人工智能能不能 (曾安军) (Z-Library)

📄 File Format: PDF

💾 File Size: 27.5 MB

📖 Read Online ⬇️ Download

Registered users can read the full content for free

Register as a Gaohf Library member to read the complete e-book online for free and enjoy a better reading experience.

📄 Page 1

(This page has no text content)

📄 Page 2

(This page has no text content)

📄 Page 3

内容简介 人工智能这门学科一直伴随争议，有人认为人工智能无所不能，也有 人认为它并不神奇。本书试图以冷静的心态、客观的视角、求实的态 度、基于逻辑的思考，通过对人工智能的全面审视和深入剖析，系统 阐述人工智能究竟是“能”还是“不能”。 本书介绍了人工智能的现状和基本概念，并介绍了一系列关于人工智 能的创新性见解，如人脑智能、人脑基本能力模型、机器智能、智能 机器等，并重点论述了人工智能未来的潜力和局限性。 本书适用于想了解人工智能的读者，以及从事人工智能研究但需要创 新思维的科研工作者。

📄 Page 4

前言 20世纪90年代初，我读博士的时候，神经网络风靡一时。作为初涉科 研的菜鸟，我自然也想追赶热潮，因此看了很多神经网络相关的文献 和著作，也阅读了许多人工智能方面的资料。说实在话，虽是数学专 业出身，但我当时看不懂大部分神经网络方面的论文。很多有关神经 网络的概念和论述缺乏基本的严谨性，推导的前提不清楚、符号术语 没有明确的说明、推导过程不规范、推导的结论缺乏明确的应用。当 时我对神经网络的总体印象是不太可信、也没有实用性，为此，并没 有进行长期研究。后来，大概有约二十年的时间，神经网络和人工智 能似乎销声匿迹了，连以前在图书馆常常能看到的有关神经网络的学 术期刊好像也不见了踪影。 这几年，人工智能和机器学习相关的信息突然变得异常热门，媒体上 充斥了大量的文章，期刊也经常刊登与人工智能有关的论文，各领域 都在研究人工智能，各行各业的许多学者纷纷成为人工智能方面的专 家，这使我不禁感到自己可能已经落后于时代。在这种情况下，我只 能迅速购买一堆人工智能和机器学习的书籍，认真地阅读和研究。 近两年来，我读了很多有关人工智能和机器学习的资料，这本书可以 说是阅读资料后的一点感悟，一方面，它是我对所阅读资料的总结； 另一方面，它也包含了我对人工智能和机器学习的一些思考和初步看 法。 今天的人工智能和机器学习与二十多年前相比有了长足的进步，也取 得了实质性的成果，未来也有很大的发展潜力。但令人遗憾的是，作 为一门技术学科，除了神经网络取得了重大突破，其他基础理论并没 有实质性的提高，取得的技术成果不能满足公众过高的期望。更令人 担心的是，一门技术尚未具备坚实的理论基础却被过度热捧，可能会 导致业内的科研人员无法集中精力研究关键的基础技术。

📄 Page 5

本书试图以冷静的心态、客观的视角、求实的态度和基于逻辑的思 考，对人工智能进行全面审视和深入剖析，提出了一系列个人的认 识、观点和思路，并以此为基础，对人工智能未来的发展潜力和人工 智能难以实现的能力进行详细的分析和评估。这样做的目的一方面是 希望进一步夯实人工智能的发展基础，另一方面是希望为人工智能的 发展提出一些新的思路。需要特别说明的是，书中所论述的人工智能 的各种“不能”，其目的并不是要浇灭人工智能这把熊熊燃烧的烈火， 而是为当今的人工智能热潮泼一点冷水，以确保其稳定的发展。 本书的创新性观点主要包括如下内容。 （1）深入剖析了人工智能的实质内涵，指出人工智能本质上是一种 为机器赋予智能的技术，而不是一种专门的科学理论，这对统一学术 界对人工智能的认识、加速人工智能的发展具有重要意义。 （2）建立人脑的输入信息模型，提出了信息汁的概念，并根据各类 信息的特点，将信息汁分成七种类型，这对机器智能技术研究模拟、 表达和处理人脑中的信息具有积极作用。 （3）建立人脑能力清单BI8.18模型，将人脑的能力分为8大类，共18 种要素级能力，并提出机器智能技术的主要使命应聚焦于研究如何用 机器模拟人脑的要素级能力，这对于厘清人工智能技术的边界和内 涵、引导人工智能领域中各种技术方法的研究具有建设性作用。 （4）基于机器智能能力清单MI8.16模型和机器智能所依托的算法+信 息+计算的技术架构，提出机器智能技术的新概念，认为机器智能技 术的重点是解决为机器赋能的通用技术。并以此为基础，深入分析面 向机器智能的信息模型和赋能机器的技术途径，梳理出机器智能的技 术体系图。这一成果可使研究人员将自己的研究资源和精力聚焦于某 个机器智能的技术分支上，有利于推动智能化技术的有序发展。 （5）提出智能机器技术的概念，认为智能机器技术是利用机器智能 技术设计和制造智能机器的技术。在此基础上，将人工智能划分为机 器智能技术和智能机器技术，前者侧重于为机器赋能的通用技术，后

📄 Page 6

者侧重于具体的智能机器的实现技术。这两种概念的提出可使人们更 易于理解人工智能。 （6）提出自动驾驶汽车的成长路线图，这对推动自动驾驶汽车行业 的发展、推广自动驾驶汽车的应用具有一定意义。 （7）提出通用智能等级分级标准和智能等级分类分级表示方法，使 人们对智能机器的智能化程度有了统一的评价标准，这对人们认识智 能、接受和应用智能机器具有推动作用。 （8）对人工智能的内涵进一步拓展，可引导人们开拓新的技术领 域，并将各种人工智能的概念归化为统一视图，有助于人们对人工智 能开展深度思考。 （9）通过分析机器智能的技术架构的局限性，基于严密的逻辑分 析，明确提出人工智能不可能具备的能力。 （10）在深入分析ChatGPT工作原理的基础上，提出ChatGPT可能面 临的问题。 （11）通过深入分析人工智能所具备的潜在能力，对人类未来的发展 进行科学预测，揭示世界将逐步进入过剩经济时代。 本书是第一本论述人工智能是否无所不能的著作，这在人工智能火爆 的当下，似乎显得有点与众不同，但这又何尝不是本书的一大特色 呢？本书的主要特色可大致总结为：以幽默诙谐的风格介绍严谨的技 术，以通俗易懂的语言阐述深刻的奥秘，以大胆创新的思维提出原创 的观点，以严谨理性的方法预测人工智能的潜力，以异于常人的视角 展望人工智能的未来。 本书分为七章。第一章分别从学术界、媒体、企业、政府等多视角介 绍人工智能当前火热的现状。第二章介绍了不同人群对人工智能提出 的疑问，包括疑问论、怀疑论和恐惧论。第三章主要阐述了人工智能 的基本概念，包括来自不同领域的各种观点和看法。第四章是本书的 重点，也是本书后续各章节思想和结论的理论基础。在本章中，提出

📄 Page 7

了一系列关于人工智能的创新性见解，包括人脑智能、人脑基本能力 模型、机器智能、智能机器、智能等级模型等多种概念和观点，并提 出广义人工智能和狭义人工智能的概念，将各种不同的人工智能概念 统一在一个框架之下。第五章介绍了未来人工智能可能具备的潜力和 可能带来的负面效果。第六章介绍了基于现有技术架构的人工智能具 有的局限性。第七章基于本书提出新概念和新观点，对未来的智能机 器和人类的未来进行了展望。 人工智能是一门极其复杂的技术，如何看待人工智能及其未来的发 展，目前很难形成一致的观点，因此，当前正是百花齐放、百家争鸣 的好时候，特别需要学术界提出不同的观点，供大家共同研判和思 考。本书的主要目的就是抛砖引玉，给大家树一个可供肆意敲打的靶 子，对错与否可以争论，批评质疑也可接受，只期待在大家热热闹闹 地争吵过后，能促进人工智能技术再次迈上一个新的台阶。

📄 Page 8

第1章 AI之火 近年来，人工智能（Artificial Intelligence，AI）发展十分迅速，但真 正让AI火起来的是2016年3月15日，谷歌公司开发的AI机器人阿尔法狗 （AlphaGo）以碾压的姿态战胜了当时的世界围棋冠军李世石。围棋被 认为是最复杂的棋类游戏之一，李世石是多次获得世界冠军的顶级围 棋选手。之前人们普遍认为AI机器人战胜人类至少是10年后的事情， 但这次比赛的结果使职业围棋界对AI刮目相看。AI仿佛一夜之间变成 最热的风口，与AI相关的企业、产品、概念都喷涌而出。热潮之下， 各路资本和行业巨头纷纷入局，各国政府也闻风而动，科技界更是摇 旗呐喊。 1.1 热点纷呈 1. 阿尔法狗 继阿尔法狗战胜李世石之后，2017年5月，在乌镇举行的一场围棋比赛 更是引起了广泛关注，人们似乎很希望通过这次比赛赢回人类的尊 严。这次比赛的两位选手分别是我国天才围棋少年柯洁和阿尔法狗， 比赛的结果是阿尔法狗以3∶0完胜柯洁。后来柯洁在采访中表示，“自己 在被阿尔法狗以2∶0领先后，彻夜未眠，一直在想如何才能赢了它，猜 测它会不会有什么漏洞。结果在第三局中，还是输了，阿尔法狗真的 太完美了，它下出了让我感到寒冷、感到绝望的一步棋。”在连胜两大 棋王以后，阿尔法狗再无人可敌。作为当时世界排名第一的围棋选 手，柯洁表示再也不和机器人下棋了，一时令许多棋迷唏嘘不已。但 后面的发展让人们彻底信服了，因为新一代阿尔法狗彻底抛弃了人类 棋谱，已经可以反复进行自我对弈来提升自己的水平。这款被命名为 AlphaGo Zero的新一代阿尔法狗在训练3天后，便以100∶0的成绩完胜 当初击败韩国顶尖围棋棋手李世石的阿尔法狗。AlphaGo Zero在训练

📄 Page 9

40天后，进行了约2900万次的自我对弈，再次以89∶11的结果轻松击败 了在不久之前战胜柯洁的阿尔法狗。这一结果让无数人不禁感叹，围 棋已经是AI完全掌控的领域了。 2. 波士顿动力机械狗 波士顿动力机械狗（Boston Dynamics BigDog）是一种动力平衡四足 机器人，由波士顿动力公司、哈佛大学康德菲尔德研究站等机构于 2005年开始研发。波士顿动力机械狗长1米，高0.7米，重75千克，几 乎相当于一头小骡子的体积，目前能以每小时5.3千米的速度穿越粗糙 地形，能负载154千克的重量，并爬行35度的斜坡。波士顿动力机械狗 是由装载在机身上的计算机控制的，这台计算机能接收机器上各种传 感器传达的信号。图1.1是波士顿动力公司开发的一种可穿越障碍物的 机械狗。 图1.1 可穿越障碍物的机械狗

📄 Page 10

2008年3月18日，波士顿动力公司发布了一段有关新一代机械狗的视 频。在这个视频当中，新一代机械狗能穿越结冰地面，并且能在被侧 踹之后迅速恢复平衡。 2021年4月14日，据外媒报道，在面向大众出售之后不到一年，一个名 为“Spot大黄狗”的机械狗，被一位幽默与才智兼具的YouTube小哥成功 训练出向杯子中倒啤酒的能力。 2022年3月22日，据外媒报道，波士顿动力机械狗“斑点”被“招募”，用 于帮助消防员执行搜救任务。 2022年4月，波士顿动力公司面对大众公开发售一款产品。这只波士顿 动力机械狗掌握了跑、跳、跨越障碍物、拾起重物、开门等动作，特 别适合搬运东西。美国物流企业UPS、服装品牌H＆M已成为它的第一 批正式用户。DHL公司也与波士顿动力公司签订了价值大约1500万美 元的订单。 3. 特斯拉的自动驾驶 汽车革命的上半场是电动化，下半场是智能化。电动化只是改变了汽 车的动力供给方式，并没有改变汽车的性质。智能化才是这场革命的 “主菜”，将给汽车行业带来颠覆性变化。汽车将由传统的机械体变为拥 有强大计算能力的智能体。 在自动驾驶汽车领域，特斯拉凭借自动驾驶仪（Autopilot）、全自动 驾驶（Full Self-Driving，FSD）等自动辅助驾驶功能，不仅在市场上打 败竞争对手，更推动特斯拉从单纯的车企向平台公司和科技公司快速 转型，引领行业潮流。 2013年，马斯克首次公开讨论了自动驾驶系统，并指出“自动驾驶系统 对于飞机来说是一件好事，我们应该把它用在汽车上”。自此拉开了特 斯拉研制自动驾驶系统的序幕。 2014年，特斯拉声称其生产的所有车辆都配备了支持自动驾驶系统的 硬件，并向用户提供自动驾驶服务选项，该选项包括半自动驾驶和自

📄 Page 11

动泊车功能。 2016年8月，特斯拉发布了8.0版本的自动驾驶系统。 2019年4月，特斯拉发布了一个新版自动驾驶系统，该系统支持在高速 公路上行驶，但需要司机监督。 2022年3月，太平洋汽车公司（AutoPacific）发布的消息称，在56个汽 车品牌的评比中，特斯拉以32%的选票位居榜首，被评为“全自动驾驶 汽车领域最值得信赖”的品牌。 对于特斯拉公司来说，Autopilot和FSD选配功能将成为特斯拉汽车的重 要特色。马斯克曾多次承诺，将会向社会推出功能齐全的FSD选配。 4. 苹果公司的Siri助手 Siri是Speech Interpretation＆Recognition Interface的首字母缩写，原 意为语音识别接口，是苹果公司在iPhone、iPad、iPod Touch、 HomePod、Apple Watch、Apple TV、Apple CarPlay等产品上应用的一 种语音助手。用户利用Siri可以通过手机查找信息、拨打电话、发送信 息、获取路线、播放音乐、查找苹果设备等。Siri支持自然语言输入， 并可调用系统自带的天气预报、日程安排、搜索资料等应用，还能不 断学习新的声音和语调，提供对话式的应答。用户可以通过声控、文 字输入的方式，搜寻餐厅、电影院等信息，同时可以直接察看相关评 论。 Siri发布后，类似的语音助手便如雨后春笋般冒了出来，如微软的微软 小娜、百度的小度、小米的智能音箱等。 5. 华智冰 2021年6月1日，中国首个AI虚拟学生——华智冰正式亮相，由清华大 学智谱AI团队、北京智源AI研究院及小冰公司联合培养。

📄 Page 12

据介绍，华智冰不仅形象亲切、言语自然，更会作诗、绘画，以及有 一定的音乐才艺，还掌握了四种舞姿。负责人之一的清华大学教授唐 杰表示，华智冰之所以聪慧动人，主要在于其背后所依托的智能模型 “悟道2.0”，它是中国首个万亿级模型。 清华大学是这样规划华智冰的发展路线的。通过深度学习，华智冰将 真正主体化，她能像自然人一样与人交流互动。这种交流互动基于她 所具备的条理性与逻辑性，而非针对预设问题与答案，检索出既定的 回答或语句。通过深入的理论研究和核心技术的突破，清华大学希望 实现让机器像人一样思考。 2021年9月28日，华智冰正面出镜唱歌。视频里的华智冰歌声甜美，表 情和动作也十分真实。华智冰的歌声和人类生物学特征全部由AI完 成，肢体动作是由团队成员进行训练完成的。 1.2 学术界点火 AI在2000年左右度过了寒冬，并随着机器学习技术的逐渐成熟迎来了 爆发期。 学术界自然不会错过大好机会，关于AI的论文、会议等都迎来了爆炸 式增长。根据爱思唯尔数据库统计，来自5000多家国际出版商的 22800多种学术出版物，在1998年到2018年间，发表的AI论文在所有 论文中的比例增长了两倍，在20世纪90年代后期，AI论文还占不到 1%，而今已经接近3%。 图1.2展示了AI论文在所有论文中的占比增长率。

📄 Page 13

图1.2 AI论文的占比增长率 2000年，中国发表的AI论文在全世界发表的AI论文中占比10%。如今 这一比例已经增加至28%，超过欧洲。这也是中国发表的AI论文数量 首次超过欧洲。图1.3展示了从2000年以来，中国、欧洲和美国AI论文 数量的折线图。 图1.3 中国、欧洲、美国发表的AI论文数量折线图 AI学术会议的参会人数也可表明大家对AI的学术热情。AI学术会议不 仅在规模上，而且在数量和声望方面都在增长。NeurIPS、ICML和 CVPR仍然是参加人数最多的AI学术会议。NeurIPS是人工智能领域的

📄 Page 14

顶级会议，与ICML并称为人工智能领域难度最大、水平最高、影响力 最强的会议。ICML是机器学习和人工智能领域的顶级国际学术会议， 由国际机器学习学会（IMLS）主办，被中国计算机学会（CCF）推荐 为A类国际学术会议。CVPR是由IEEE举办的计算机视觉和模式识别领 域的顶级会议。2019年，NeurIPS约有1.35万人参会，CVPR约有9227 人参会，ICML约有6400人参会。NeurIPS和ICML参会人数的增长速度 最快。图1.4展现了1985—2020年，不同类型的AI会议的参会人数折线 图。 图1.4 不同类型的AI会议的参会人数折线图 1.3 媒体热捧 1.3.1 《麻省理工科技评论》的预测 自2001年起，《麻省理工科技评论》杂志每年都会评选出当年的“全球 十大突破性技术”榜单，这份在全球科技领域举足轻重的榜单曾精准预 测了脑机接口、智能手表、癌症基因疗法、深度学习等诸多热门技术 的崛起。 2019年是该杂志创刊120周年，《麻省理工科技评论》发布了“2019年 全球十大突破性技术”榜单，包括灵巧机器人、核能新浪潮、早产预

📄 Page 15

测、肠道显微胶囊、定制癌症疫苗、人造肉汉堡、捕获二氧化碳、可 穿戴心电仪、无下水道卫生间、流利对话的AI助手，如图1.5所示。 从榜单中可以看出，该年度入选的10项技术中，有多项涉及AI技术。 图1.5 《麻省理工科技评论》发布的“2019年全球十大突破性技术”榜单 ·灵巧机器人：机器正在通过自我学习学会应对这个现实世界，从而胜 任更多任务。未来3～5年内，机器人将有望能学会组装电子产品、将

📄 Page 16

餐具摆入洗碗机内，甚至能将卧床的人从床上扶起。 ·可穿戴心电仪：随着监管机构的批准和相关技术的进步，人们可以通 过可穿戴设备持续监测自己的心脏健康。可检测心电图的智能手表可 以预警如心房颤动等潜在的危及生命的心脏疾病，也可以检测出导致 血栓和中风的心房颤动。 ·流利对话的AI助手：可捕捉单词之间语义关系的新技术正在使机器更 好地理解自然语言。该AI助手可以执行基于对话的任务，而不仅是服 从简单的命令。例如，可以帮你接听电话、预订餐厅或协调行李托 运，甚至可以过滤掉垃圾邮件和骚扰电话。 1.3.2 《卫报》警告AI有危险 2019年初，《卫报》刊登文章《未来的AI：强大，不负责任》。下面 介绍文章的部分内容。 在2017年，AI取得了一些惊人的突破。AlphaGo Zero无法掌握任何游 戏规则，它只适用于拥有“完美信息”的游戏，即所有相关事实都为所有 玩家所熟知的游戏。能像AlphaGo Zero那样，可以从零开始自学的计 算机，是这个星球上智慧生命发展进程中的一个重要里程碑。 AI是敌是友？AI通常以人类难以理解的方式完成它们的推理，事实 上，在某些情况下AI的做法可能是违法的。例如，停车标志可能被人 为涂改，导致计算机视觉系统认为这是一个限制速度的标志。声音文 件也可能被故意修改，导致语音识别系统产生错误。犯罪分子甚至可 以构建人工指纹，作为解锁关键设备的钥匙。随着人类越来越多地使 用智能助理，犯罪分子可能将拥有更多的犯罪手段。 1.3.3 中国新闻网报道全流程机器化学家 中国新闻网于2022年10月5日报道，机器人不仅能成为科学家的科研助 手，还能成为科学家。中国的一个青年科研团队通过最新的研发成果

📄 Page 17

给出了肯定的答案。先来看看全流程机器化学家的组成与原理，如图 1.6所示。 该科研团队通过开发和集成移动机器人、化学工作站、智能操作系 统、科学数据库，研制出数据智能驱动的全流程机器化学家，并已初 步实现智能化学范式。关于“数据智能驱动的全流程机器化学家”的研究 成果论文，已在《国家科学评论》学术期刊发表。国际审稿人评价 说，“该成果的机器人系统工作站和智能化学大脑都是最先进的”“将对 化学科学产生巨大影响”。业内专家认为，机器化学家的研究工作脱离 了传统试错研究范式的限制，展现出“最强化学大脑”指导的智能新范式 的巨大优势，引领化学研究朝着知识理解数字化、操作指令化的未来 趋势前进，确立了中国在智能化学创新领域的全球领跑地位。 图1.6 全流程机器化学家的组成与原理 报道中还强调，机器化学家可采用机器智能去查找和阅读文献，从海 量的研究数据中汲取专家经验，在前人知识与数据的基础上，提出科 学假说并制定实验方案。机器化学家通过调度2台移动机器人和15个自 主开发的智能化学工作站，完成高通量合成、表征、测试的化学实验 全流程；通过配套的后台操作系统，实现数据的自动采集、处理、分 析和可视化，并装载云端数据库，可实时调用和更新数据库信息；通

📄 Page 18

过调用物理模型、理论计算、机器学习和贝叶斯优化，使智能模型融 入底层的理论规律与复杂的化学实验演化，使机器化学家更加理解化 学，更加擅长化学创造。 下面是该科研团队的解说。化学研究的对象日益复杂化、高维化，传 统的研究范式主要依赖于“穷举”“试错”等手段。配方和工艺的搜索常常 止步于局部最优，无法进行全局探索。以潜力巨大的高熵（高复杂、 高无序）化合物催化剂为例，其多种元素的高度无序混合，会带来高 稳定性，这为人工试验找出最优配比带来了极大挑战。获取最优配比 需要遍历测试极其庞大的化学配比组合，目前仅限于对最多3种金属组 合进行优化。而最新研制的机器化学家发挥其数据驱动和智能优化的 优势，智能阅读1.6万篇论文，并自主选出5种非贵金属元素，融合2万 组理论计算数据和207组全流程机器实验数据，建立理实交融的智能模 型，指导贝叶斯优化程序从55万种可能的金属配比中找出最优的高熵 化合物催化剂，将传统的遍历搜索所需的1400年缩短为5周。 1.4 企业竞争 当AI技术从曲折前行到终于燃起熊熊大火，具有强大嗅觉的企业自然 不会错过大好的投资机会。近年来，无论是互联网知名大厂，还是诸 多不知名的小公司，无不争着跟随AI的发展热潮。以下列举几个企业 的AI发展战略。 1.4.1 谷歌 谷歌公司已将AI作为下一个最重要的增长点，并投入大笔资金。谷歌 目前主要瞄准蛋白质预测、芯片设计和AI操作系统3大领域。 1. 蛋白质预测 继阿尔法狗战胜人类世界围棋冠军后，2020年12月，谷歌最新的AI产 品AlphaFold 2基于氨基酸序列，成功预测了生命基本分子，即蛋白质 的三维结构，解决了一个困扰人类几十年的难题，此难题属于人类科

📄 Page 19

学中最棘手的领域——基因医疗科学，这为更好地了解疾病和药物研发 提供了基础。 AlphaFold 能执行蛋白质结构的预测。AlphaFold软件有两个主要版本： AlphaFold 1和AlphaFold 2，AlphaFold 2对蛋白质预测的准确度远高于 任何其他团队和程序。2021年7月15日，AlphaFold 2在《自然》杂志 上作为开源软件，与可搜索的物种蛋白质组数据库被一起发布。 此成果会带来哪些影响？首先，基因检测的成本会急速下降。早期完 成人类基因图谱时，成本为1000万～5000万美元。2010年，这一成本 已下降到5000美元。如今私营机构的检测成本已低至数百美元。随着 AI深度参与此领域的发展，未来成本会进一步降低。其次，AI将逐渐 取代医生，用基因治疗的方法重塑体内组织和器官的活性。基因图谱 由AI训练，AI的诊断水平不会低于现今的医生。依靠AI，能以更高的 效率开发出新药物，不必像如今一样采取试探性的治疗方法。 2. 芯片设计 2021年6月9日，谷歌于《自然》杂志上公布了一篇论文，展示了用AI 提升芯片设计速度的研究结果。该论文名为《一种用于快速芯片设计 的图形布局方法》 （A Graph Placement Methodology for Fast Chip Design）。谷歌成功 研究出一种基于深度学习的芯片布局规划方法，该方法能自动生成平 面图，功耗、性能和芯片面积等关键参数指标都优于或接近人类芯片 设计师所设计的规划图效果。 最重要的是，人类芯片设计师设计芯片需要花费数月时间，而使用谷 歌的方法仅花费6小时就能达到相同的效果。 谷歌多年来一直在研究如何使用机器学习制造芯片，甚至开始用AI设 计TPU（Tensor Processing Unit）芯片，如图1.7所示。TPU是谷歌开 发的专用集成电路。自2015年起，谷歌就已经开始在内部使用TPU， 并于2018年将TPU提供给第三方使用，既将部分TPU 作为云基础架构 的一部分，也将部分小型版本的TPU用于销售。

📄 Page 20

图1.7 TPU芯片 谷歌在芯片设计中应用AI，意味着正在推动AI技术的进步。未来，技 术将持续成熟，恐怕AI自行迭代和升级都不是问题。 如今芯片设计是非常热门的领域。元宇宙、云计算等前沿科技都需要 更加先进的芯片。而人类能完成的事情是有限的，许多科技公司也在 利用其他方法加快芯片研发的工作流程。拥有更加强大的芯片设计技 术，意味着能更快、更好地掌握未来，谷歌正在利用AI加速芯片设计 领域的发展。