“人工智能像是一面透镜，通过它一方面可以看到思维，但另一方面它也将思维是如何工作的秘密深锁在里面。”这是人工智能领域的开拓者之一、图灵奖获得者Marvin Minsky的观点。不可否认的是，AI正在推动人类进入一次划时代的技术革命，医疗AI的病情诊断、警务AI的罪证分析、工业AI的产线检测……智能化的影子几乎无处不在。然而就如Minsky所言，AI的另一面也在人类试图窥视它的时候构筑了无形的壁垒，深度学习的不可解释性即是如此。
既然这样，人们就有理由打破单一维度的智能模型，引入多维的人类思维，从而摆脱人与机器当前割裂的自治状态。在8月25-26日举行的首届中国认知计算与混合智能学术大会上，联想副总裁、联想研究院技术战略与创新平台总经理王茜莺博士提出了混合智能的概念，认为人类已经进入了一个新的人机混合智能时代，人与机器将形成新的合作关系。同时，联想还发布了自主研发的深腾X8810E平台，展示了HPC+AI深度融合的行业实践。
联想副总裁、联想研究院技术战略与创新平台总经理王茜莺博士
“人机混合智能是一种新型智能形式，不同于人的智能，也不同于传统意义上的人工智能，是跨物种、跨属性结合的下一代智能科学体系。在这个体系里，机器擅长的记忆、人机混合智能时代是利用了机器长处，记忆、吸收和关联，与人的一些长处——推理、判断和规划优势相结合，共同创造更加智能的世界。”王茜莺说。
混合智能重新定义AI
人类多维度思考的价值在于知道自己要做什么以及如何做，并且会利用思维在数以万计的可能性中做出独立的行为判断。当前，绝大多数的AI应用都是以此为导向来设计的，例如HPC在科研、医疗、气象等领域的模拟和运算，机器的计算能力远非人类可比。再如，投资银行会用AI来构造风控模型、车企会用AI来指挥GPS，不会分心的AI在精准度上也要胜人类一筹。不过，就像IBM曾经预测的那样：现有技术条件下，晶体管的发展不可能突破分子尺度。换言之，传统AI已经难以靠堆性能取得突破了。
从“深蓝”到AlphaGo的20年就像是AI发展的缩影，可以看到AI的“战队”中出现了越来越多的人类帮手。例如在数据标准工厂中，工人会帮机器标记出数据类型、建立更好的模型，而这些人也有了一个新称号——AI训练师；在呼叫中心，如今90%的响应都可以由机器处理，外呼系统也更多地由机器代表人对外呼叫；在医疗院所，谷歌的AI系统可以为50种眼疾推荐治疗方案。无论是人协助机器还是机器协助人，都可以得出一个结论：人与机器的联系越来越紧密。
王茜莺谈到，人机混合最关键的问题是介入问题，“之前大家谈人工智能一直是和人的智能对立的，其实这两件事应该是相辅相成、相互帮助的。我更愿意看成是一个体验问题或者说人和机器相处之道的问题。到底是在何时、何处、用何种方式介入，比如歧义点或者问题关键阈值介入的反应、时效和准确率之间是什么样的平衡关系。”
具体到混合智能的应用场景，算法、数据和算力则是关键三要素。“混合决策和数据标注分别对应了算法和数据量要素，强大的计算力也为人机混合智能奠定坚实基础和构建了强大保障。”王茜莺表示，“从算法角度来看，增强智能可以把深度学习变成可解释、可管理的算法，数据标注让结构化数据和单模态数据依赖慢慢兼容更多非结构化数据和多模态数据。从算力角度来看，多种形式异构AI硬件和各种场景，各种AI硬件能够在不同使用情况下最大程度地发挥计算力效能，支持了算法的高效运行和数据价值的充分利用。”
联想智慧转型三要素
围绕算法、数据和算力，联想构建的智能化战略通过研发智能终端、帮助行业客户成立智能数据中心、提供大数据平台及行业智能解决方案，推动着AI在各领域的应用。预计到2020年，全球的联网设备会超过500亿台、每个人每秒产生的数据达到1.7兆，如果能够平均提升10%的数据可获取性、可使用性，就可以获得超过6500万美元的纯收益。
这一预测有据可依。联想的供应链系统遍布全球，拥有数以万计的服务站，过去要想统计有多少服务备件送到不同站点、每款产品和机型对应的备件要支持多少是很困难的事情，毕竟备件少了调配速度慢会影响用户体验，备件多了会增加仓储和成本的压力。去年，联想借助专家和机器模型对全球供应链系统的数据进行了深度整合，新系统仅2018年上线一个季度就在服务备件这一项上节省了700万美元。未来，联想还会结合气象等领域的信息加强数据模型的精准度，包括判断出哪些备件在潮湿的情况下损耗率会提升等问题。
算法层面，联想不仅成立了专门的人工智能团队，还持续在自然语言处理、计算机视觉、机器学习、知识图谱等领域加大投入，推出了预集成算法框架和训练模型的智能超算平台LiCO，后者在HPC软硬件平台上整合支撑了各种深度学习应用，支持Tensorflow、Caffe、MXNET等主流的人工智能框架。此外，联想还将基础算法与应用创新紧密结合，促进了行业智能化。例如借助自研的分布式训练系统Letrain，联想提供了高度集成的PaaS平台，可以落地教育行业在教室场景中通过核心计算引擎对学生的关注度、面部表情进行分析，提升教学研的质量和效率。
过去几年，联想研究院更加注重在AI核心算法和引擎方面的合作，与高校联合进行了算法等基础层面的研究工作。“在国内，我们和东南大学、华南理工大学、华东师范大学、北京师范大学有了初步合作，在海外，我们和麻省理工学院、斯坦福大学也有一些合作，我们希望更好地利用联想研究院和高校之间的互动关系，做到多方共赢，帮助联想在人工智能领域的布局快速积累力量。”王茜莺介绍称。
至于计算力，则是联想一直以来的优势项目。早在2001年4月，联想就成立了高性能服务器事业部，相继研发出中国第一个万亿次、四万亿次、十万亿次、百万亿次的超算集群。从深腾1800到深腾X8810，再到深腾X8810E，联想的超算平台已经走进了全球前25所研究型大学中的20所。在德国慕尼黑国家超算中心，联想交付的莱布尼茨实验室共有6500个节点，主要用于地震、海啸等自然灾害的模拟；马来西亚国家气象局，联想帮助其天气预报精度从3公里缩小至1公里内、预测周期缩短至3天，相当于提升了至少30倍的计算力；在北京大学，联想交付的高性能校级平台“未名一号”初期提供了196个节点，借助45℃温水水冷技术将PUE控制在1.1，为北大节省了50%的制冷散热成本，每年节省60万度电。
HPC+AI融合演进
在今年6月公布的ISC TOP500中，联想以117套的份额成为首家在该榜单中问鼎全球第一的中国厂商。这意味着，联想已成为全球最大的TOP500超算平台提供商，约每四套系统中就有一套来自联想的解决方案。还记得笔者在去年11月采访联想集团执行副总裁、数据中心业务集团总裁Kirk Skaugen时，他定下的目标是2020年成为全球超算厂商第一名，目前来看提前两年实现了。
而深腾X8810E平台的发布，无疑将加速联想HPC+AI战略的融合发展，这种演进主要体现在五个方面：“海王星（Neptune）”温水冷却技术、新一代智能超算平台LiCO、DSS存储、GPU Server、Leap大数据平台。“海王星”系统采用了Direct-to-Node温水水冷、后门热交换器、以及由空气和液体冷却组成的混合冷却技术，这些技术由联想的能源感知运行管理软件系统（EAR）进行管理，该软件可以优化系统，提高从组件到机箱的整个系统的能效和性能。这种新型的液冷散热系统比当前的空气冷却系统仅贵2%，但是却能够让数据中心运行效率提升50%，并且有效减少了数据中心的占地面积。
随着GPU和TPU在AI领域的应用越来越广泛，性能需求的攀升使得传统的空气冷却系统难以达到理想的冷却效果，深腾X8810E正是为了满足计算资源密集的AI工作负载而生。联想数据中心业务集团教育行业总监蔡斯扬表示，深腾X8810E不仅能够承担物理、化学、材料等传统的高性能计算任务，还将全面助力大数据和人工智能的转型。
联想数据中心业务集团教育行业总监蔡斯扬
蔡斯扬透露，即将向南方科技大学正式交付的深腾X8810E将部署815个计算节点，包括5个PB的存储和相应的网络，预计会成为2018年11月的TOP100中，亚洲高校最大的超算集群。此外，考虑到ThinkSystem SD650中的Direct-to-Node液体冷却技术可以将PUE降至1.1以下，相信深腾X8810E在南方科技大学部署后的运行效率和节能指标同样是值得期待的。
结语
HPC与AI相互促进式的螺旋式增长，使得传统算力需要更加智能化，在算得快的基础上如何算得好、算得省力，无形中让AI在商业计算领域成为HPC市场一决胜败的高地。对于联想来说，通过对内将HPC和AI整合为同一个事业部，对外持续升级HPC系统、发布HPC解决方案白皮书、推动HPC+AI在政府、科研、教育、气象、大气海洋、生命科学等行业的加速落地，无疑会再次站在高性能计算技术及应用的潮头。
本文属于原创文章，如若转载，请注明来源：混合智能时代的引领者 看联想HPC+AI如何立于潮头？//smartcity.zol.com.cn/697/6973855.html
