预测不准确？_风闻

技术有其逻辑

个人信息保护法已经来了，但是已经没人抱有希望，该拿到的都得到了，不该拿到的也悄悄留下了。

画个像，录个音，慢慢开启摄像头，记录下你的路径，保存下你的输入历史，真正做到了百花齐放。

海量的数据养育了人工智能，那人类的角色究竟是什么？

答案呼之欲出，人肉干电池，喂养数据培育巨头，献完青春献子孙，忠贞不二爱国情。

今天就好好跟大家唠唠我们为啥会变成人肉干电池。

我想先给大家说几个人名，图灵、香农、贝塔朗菲和维纳。

图灵在二战破译德军密码的时候搞出了图灵机，香农阐明了信息论，告诉我们信息是如何流动的，贝塔朗菲发展了系统论，也就是认为工程需要复杂条件和要素的合理配置，维纳是控制论的代言人，信息流通也好，复杂计算也好，都不是无目的的狂想，而是奔着某种目标去的。比如钱学森老先生，就是工程控制论的行家里手。

正是在这些人的鼓捣下，我们今天的计算机、互联网媒体才真正发展起来，但是因为他们的理论门槛过高，长时间里这些人和事并不为人所知，也只有图灵因为图灵计算机科学奖还算盛名在外。

而今天我们说到大数据和人工智能，好像都是非常fashion的概念，2016年阿尔法狗战胜李世石真正让AI成为人尽皆知的新名词，而这些大师和他们的所学好像更是非常久远的存在。

其实这是错觉，第一届人工智能大会是在1956年于英国达特茅斯召开，基本上和大师们是同时代的存在。

**☉**图灵死于毒苹果，原因就不多说了

理论是理论，现实中计算机组成的集大成者，采用的都是冯·诺依曼架构，这位老兄在参加曼哈顿工程的时候就意识到，当时的计算机结构有点问题，主要是不通用。

这里的不通用的意思就是以往的计算机是特定类型的计算工具，而且用途单一仅是用于计算的机器，比如今天的超级计算机，功能很强大，但要是拿来打游戏显然是不太行的。

就这么理解吧，超级计算机就是算盘的终极态。

而冯诺依曼架构简单来说，就是分门别类，把计算机各部分该干啥都预先设计好，需要哪块就用哪块，管输入就专管输入，计算就靠CPU（中央处理器），比如文字处理，一般就用CPU就够，但要是打游戏或者画图，最好还是配块GPU。

所以现代的计算机不单单是用于计算的机器，这也是现代计算机可以通用化的真正原因，个人PC、芯片制造商也就此发家。

**☉**手机、电脑和超算，基本都在这个框架下各自发展。

机器总归是要帮助我们处理信息完成工作的，这时候需要召唤二进制。所有的信息和数据，不管文字还是视频从底层来说，都是0和1组成的，所以Word文档能和虚幻引擎在一台电脑上共存。

也有不信邪的，比如苏联老大哥搞过三进制，0和1，还有个-1，1958年造出过三进制计算机Сетунь，但是老大哥市场化动力不足，最终项目无疾而终，起了个大早，赶了个晚集。

至于那些量子计算机、光学计算机等奇形怪状，先挖个坑，有空再唠。

到这个阶段，计算机算是发展的明明白白了，在技术的推动下，人类进入了互联网文明，发展出了互联网经济，工业时代需要的是电力和石油，而信息时代需要的是数据。

大自然当然是长不出数据来的，唯一能“供电”的，就是你我以及诸位了。所以不要觉得是大数据时代我们的个人隐私才具有价值，它们一直都是宝贵的财富（生产要素），只是大数据和人工智能让这一切变得更显性和便捷了。

从计算机走向消费品的那一刻起，就注定会有这么一天，这是技术发展的自生逻辑，不因我们的个人意志而改变。

孩子大了

现代计算机和人工智能起源于20世纪中叶，到现在已经是长大成人，按照冯诺依曼的架构原理，需要处理的内容是越来越多，那就加模块。

水多了加面，面多了加水。

第一次注水，是GPU的出现，原名叫做 Graphics Processing Unit，直译为图形处理器，俗称显卡，是CPU发展到一定阶段出现的补充物。

CPU一般负责通用计算，简单理解就是算数，但是随着计算机的发展，尤其是Windows系统的攻城略地，图形化界面（GUI）以及立体模型的需求越来越多。这其实也符合人性，DOS系统和原生Linux那种对着命令敲代码的电脑用法，绝对不如直观的东西看着舒服，普通老百姓显然不会喜欢。

有需求就有市场，1999年英伟达发布GeForce 256，而且GPU这个名字也是从此开始大规模运用。具体参数就不报了，今天看来就是玩具，重要的是它开创了GPU这个概念。

今天在电脑上配有独立显卡还能当个卖点，但是手机一般就会搞集成设计，比如SoC，高通、海思家的产品都是如此，这是因为手机空间有限，一寸空间一寸金，能省就省。

另一个原因就是手机是纯图形化的，对于GPU的运算需求更普遍。我想大家没见过拿着手机敲代码的吧。

现在，还是英伟达，花了69亿收购了以色列Mellanox后推出了新的数据处理单元DPU，即Data Processing Unit，产品名BlueField-2、BlueField-2X，英伟达这次目的很明确，再复制一把GPU的辉煌。

**☉**人类的本质是复读机，有需求就造一个

先别激动，成不成还两可呢，数据时代肯定会到来，巨头们都在跑马圈地，但未必DPU就会是最后的赢家，因为入局的实在是太多了。

CPU/GPU/NPU/TPU/DPU，把这一堆放到你眼前，让你猜一猜他们都是干啥的，谁又能在数据时代笑到最后呢？

现在机器学习CPU也能做，但是数据吞吐量很有限，学生学习还好说，真正搞研究和工程应用，比如把用户数据拿到了怎么分析，一般还是要上GPU。CPU干一天的活，GPU几个小时就搞定了。

而到了人工智能要具体落地的时刻，比如麒麟810要应用神经网络，华为的策略是开发自己的嵌入式神经网络处理器，实际上就是NPU，neural-network processing units，专门负责有关图像视频等内容的学习。

如果你是华为手机用户，那么相册中图片中分类功能就是由NPU来完成的，一般宣称不用上传云端即可实现，靠的就是NPU本身的强大。

还有iPhone最新的A14芯片，里面也包含神经运算单元，苹果称之为神经引擎（Neural Engine）和机器学习矩阵加速器（machine learning matrix accelerators）。每秒可以执行11万亿次算术任务，最新制程5nm，16个核心，基本上可以说是目前的手机处理器的算力巅峰了。

**☉**像Intel挤的牙膏？

而谷歌还有自己的TPU，中文名为张量运算单元，Tensors  Processing Unit，是专门用于机器学习的处理器，配合自家的TensorFlow机器学习框架有奇效。

总算是说清楚这一堆PU是什么东西了，本质上他们都是数据处理模块，只不过用的频繁，各个厂家给独立出来了。

大数据时代真的要来，但叠床架屋还适合时代发展的要求吗？

现在厂家还在思考这个问题，但是Intel、高通等已经联合起来反对英伟达收购ARM，顾虑的就是万一英伟达控制手机+电脑端的数据处理芯片，那时候大家都得听英伟达。

而我们的角色是人肉干电池。不管怎么说，数据是人工智能真正的关键所在，因为深度学习的数学原理依旧是黑箱状态，现在可行的路径就是堆数据，本质上是对概率的预测，而不是逻辑的推演。数据不够多的话，预测就容易不准确了。

这个孩子要长大，需要喂养更多的奶水，我们多刷手机也算是为人类做贡献了。

本回完

​