互聯網云腦與人工智能時代的興起

劉鋒

一、互聯網云腦提出的背景

每一次人類社會的重大技術變革都會導致新領域的科學革命。大航海時代使人類看到了生物的多樣性和孤立生態系統對生物的影響。無論是達爾文還是華萊士都是跟隨遠航的船隊才發現了生物的進化現象。

大工業革命使人類無論在力量的使用還是觀察能力都獲得極大的提高。這為此后100年開始的物理學大突破，奠定了技術基礎。這些突破包括牛頓的萬有引力，愛因斯坦的相對論，和眾多科學家創建的量子力學大廈，這些突破都與“力”和“觀測”有關。

互聯網革命對于人類的影響已經遠遠超過了大工業革命。與工業革命增強人類的力量和視野不同，互聯網極大地增強了人類的智慧，豐富了人類的知識。而智慧和知識恰恰與大腦的關系最為密切。

如果我們觀察近20年來互聯網出現的新應用和新功能，可以直觀的發現互聯網與大腦結構具有越來越多的相似性。這些現象包括：3D打印機，復印機的遠程操控，醫生通過遠程網絡進行手術；中國水利部門在土壤、河流、空氣中安放傳感器，及時將氣溫、濕度、風速等數據通過互聯網傳輸到信息處理中心，形成報告供防汛抗旱決策使用；Google推出了“街景”服務，在城市中安裝多鏡頭攝像機，互聯網用戶可以實時觀看丹佛、拉斯維加斯、邁阿密、紐約和舊金山等城市的風貌等。

這些新互聯網現象分別具備了運動神經系統、軀體感覺神經系統、視覺神經系統的萌芽，基于以上互聯網新現象，從2008年開始，科學院相關研究團隊發表論文，提出互聯網向類大腦架構進化的觀點，并繪制了互聯網云腦的示意圖。（見圖一）

互聯網將向著與人類大腦高度相似的方向進化，它將具備自己的視覺、聽覺、觸覺、運動神經系統，也會擁有自己的記憶神經系統、中樞神經系統、自主神經系統。另一方面，人腦至少在數萬年以前就已經進化出所有的互聯網功能，不斷發展的互聯網將幫助神經學科學家揭開大腦的秘密。科學實驗將證明大腦中也擁有Google一樣的搜索引擎，Facebook一樣的SNS系統，IPv4一樣的地址編碼系統，思科一樣的路由系統……

從2010年開始，美國科學家也開始從學術上關注互聯網與腦科學的關系，2010年8月美國南加州大學神經系統科學家拉里·斯旺森和理查德·湯普森在《國家科學院院刊》（PNAS）發表論文，用互聯網路由機制解釋老鼠大腦的信號如何繞過破壞區域到達目標區域。

2012年11月16日，加州大學圣迭戈分校Dmitri Krioukov在2012年11月的Scientific Report 發表論文，提出利用計算機模擬并結合多種其他計算，揭示許多復雜網絡如互聯網、社交網、腦神經網絡等有高度的相似性。

二、用互聯網云腦分析物聯網、云計算、大數據等概念的關系

當時間快車越過21世紀第一個十年，令人眼花繚亂的新技術、新模式、新概念、新理論、新架構層出不窮，包括云計算、大數據、人工智能、云機器人、腦計劃、智能駕駛、無人飛機、3D打印、虛擬現實等不斷涌現。

在新世紀科學時代，為什么云計算、大數據、物聯網、工業互聯網、邊緣計算，特別是人工智能成為科技的前沿和熱點，它們與這些新概念互聯網云腦架構究竟是什么關系？下面我們分別進行詳細分析。（見圖二）

（一）物聯網是互聯網大腦的感覺神經系統萌芽

2005年11月國際電信聯盟（ITU）發布了題為 ITU Internet reports 2005-the Internet of things 的報告，正式提出了物聯網（Internet of things，IOT）一詞，這一報告雖然沒有對物聯網做出明確的定義，但從功能角度，ITU認為“世界上所有的物體都可以通過因特網主動進行信息交換，實現任何時刻、任何地點、任何物體之間的互聯、無所不在的網絡和無所不在的計算”；從技術角度，ITU認為“物聯網涉及射頻識別技術（RFID）、傳感器技術、納米技術和智能技術等”。

在世界范圍內，物聯網還沒有統一的定義和結構，比較著名的有歐盟第七框架計劃（ Framework Program7，簡稱FP7）提出的sensei物聯網架構，其目標是通過Internet將分布在全球的傳感器與執行器網絡（WS&AN）連接起來，組成一個真正的世界互聯網（Real World Internet RWI），并定義開放的服務訪問接口與相應的語義規范來提供統一的網絡與信息管理服務。

此外，由美國麻省理工學院和英國劍橋大學等7個高校組成AUTO ID實驗室、日本東京大學UID中心、韓國電子與通信技術研究所（ETRI）、美國弗吉尼亞大學、歐洲電信標準組織（ETSI）、法國巴黎第六大學都從不同方面對物聯網的架構進行了設計和探討。

總體上看，物聯網重點突出了傳感器感知的概念，同時它也具備網絡線路傳輸、信息存儲和處理、行業應用接口等功能。而且也往往與互聯網共用服務器、網絡線路和應用接口，使人與人（Human ti Human ，H2H）、人與物（Human to thing，H2T）、物與物（ Thing to Thing，T2T）之間的交流變成可能，最終將使人類社會、信息空間和物理世界（人機櫧）融為一體。

（二）云計算是互聯網大腦的中樞神經系統萌芽

2007年 10月，在IBM和 Google宣布在云計算領域的合作后， 云計算迅速成為產業界和學術界研究的熱點。IBM 技術白皮書中關于云計算的定義是：“云計算一詞用來描述一個系統平臺或者一種類型的應用程序。一個云計算平臺可按需進行動態部署、配置、重新配置以及取消服務。云計算平臺中的服務器既可以是物理的，也可是虛擬的。“云應用”使用大規模的數據中心以及功能強勁的服務器來運行網絡應用程序與網絡服務，任何一個用戶可以通過合適的互聯網接入設備以及一個標準的瀏覽器就能夠訪問一個云計算應用程序。”

云計算的誕生有其歷史根源，隨著互聯網的發展，互聯網新興的應用數據存儲量越來越大，互聯網業務增長也越來越快。因此互聯網企業的軟硬件維護成本不斷增加，成為很多企業的沉重負擔。與此同時，互聯網超大型企業如Google、IBM、亞馬遜的軟硬件資源有大量空余，得不到充分利用，在這種情況下，互聯網從企業各自為戰的軟硬件建設向集中式的云計算轉換，也就成為互聯網發展的必然。

縱觀云計算的概念和實際應用，我們可以看到云計算有兩個特點，第一，互聯網的基礎服務資源如服務器的硬件、軟件、數據和應用服務開始于集中和統一。第二，互聯網用戶不用再重復消耗大量資源，建立獨立的軟硬件設施和維護人員隊伍。通過互聯網接受云計算提供商的服務，就可以實現自己需要的功能。

我們知道大腦的中樞神經系統（central nervous system）在動物的神經系統集中化的過程中，作為其形態上的中心和在機能上的中樞，最終成為被分化出來的重要身體部位，承擔了控制和調節整個機體活動的功能。

而在互聯網云腦的架構中，互聯網云腦的中樞神經系統則將互聯網的核心硬件層、核心軟件層和互聯網信息層統一起來，為互聯網各虛擬神經系統提供支持和服務。從定義上看，云計算與互聯網云腦中樞神經系統的特征非常吻合。在理想狀態下，物聯網的傳感器和互聯網的使用者通過網絡線路和計算機終端與云計算進行交互，向云計算提供數據，接受云計算提供的服務。

（三）工業4.0、工業互聯網、無人機、智能駕駛、3D打印，本質上是互聯網運動神經系統的發育和萌芽

德國政府在2013年4月的漢諾威工業博覽會上正式推出“工業4.0”戰略，其目的是為了提高德國工業的競爭力，在新一輪工業革命中占領先機。德國學術界和產業界認為，“工業4.0”概念即是以智能制造為主導的第四次工業革命，或革命性的生產方法。該戰略旨在通過充分利用信息通訊技術和網絡空間虛擬系統-信息物理系統（Cyber-PhysicalSystem） 相結合的手段，將制造業向智能化轉型。

工業互聯網與工業4.0類似，2013年6月，GE提出了工業互聯網革命（Industrial Internet Revolution），伊梅爾特在其演講中稱，一個開放、全球化的網絡，將人、數據和機器連接起來。工業互聯網的目標是升級那些關鍵的工業領域。如今在全世界有數百萬種機器設備，從簡單的電動摩托到高尖端的MRI（核磁共振成像）機器。有數萬種復雜機械的集群，從發電的電廠到運輸的飛機。

工業4.0和工業互聯網沒有明確指出它與互聯網有什么關系，但通俗的說，就是無數個行業被互聯網浪潮沖擊后，互聯網開始改造工業制造業了。

從圖二，我們也同樣可以看出工業4.0或工業互聯網，本質上是互聯網運動神經系統的萌芽，互聯網中樞神經系統也就是云計算中的軟件系統控制工業企業的生產設備、家庭的家用設備、辦公室的辦公設備，通過智能化、3D打印、無線傳感等技術，使得機械設備成為互聯網大腦改造世界的工具。同時，這些智能制造和智能設備也源源不斷向互聯網大腦反饋大數據數，供互聯網中樞神經系統決策使用。

（四）大數據是互聯網大腦信息的基礎

Nature 早在2008 年就推出了Big Data 專刊。Science 在2011 年2 月推出專刊Dealing with Data，主要圍繞著科學研究中大數據問題展開討論，說明大數據對于科學研究的重要性。全球知名的咨詢公司麥肯錫（McKinsey）在2011年6 月份發布了一份關于大數據的詳盡報告“Big data： The next frontier for innovation， competition， and productivity”，對大數據的影響、關鍵技術和應用領域等都進行了詳盡的分析。

2012年3 月份美國奧巴馬政府發布了《大數據研究和發展倡議》 （Big Data Research and Development Initiative） ，投資2 億以上美元，正式啟動“大數據發展計劃”。計劃在科學研究、環境、生物醫學等領域利用大數據技術進行突破。

大數據目前尚沒有統一的定義，比較有代表性的是3V 定義，即認為大數據需滿足3 個特點：規模性（Volume）、多樣性（Variety）和高速性（Velocity）。除此之外， IDC 認為大數據還應當具有價值性（Value），大數據的價值往往呈現出稀疏性的特點。而IBM 認為大數據應該具有真實性（Veracity）。

隨著博客、社交網絡以及云計算、物聯網等技術的興起，互聯網上的數據正以前所未有的速度在不斷增長和累積，學術界、工業界甚至于政府機構都已經開始密切關注大數據問題，應該說，大數據是互聯網發展到一定階段的必然產物。互聯網用戶的互動、企業和政府的信息發布、物聯網傳感器感應的實時信息，每時每刻都在產生大量的結構化和非結構化數據，這些數據分散在整個網絡體系內，體量極其巨大。這些數據中蘊含了對經濟、科技、教育等等領域非常寶貴的信息，大數據的研究就是通過數據挖掘、知識發現和深度學習等方式，將這些數據整理出來，形成有價值的數據產品，提供給政府、行業企業和互聯網個人用戶使用和消費。

我們在論文“互聯網與神經學的交叉對比研究”中對互聯網云腦的信息層定義時，曾經這樣描述：“互聯網的信息成爆炸式增長，這些信息的形式包括文字、二維圖片、文檔、視頻、聲音、三維圖像等，分布在互聯網的服務器、路由器、交換機、用戶終端和互聯網虛擬神經系統里。我們將這些分布在互聯網中的信息統稱為互聯網云腦的信息層或數據海洋。”

我們在前文闡述過，以云計算為代表的互聯網新應用的興起，表明互聯網基礎服務無論從硬件、軟件還是數據信息都在向集中和統一的方向發展。也就是說，未來的大數據還將具備一個新的特性-統一性（Unity）。可以預見，當大數據的容量進一步增加，存儲方式進一步趨向集中。大數據將逐步形成互聯網云腦的信息層（數據海洋）。

（五）邊緣計算是互聯網末梢神經的發育

當前，移動互聯網、物聯網、人工智能系統的計算大多數是在互聯網數據中心運行，即運行在“云”上。但是隨著技術的發展，人們發現一個巨大的機會正在遠離數據中心的網絡邊緣產生——嵌入式人工智能正受到越來越廣泛的重視。

物聯網擁有海量的終端設備，未來如果這些網絡節點所抓取的數據都需要上傳云端進行智能處理或者深度學習，對網絡帶寬將提出巨大挑戰，另一個挑戰則是功耗。設備端大量采用電池供電，比如智能移動設備、新能源汽車等都對設備功耗提出越來越高的要求。從2015年開始，以邊緣計算為特點的嵌入式人工智能技術開始受到重視，它們的作用可以優化資源、提升效率。

邊緣計算概念已經普遍存在于工業物聯網應用、制造業、零售、ATM機、智能手機和虛擬/混合現實等領域。這一概念的核心是處理任務時，在網絡端點或接近網絡端點的地方完成一部分計算和分析，而無須將所有數據發回云端。算法和模型可以在云端建立，然后推送到邊緣設備上。

我們知道，神經末梢是為神經元神經纖維的末端部分，分布在各種器官和組織內。按其功能不同，分為感覺神經末梢和運動神經末梢。感覺神經末梢是感覺（傳入）神經元周圍突的終末部分與其他組織結構共同形成的特定結構，稱為感受器（receptor）。它能感受人體內外的各種刺激，并轉化為神經沖動，傳向中樞。感覺神經末梢按其結構又可分為游離神經末梢和有被囊感覺神經末梢。（見圖三）

從上述介紹可以看出，邊緣計算可以看做是互聯網云腦（大腦）發育過程中互聯網神經末梢不斷發育的結果。或者說，邊緣計算和霧計算是互聯網神經末梢的代名詞。

邊緣計算和作為其代表的智能感受器和效應器在網絡的邊緣進行初步和簡單的數據信息處理。它們的出現不是為了替代互聯網的中樞神經系統（云計算），而是與云計算互為備份，互為依托，增加整個互聯網云腦（大腦）的魯棒性（robustness，用以表征控制系統對特性或參數擾動的不敏感性）。

在有良好網絡條件的情況下，云端能減少本地端的計算任務，也能夠完成信息儲備能力及數據實時共享。當網絡線路和云端計算量受限時，邊緣計算可以獨立進行信息處理，但最終當線路聯通后，邊緣計算和霧計算還是要把相關信息傳輸到云端（互聯網中樞神經系統），實現不同邊緣設備的信息共享和交互。

三、人工智能成為熱點的歷史背景與當下原因

人工智能作為2014年以來互聯網領域最熱門的領域，被科技界、企業界和媒體廣泛關注。作為一個概念，人工智能是在1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題時，首次提出的。

事實上，人工智能的發展充滿了坎坷，在過去的60年里，人工智能經歷了多次從樂觀到悲觀，從高潮到低潮的階段。最近一次低潮發生在1992年日本第五代計算機計劃的無果而終，隨后人工神經網絡熱在20世紀90年代初退燒，人工智能領域再次進入“AI之冬”。這個冬季如此的寒冷與漫長，直到2006年加拿大多倫多大學教授Geoffrey Hinton提出“深度學習”算法，情況才發生轉變。

這個算法是對20世紀40年代誕生的人工神經網絡理論的一次巧妙的升級，它最大的革新是可以有效的處理龐大的數據。這一特點則又幸運地與互聯網結合。由此引發了2010年以來新的一股人工智能熱潮。2011年，一位NCAP研究員和斯坦福的Andrew Ng在Google建立了以深度學習為基礎的谷歌大腦，Andrew Ng也就是后來百度大腦的首席科學家吳恩達。2013年，Geoffrey Hinton加入Google公司，其目的是進一步把谷歌大腦的工作做得更為深入。

人工智能從此進入一個新的時代——互聯網人工智能時代，基于互聯網海量的“大數據”和每時每刻與現實世界的信息交互，到2014年，百度大腦、訊飛大腦等互聯網人工智能系統也紛紛涌現，不斷創造出新的領域和紀錄。人們重新開始陷入狂熱的興奮之中。著名的企業家、投資人和意見領袖不斷發出預言，警告人工智能系統即將超越人類，變成人類的主人。這里就包括著名物理學家霍金、特斯拉CEO馬斯克以及未來學家庫茲韋爾。

總體看，人工智能可以看做是互聯網智能、智慧和意識產生的基礎，今天人工智能的熱潮依然是互聯網進化，形成互聯網云腦過程的一次波段性浪潮，無論是物聯網、云計算、大數據、工業4.0、工業互聯網、無人機、智能駕駛、虛擬現實，它們依然也都是互聯網發展過程中的產物，不是從石頭縫里蹦出的新概念。同時，它們的發展也為人工智能當下和未來的爆發奠定了無法替代的基礎。從互聯網云腦形成和進化的進程看，人工智能依然不是互聯網發展的最后高點，以人類智慧為基礎的群體智慧爆發，將是下一個熱潮所在，它形成的背景以及與人工智能的關系，我們將在以后的文章中進行探討。

（作者系本刊特約撰稿人）