是完全有可能通过硬件来弥补的。
像很多新能源车企都在搞的光学卫星组网,从硬件层面来弥补算法的缺陷,离L4的差距已经很小了。
因此开源这项技术,对老中来说没太大损失,还可以把原本没有那么热衷于搞新能源的阿美利肯、欧洲和霓虹强行拉入到新能源车赛道中来。
油车在无人驾驶上有着天然缺陷。
但如果是像陈元光所说,那从根本上大家的观点都要经过一次重塑。
“元光,我对人工智能技术是彻头彻尾的门外汉,虽然听你们这些专家讲过很多课,但对专业的认识还是和你们有很大差距。
我想问下,它的应用场景有哪些,你可以简单说一下吗?
另外就是在军事领域的话,它能做到什么。”
陈元光说:“HBM是可以进化的。
不同工种的技术难度不同,比如建筑工人、纺织业工人,这类简单机械重复,它是完全能胜任。
司机的含金量稍微高一点,现在来看它胜任的也不错。
对于电工、钳工这些精度要求更高的工种,它去胜任不仅仅需要算法的进化,还需要硬件层面的进化,像负责视觉的摄像头精度的提高,手指上力传感器的精度提高等等。
包括它的大脑算力的提高。
这会是一个整体性的提高。
对我来说,它短期内最大的用途就是月球上的建筑工人,负责构建月球基地。
中期来看,我们的空间站会以机器人为主,负责太空采矿设备的维修和空间站的维护。
军事上,我认为不划算,机器人造价高,执行任务的效率不高,鲁棒性更是严重不足,在我看来,远不如机械狗和无人机。
少数可以用来做抢险救援工作,但本质还是成本问题,从成本来说,它替代司机都太贵了。”
“鲁棒性是指?”
“不好意思,这是指在异常情况下系统生存的能力,可以理解成稳定性。
总之这类精密仪器在战场上稳定性都不好。”陈元光说。
“元光,我原本也是支持技术开源的,但我在听过之后,我会觉得这项技术潜力巨大。
我的想法出现了比较严重的动摇,我想在座很多同僚们想法应该和我类似。
希望你能够帮助我们大家厘清一下技术开源的好处。”
陈元光笑了笑:“本身这也是这次来这里最大的目的。
很多东西通过视频是说不清楚的,面谈是最好的方式。
我想先谈一下,过去围绕人工智能研究,都是尽可能把机器去模拟人。
计算机在很多方面都有优势,最典型的应该要属信号传输速度。
人类神经元的信号传输是一个电化学的过程,它的速度是100m/s,而硅基芯片中的电信号传输速度接近光速的70%,也就是两千万米每秒,拓扑半金属的电信号传输速度就更惊人了,能够接近光速的90%。
而人体神经元在信号传递过程中的误差概率是百分之一,硅基芯片的误差是四十二亿分之一,拓扑半金属芯片的误差还要更小。
芯片在信息处理的速度和精度上有非常明显的优势。
在前两年的时候英特尔有一个神经拟态项目叫Hala point,用了11.5亿个数字神经元去模拟人类大脑。
哪怕用了这么多数字神经元,哪怕硅基芯片和人类神经元比起来有着天然优势,英特尔的Hala point仍然只能处理计算类问题,在神经拟态计算上表现得并不好。
反而是哈佛大学差不多同期做的一个叫Brainoware的项目,在模拟人类大脑上表现的更好。
哈佛的项目是把人类脑细胞和硅基芯片给结合起来,构建了被他们命名为Brainoware的新硬件。
他们先用人类的多功能干细胞培育了大脑类器官,然后整个brainoware一部分用传统的计算机硬件,一部分用这个大脑类器官。