最近，英特爾宣布消息說要在AI領域尋求戰略研發合作，將AI技術引向下一個階段。現在的自主系統還不好，無法應對不確定的真實世界，它們也不知道自己在做決策的時候，應該如何理解傳感器收集的不確定信息。怎么辦？英特爾CTO邁克·梅伯里（MikeMayberry）認為，我們可以用“概率計算”（probabilisticcomputing）來解決，他認為概率計算是AI的下一站。

英特爾開始研究AI概率計算可以給汽車機器人用

到底什么是概念率計算？媒體采訪了梅伯里，讓我們聽聽他是如何解釋的：

問題：出于什么動機要從事這樣的研究？

AI的下一站在哪里？我們正在努力尋找答案。最初的AI浪潮是以邏輯作為基礎的，它根據寫好的規章搭建，和我們所說的推理差不多。當前的AI與感知感覺有關，用卷積神經網絡掃描圖片，看看里面是否有感興趣的東西。不過光是將這種元素加在一起還是比不上人類。

過針刺 低溫防爆18650 2200mah

符合Exic IIB T4 Gc防爆標準

充電溫度：0~45℃
-放電溫度：-40~+55℃
-40℃最大放電倍率：1C
-40℃ 0.5放電容量保持率≥70%

點擊詳情

例如，如果你被某些東西嚇了一跳，比如汽車喇叭叫起來。你自然而然就會認為發生了非同尋常的事情，這里面包含你擁有的數據，也包括你沒有的數據。你會推算概率。你有可能會判斷喇叭來自何方，是前方還是后方。也可能會考慮自己會不會因此開會遲到。你自動做一些判斷，這些是機器做不了的。在我們的真實生活中，每時每刻都會碰到類似的場景，因為我們的周圍有無窮無盡的不確定性。

目前的AI和深度學習系統是脆弱的。也就是說它們對于答案過于自信。在圖片中如果看到一些東西，它們可能自信程度達到99%。但是在許多場合下，這種概率是不正確的，自信程度沒有AI認為的那么高。

在我們的總體研究中，重要的一點就是搞清如何將概率融入推理系統、感知系統。解決問題有兩大挑戰。第一個挑戰，你如何計算概率，二是如何存儲概率記憶或者場景。

我們在內部做了許多研究，還參與學術研究，我們認為，成立一個研究社區是不錯的選擇。最終目標是讓人們分享他們所知的東西，展開合作，當你寫軟件時，當你開發計算機硬件時，讓你知道如何展示這種概率。我認為，這是AI第三次浪潮的核心組成部分。我們還沒有達成目標，還有其它一些事情要做，但是一切都與概率計算有關。

問題：以前，人們用“概率計算”來描述多種多樣的技術，這些技術與AI無關，比如隨機計算、容錯計算。所謂概率計算到底是什么呢？

無人船智能鋰電池

IP67防水，充放電分口 安全可靠

標稱電壓：28.8V
標稱容量：34.3Ah
電池尺寸：(92.75±0.5)* (211±0.3)* (281±0.3)mm
應用領域：勘探測繪、無人設備

點擊詳情

我們所說的概率計算可能與之前描述的不同。例如，所謂隨機計算，就是說即使有錯誤，也要獲得足夠好的答案。我們所說的概念與模糊邏輯有點相似，當你處理信息時，你會持續追蹤不確定性。還有統計計算，它更加偏重軟件，通過構建樹架構，不斷追蹤概率。所以說，概念并不一定非要是新的，但是使用方法會與之前不同。

問題：它會演化出全新的設備嗎？

最開始時，我們會通過研究算法的方式接近目標。英特爾是開發硬件的，不過如果我們不理解模型是如何進化的，不理解算法是如何進化的，就有可能犯錯。所以最開始時我們會研究算法、軟件框架，研究之時我們會思考達到目標之后如何優化硬件。我們會被愚弄嗎？所以必須早早重視安全問題。這些事情我們正在做。

問題：新研究與現有的AI工作是如何匹配？

新研究會是更大系統的一部分，而這套系統與我們目前的工作是融合的。我們不希望邏輯系統斷定說感知是100%精準的，也不希望傳感器過于自信。所以要開發一套系統，讓兩個部分對話，追蹤此類信息。感知系統可能會說：“我剛剛發現亮度變了。”這樣我的回答就會比之前少一點自信。

持續追蹤此類信息會決定系統的設計方式。從軟件框架的角度看，到底會如何部署呢？我們還不能準確知道。

問題：有可能會用在哪些領域？

開發出更好的自主機器，這是我們的目標之一，有可能是汽車，也可能是家用機器人，或者類似的東西。如果想讓系統更強大，我們認為概率計算是相當重要的部分。如果系統受到嚴格限制，可能不太需要這樣的能力。如果我們將系統放進越開放的環境中，那里的變數更多，就越應該“增強”當前的系統。

我們當然希望能在短短幾年內將新技術變成產品，不過還沒有制定產品藍圖，所以不能給出任何承諾。

問題：能談談時間安排嗎？

5月25日我們就會公布提案，今年就會開展活動。正如我說的，在未來幾年里，它可能會影響我們的產品藍圖，但還沒有制定藍圖，所以無法給出具體的產品部署時間。