高性能计算、数据爆炸到深度学习，从热点话题变换看计算机行业的发展

文章来源：老客SEO 作者：老客SEO 人气：15 2019-08-03 21:01:26

前言

吴晓波在《激荡三十年》中这样描述一个国家里辉煌的三十年：“它承载了太多人的光荣与梦想，它是几乎一代人共同成长的全部记忆”，“当这个时代到来的时候，锐不可当。万物肆意生长，尘埃与曙光升腾，江河汇聚成传，无名山丘崛起为峰，天地一时无比开阔。”

时代车轮向前，2008 到 2019 又已过去十年，以信息和通信技术为基石、人工智能为使能的第四次技术革命引领着人类社会迈向万物感知、万物互联、万物智能的世界。在我们的个人生活、商业和社会形态等领域掀起前所未有的变革。

其中风起暗涌，让我们跟随 CNCC 年度话题中探寻。

一、不可思议的高计算能力

——1970 年，Intel4004 处理器每秒可以处理 92000 条指令，而相比我们现在的普通手机，每秒处理 10 亿条指令，电脑也越来越强大，能够存储越并处理这些庞大的数据。

1999 年，NVIDA（英伟达）公司首先推出了 GPU，主要用于处理游戏中每秒产生的大量的帧数数据。专家们发现，将 GPU 加入深度学习的架构中，赋予其训练神经网络的能力，可以执行大量任务的并行计算能力，能更迅速的处理各种各样的任务。GPU 让深度学习系统有能力完成几年前计算机不可能完成的工作，比如房屋地址识别、照片分类和语音转录。有 10 亿个连接的 GoogleX 项目，训练人工神经网络的时候使用 1000 台电脑和 16000 个 CPU。然而在同等工作量和时间下，装备了 64 个 GPU 的 16 台电脑就可以运算出结果。

让人工神经网络快速运行是很困难的，因为成千上万的神经元要同时互动。取决于任务种类，有时候使用传统的中央处理器（Central Processing Unit,CPU）运行神经网络需要几周才能出结果。然而用图形处理器（Graphics Processing Unit,GPU）, 时间能大大节省，同样的任务只需要几天或者几小时就可以出结果。

代表论坛：

中国计算机事业创建五十周年纪念大会暨 2006 中国计算机大会的“千万亿次计算机”主题，报告人：孙凝晖：中科院计算所研究员；祝明发：联想集团首席科学家；谢向辉：江南计算所研究员；王恩东：浪潮集团高级副总裁向社会揭示了先进的算力器。

在 2011 年中国计算机大会深圳高性能计算论坛:George Cai-Intel Inside HPC - Architecture and Challenges；唐志敏 - 可持续的高性能计算；王恩东 - 高效能计算机架构与应用创新；谢强 - Kepler GPU 体系架构与 E 级超算的挑战再次论道高性能计算发展。

高计算能力发展作为计算机技术的基石，伴随着摩尔定律，其不可思议的发展速度让计算机行业日新月异。

二、爆炸的数据量

——根据 Cisco(思科) 同济，1992 年全球互联网流量是每日 100GB，而到 2015 年的时候，流量已经达到了每秒 20235GB，现在全球九成的数据都是在过去两年生成的。

互联网的爆发让大数据变成了可能，为火热的人工智能模型训练提供了充足的原材料。这些大数据是训练深度人工神经网络里上百万的神经元和权重的前提。用数据构建神经网络的最好例子是上文提及的 Google X 的一个项目。2012 年 6 月，Google 展示了当时最大的神经网络之一，其拥有超过 10 亿个连接，启用了 16000 个 CPU。有斯坦福大学计算机科学教授 Andrew Ng 和 Google 研究员 Jeff Dean 带领的团队给这个系统展示了 1000 万张从 Youtube 视频中选择的图片，这种图片数据量在十年前是想象不到的。

代表论坛：

2013 中国计算机大会以“数据空间，放飞梦想”为主题，重点探讨大数据领域的学术、技术以及应用问题，以及移动互联网等业界关心的问题。上海交通大学梅宏等两院院士在大会的主题论坛“大数据”上演讲，阐述大数据对计算领域和社会产生的深远影响并探讨业界对大数据的解决之道。

2014 CNCC 主题“信息安全，数据为先”，探讨在互联网时代、大数据背景下的信息安全所面临的全新挑战和亟待解决的问题。

数据使用、数据治理再到数据安全，是行业对于数据爆炸本身的再审视。

三．算法不断突破（尤其是深度学习）

——科技企业、风投资本以及各国政府，都在大力支持人工智能，机器学习作为人工智能的主要技术手段，吸收了高达六成的投资份额。

深度学习

2006 年，Hinton 在 Science 和相关期刊上发表了论文，首次提出了“深度信念网络”的概念，这种分阶段两部训练技术的运用大幅度减少了训练多层神经网络的时间，让深度学习从边缘课题变成了谷歌扥互联网巨头依赖的核心技术。机器学习方式尤其是深度学习领域的突破。机器学习的手段是让电脑从大量的真实经验、信息和案例中学习，然后会像人类一样吃一堑长一智，在以后遇到同样的问题时，电脑就有能力用学习到的经验做出准确的判断。2017 年 10 月，关于深度学习的未来，被誉为深度学习始祖的 Hinton 交出了“胶囊网络”（Capsule Network）的研究成果尝试解决泛化问题。

强化学习

当深度学习和强化学习结合后，对现实情况的枚举变成了首先对现实情况做模式识别，然后对有限的模式进行枚举，这就大大减少了计算量和存储代价。这种学习方式也更接近人类思维的模糊判断的特点，被认为是人工智能领域接下来的几年里最值得关注的技术。强化学习随着人机围棋大战机器的胜利被推上学术研究热点。

对抗性神经网络

不管是深度学习还是强化学习，目前主要的机器学习手段还是依赖大量的数据进行分析和系统训练。2014 年，蒙特利尔大学博士生 Ian Goodfellow 突然想到了这个问题的答案——“对抗性神经网络”GAN，数字版的猫鼠游戏模型互相拼杀。

Hinton 表示：“在机器学习这个领域，很难预测五年以后的事情，不过可以确定的是，这仅仅只是开始。”，伴随着算法的更迭，更多的人工智能创业团队不断的在寻求商业落地。

几乎每场论坛，产业对接都是最受关注的议题：

如今，机器学习也被广泛开出各种商业用途。互联网广告实现投放，在图片中辨识和标记好友，把语音转化成文字或者将文字转化成语音，把网页上的文字翻译成不同的语言，还有无人驾驶，都是深度学习的支持。除此之外，很多我们没有想到的地方也能找到深度学习的影子。信用卡公司用深度学习来做反欺诈测试，医院和实验室使用深度学习来测试、确诊和治疗疾病。自动化流程性能的改进。

总结：

2003 年，CNCC 首届大会于在北京国际会议中心举办，14 个领域的分会场学术论文，大会主题：计算机改善人类生活到 2010 年“网联世界计算无限”注册参会者首次突破 1000，彰显着那五年间越来越多的人开始投入这个行业，同行学者越来越关注中国计算机大会。

作为一个学术组织，CCF 也开始承担越来越多的社会责任。为了让更多的学者参加中国计算机大会，2010 年 CCF 首次设立特别资助他们参加中国计算机大会。2012 中国计算机大会的博士生培养论坛，殷建平向社会各界人士分享如何培养高水平创新型研究生，社会开始关注更加规整和健康的人才培养体系。2015 年 CCF 会议期间，举办 CCF 优秀大学生奖颁奖仪式，来自 60 多所高校的百余名优秀本科生接受表彰。

2019 年 CNCC 围绕“智能+——引领社会发展（AI+——Leading the development of society）”主题确定 keynote 报告人及相关会议内容。CNCC2019 大会论坛主要围绕互联网 50 年、工业互联网、深度学习三个主题展开讨论及探讨，开设量子计算：从理论到实践、类脑计算论坛、AI 赋能社会，公平伦理与责任自治等 51 个话题分论坛。