美國波士頓動力的機器人產(chǎn)品序列，在軍事運輸、協(xié)同作戰(zhàn)和災(zāi)難救援等方面有著非常廣闊的應(yīng)用前景；還有德國Festo公司的仿生機器人，從2006年發(fā)布第一款仿生魚開始，陸續(xù)研發(fā)了仿生水母、仿生鳥、仿生蝴蝶、仿生螞蟻和仿生袋鼠等；還有大家非常熟悉的自動駕駛領(lǐng)域，這是很多專家和行業(yè)公司都在做的，包括無人駕駛里的前向碰撞預(yù)警、車道偏離報警、行人碰撞警告等，這是從車輛本身的視角來說的，還有車輛與道路的關(guān)系問題，比如車道跟蹤、車流量監(jiān)控、變換車道、自主泊車等，最后就是車輛與環(huán)境的關(guān)系，比如沙塵暴、霧霾、夜晚、行人路段避讓，包括緊急目標(biāo)避讓等，這三個方面都是大家熟悉并關(guān)心的問題。還有無人機系統(tǒng)，目前國際上已經(jīng)有多家公司投入巨資研發(fā)載人無人機，此外無人機在軍事領(lǐng)域的應(yīng)用更是非常廣泛，具有代表性的比如全球鷹、捕食者和這里提到的軍用納米無人機、殺人蜂無人機等。

人工智能理論與工程技術(shù)的發(fā)展，賦予了無人系統(tǒng)更大的力氣，比如Sarcos公司的Guardian GT機械手可以輕松舉起500公斤的重物；更靈巧的手，比如可以代替人做外科手術(shù)的Surgical Robots；更明亮的眼睛，比如代表計算機視覺與VR技術(shù)前沿成果的微軟Holograms；更聰明的大腦，比如日本本田公司的機器人Asimo等。在機械技術(shù)、控制技術(shù)、計算機視覺技術(shù)、大數(shù)據(jù)分析和神經(jīng)網(wǎng)絡(luò)技術(shù)的交叉融合下，無人系統(tǒng)及其應(yīng)用得到了飛速發(fā)展。

無人系統(tǒng)發(fā)展得如此迅速，它是否存在瓶頸？瓶頸在哪里？我們以無人機系統(tǒng)為例來討論一下。美軍的無人機序列非常完備，包括大型的全球鷹、捕食者，中型的大渡鴉，再到超小型的黑蜂無人機。隨著材料科學(xué)的發(fā)展，又出現(xiàn)了納米無人機，總重量只有259毫克，是2019年6月份Nature主刊的封面文章?？梢哉f，未來戰(zhàn)爭將是高精尖機器人的主戰(zhàn)場。

美軍將無人機的自主能力分成了10個等級，第1級是最簡單的遙控引導(dǎo)，最高級第10級是全自主集群飛行。從第5級開始已經(jīng)關(guān)注集群協(xié)同了，無人機群與士兵聯(lián)合作戰(zhàn)，涵蓋了全自動和半自動的情況。

舉幾個無人機智能化的例子。第一個是DARPA正在進行的OFFSET項目，利用多個無人機協(xié)同采集場景信息，可以在30分鐘之內(nèi)重建出2個街區(qū)的三維模型；還有DARPA挑戰(zhàn)賽的FLA輕量級無人機超高速避障，使用的傳感器是雙目可見光和激光雷達，利用小型GPU作為機載計算平臺；還有2013年國際空中機器人大賽世界冠軍，利用全自主無人機執(zhí)行反恐任務(wù)，完成特定目標(biāo)識別、室內(nèi)場景三維重建等。這些技術(shù)都有良好的應(yīng)用前景，比如現(xiàn)在樓宇、礦井的搶險救災(zāi)等都在探討用全自主無人機來執(zhí)行搜索、勘查任務(wù)。例如無人機在北京電網(wǎng)地下管廊0.8～1米狹窄空間內(nèi)，實現(xiàn)電纜溫度的全自主巡檢；還有神華集團錦界煤礦地下礦井的瓦斯?jié)舛热灾鳈z測，人不用下去工作，利用無人機就可以實現(xiàn)全自主巡檢。

想要實現(xiàn)無人機的智能化，工作可以分為三個部分。首先是看場景的紋理、深度信息，常規(guī)應(yīng)用下現(xiàn)有商業(yè)傳感器的采集速度已經(jīng)足夠了；其次是飛，現(xiàn)有硬件控制器的姿態(tài)解算、內(nèi)環(huán)和外環(huán)控制能力已經(jīng)足夠；最后是算，想要無人機系統(tǒng)真正實現(xiàn)全自主飛行，在采集了外界環(huán)境信息后，需要解算自身位置、姿態(tài)并重建外界環(huán)境，然后才能將控制指令發(fā)送給飛行控制器來執(zhí)行飛行動作。在研究的過程中我們發(fā)現(xiàn)，無人機智能化最重要的“算”的環(huán)節(jié)，極大受限于計算平臺的算力。想要更好的計算性能就需要好的計算平臺，這些計算平臺往往重量大、尺寸大、功耗大，而無人機的載荷和續(xù)航能力是很有限的。推而廣之，人工智能技術(shù)最重要的3個方面是算法、算力和大數(shù)據(jù)，三足鼎立里最重要的是要解決算的問題。

光電認知計算的無人系統(tǒng)

大家都知道計算嵌入到我們生活的各個方面，是現(xiàn)代信息社會的基石。計算能力反映社會進步程度，是綜合國力的象征，算力已經(jīng)成為各國科技競賽中最重要的制高點。自從2012年以來人工智能異軍突起，大概5～7年時間內(nèi)人工智能的算力需求增加了30萬倍，對現(xiàn)有計算平臺的算力提出了非常大的考驗?，F(xiàn)在都在做人工智能，算力從哪里來？這是非常重要的基本問題。根據(jù)摩爾定律，集成電路的集成度每18個月要翻1倍，性能提升1倍。而現(xiàn)在電子器件的摩爾定律面臨全面失效，硅基電路摩爾定律5年僅增長8倍，難以支撐人工智能產(chǎn)業(yè)的高速發(fā)展。

一般來說，算力正比于CPU的工作頻率，當(dāng)前CPU的頻率是4個G，物理極限是30個G，芯片的功耗正比于頻率的3次方。CPU的執(zhí)行效率低下，執(zhí)行所用能量僅占9%，而數(shù)據(jù)讀取占比高達35%。因此晶體管的密度激增僅僅帶來功耗的快速增長，而性能增速卻逐步放緩。

想要突破物理極限提升算力，有兩個途徑。一個是從計算并行度出發(fā)，GPU、FPGA等架構(gòu)，核心越多算力越高，但單個核心的功能弱，僅適合算數(shù)運算，不適合邏輯元，僅僅提升了讀取帶寬，而且計算頻率越高功耗就越高。另一個途徑是從模擬生物神經(jīng)網(wǎng)絡(luò)出發(fā)，如類腦計算、神經(jīng)形態(tài)計算等。利用對生物腦機制自底向上的模仿來實現(xiàn)連接即計算。優(yōu)勢是可以像人腦一樣功耗非常低，然而代價就是算力低下?，F(xiàn)在的類腦計算系統(tǒng)IBM的TrueNorth有6400萬個神經(jīng)元，有160億個突觸。我們?nèi)四X由三個腦構(gòu)成，第一個是本能腦，吃喝拉撒都靠本能腦；第二個是情緒腦，它讓人會哭會笑；第三個就是人腦和動物不同的叫邏輯腦，邏輯腦神經(jīng)元大概140億個，有100萬億個突觸，目前所實現(xiàn)的類腦和神經(jīng)形態(tài)計算與人腦數(shù)量相比，相差了多少個數(shù)量級，所以功耗降了，算力也降了，只提高了能效。此外，谷歌的TPU也是從模擬人工神經(jīng)網(wǎng)絡(luò)出發(fā)，算力強、頻率高，功耗中等，但它是針對某個任務(wù)的，一事一議，專用，代價高。

總結(jié)一下現(xiàn)有硅基集成電路的局限性，首先受到晶體管加工物理極限限制，其次散熱極限限制了神經(jīng)元數(shù)目，最后二進制的集成電路構(gòu)架語言限制了它的發(fā)展。比如，我們希望硅基做到7納米，甚至做到7納米以下，到7納米就要開始防止漏電，小于7納米時量子隧穿效應(yīng)就會越來越明顯，容易短路。因此人們開始想起了以前丟失的光計算。光計算和人工智能一樣，也是三起三落。

大家可以看看光學(xué)計算的發(fā)展歷史。人工光電計算是1960年產(chǎn)生的，它的算力非常強，然而硅基的出現(xiàn)把電子計算、光學(xué)計算又棄之一邊，貝爾實驗室當(dāng)時采用砷化鎵光學(xué)做了測試，但是沒有把光計算放進去。直到2012年、2013年光計算開始引起足夠的重視，因為人工智能的發(fā)展需求來了，算力有希望大大提升。因此，2017—2019年光學(xué)計算發(fā)展非常迅速。

光學(xué)計算相比于傳統(tǒng)計算的優(yōu)勢在于保持高效的同時，能以光速進行模擬運算，帶來算力的迅速提升。每單位面積（平方厘米）芯片上，每秒可進行的乘加運算，智能光電計算可以達到3個數(shù)量級的提升，而每次乘加計算的計算效率將會比傳統(tǒng)硅基電路提升6個數(shù)量級。

光場傳播有多個維度，這些維度都可以用來計算。三維受控的衍射傳播，實現(xiàn)全并行光速計算，那么高維光場信號可以帶來前所未有的帶寬通量，采、存、算一體結(jié)合材料科學(xué)實現(xiàn)小型化，所以以光學(xué)作為計算手段，能夠帶來新的顛覆性革命。這種顛覆性革命包含幾個方面：①范式顛覆：采集與計算無縫銜接，突破存算分離的速度制約；②速度提升3個數(shù)量級，計算頻次達到1THz，遠遠超過GHz電子芯片頻率；③功耗降低百萬倍。

我們團隊做了全光神經(jīng)網(wǎng)絡(luò)的模型和架構(gòu)，首次通過光的衍射屬性，構(gòu)建了多層全光學(xué)的光速計算神經(jīng)網(wǎng)絡(luò)，并且通過三維打印的方式進行物理實現(xiàn)，非常簡單易行。

在傅里葉域光學(xué)衍射網(wǎng)絡(luò)方面，我們設(shè)計了光學(xué)傅里葉域的計算系統(tǒng)，在可見光波段進一步減小元件尺寸，并且融入光學(xué)非線性，實現(xiàn)二維圖像的語義計算。每秒1萬幀圖像，人眼難以分辨，利用光拍攝時，就變得非常容易實現(xiàn)。在這里面國際同行也做得非常漂亮，比如，2017年MIT就實現(xiàn)了干涉光學(xué)神經(jīng)網(wǎng)絡(luò)，采用的方式是相位調(diào)整加波導(dǎo)干涉，引起同行大量關(guān)注，目前已經(jīng)做到深度學(xué)習(xí)中的矩陣運算。另外，德國明斯特大學(xué)和英國牛津大學(xué)、?？速愄卮髮W(xué)，解決了線性和基本非線性的問題，得到了非常重要的突破。這些成果就給了我們新的啟示和工作方向，干涉光學(xué)網(wǎng)絡(luò)和算力光學(xué)網(wǎng)絡(luò)在每平方毫米所產(chǎn)生的神經(jīng)元計算數(shù)量變得非常少，所以現(xiàn)在已經(jīng)進入新一輪光學(xué)芯片的競賽，開始增加其算力。

我們希望能夠在干涉衍射情況下再加上非線性，這樣一來每平方毫米的神經(jīng)元個數(shù)可以達到10的5次方，而計算效能能夠達到10的23次方，提高的數(shù)量更大，性能更高。因此，光電計算能夠給未來的工作帶來非常大的突破。大家可以看到，如果有光計算就可以將數(shù)據(jù)的采集、計算和感知放在一起，突破現(xiàn)在采、算分離的局限性，達到更快速度。

未來的光電計算能夠給人工智能領(lǐng)域帶來顛覆性的突破，尤其是無人系統(tǒng)的發(fā)展?，F(xiàn)在很多無人系統(tǒng)的計算都要放在云端，借助光電計算就可以實現(xiàn)超小型智能武器、智能仿生的機器人、微型修理機器人，尤其是光電計算的自動駕駛。自動駕駛最難的就是200～300米的深度估計，在我們車速限速120公里每小時的情況下，只有使用光電計算才能夠?qū)崿F(xiàn)駕駛場景的實時感知，為自動駕駛的發(fā)展提供重要的支持。所以說，光電認知計算的無人系統(tǒng)將會更快、更小和更加的智能！

（本文為戴瓊海院士在2019第九屆中國智能產(chǎn)業(yè)高峰論壇上的主題演講）

專家簡介

戴瓊海，1964年12月生，上海市人?，F(xiàn)任清華大學(xué)教授，清華大學(xué)腦與認知科學(xué)研究院院長。2017年當(dāng)選中國工程院院士。長期致力于立體視覺和計算攝像理論、關(guān)鍵技術(shù)研究與人才培養(yǎng)，主持承擔(dān)了國家科技部重大基礎(chǔ)研究項目和國家基金委重大儀器項目，在立體視覺、三維重建和計算攝像儀器等方面做了基礎(chǔ)性和開拓性工作，獲國家技術(shù)發(fā)明獎一等獎、二等獎和國家科學(xué)技術(shù)進步獎二等獎各1項。培養(yǎng)研究生及博士后近百名。