编者按:2018年8月底“THE NEXT下午茶”英特尔召集了AI和5G领域多位专家,包括:英特尔中国研究院院长 宋继强、英特尔中国区通信技术政策和标准总监 邹宁、东南大学移动通信国家重点实验室主任 尤肖虎教授、清华大学计算机系教授及博士生导师、人工智能专家 邓志东教授,通信世界总编辑 刘启诚和至顶网总编辑高飞也作为媒体专家共同相聚一堂,一次头脑风暴,一场产学研思想碰撞,品茶共叙AI与5G的乘法聚变,探讨IT与CT真正融合。
1837年,一封“上帝创造何了何等奇迹!”的电报,拉开了通信时代的帷幕。
1946年,计算机出现,人类处理数据的能力带来指数级的提升。
而在1969年,当计算能力、通信能力这两项技术首次握手,就为人类社会带来惊人的改变。 Arpanet网络(Internet的前身)的出现,将信息处理能力和通信能力连接,一个前所未有的互联网时代开始了。
在这之后,通信能力和计算能力的每一次融合,都带动了一个新产业的出现。
2003年,随着计算机的微型、可移动化技术发展和无线网络技术的进步,英特尔在笔记本电脑里加入无线芯片,迅驰笔记本发布,移动办公产业开始兴旺发展,在餐巾纸上写点子的创业者变少了,在星巴克里写商业计划书的人多了。
2007年,乔布斯掌舵的苹果 iPhone在通信设备里增加计算能力,直接催生出了手机应用商店,和移动互联网产业。
历史已经证明,每当计算与通信技术发展到一定阶段,两者就会产生一次技术融合。这不是简单的技术相加,而是融合聚变,创造出新的技术物种,创造一个全新的产业空间,如同之前的互联网和移动互联网。
虽然未来难以预测,但是有些事物已经出现苗头。与传统汽车相比,自动驾驶车辆就具备新物种的要素。
当车联网、自动驾驶、信息共享技术成熟,将AI驱动的汽车通过5G纳入到智慧交通乃至于智慧城市这个大的网络平台中,我们就看到了一个释放社会生产力的新物种,将大量的人类驾驶员从驾驶中解放出来。
我们简单做一个计算,假设每天上路5000万台汽车,其 5000万个驾驶员每天开一小时车,就是5000万小时。如果有了自动驾驶,这5000万小时折算后节省下来差不多5000年可以用于娱乐和工作。如果自动驾驶得到突破,会催生更多的无人系统,节省更多的人类时间。
5G网络作为基础设施,从为人服务到转变成同时为物服务,存在重大技术突破。AI技术既然是基本使能技术,几乎在每一个领域都可以找到AI的应用,在5G领域同样如此。
不同于过去2G到4G时代重点关注移动性和传输速率,5G不仅要考虑增强宽带,还要考虑万物互联、未来需求多样化、关键技术多样化、演进路径多样化等多个维度。5G需求也变得十分多样化,技术和演进路径自然也复杂了很多倍。
当前运营商网络复杂度越来越高,数据的流量呈爆炸性的增长,用户流量爆炸性增长,现有的网络设备没办法满足用户的数据爆炸。因为网络复杂度增加,运维、网络建设成本都大大增加了。尤其5G不仅是连接人与人,而且是连接物与物,现有的网络维护和管理方式还是人工干预的方式,已经没有办法适应5G时代网络的需求。
因此5G需要“自能”化的管理。自主的进行连接路径选择、自动的进行网络连接健康状态分析,甚至是对已知故障自己进行修复的能力等等。利用AI的自主学习、数据分析等技术特长,赋予5G“自主”、“自能”的能力。
5G从边缘到云端的连接是迄今可以遇到的最理想的连接。通过5G的连接,将决策、规划部分放到云端处理,从边缘端到云端加倍赋能,让AI的算法有能力提取出相应的关联并提升自己;个体得到提升之后,通过5G网络和云端大脑,能力将快速分发到其他个体。
还以自动驾驶为例:汽车只是一个智能节点,它会与智慧交通甚至智慧城市的AI通过5G进行连接。汽车的行车路线规划、时速、启停均可受到智慧交通的AI统一管理。车辆传感器会将行车过程中的路况信息及时与智慧交通AI进行同步。当有紧急或意外情况发生时,车辆AI主动进行控制,同时向智慧交通AI实时进行汇报,以便等候进一步的处理指令。而智慧交通AI则会向其它相关自动驾驶车辆进行信息同步,并产生进一步的自动控制。
也就是说,AI与5G结合之后,机器将产生类似于群体智慧的能力,对整个社会带来价值。也将催生网络本身自适应能力的要求,这是一个互促式、螺旋式发展的新机会。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。