智研简报2023第11期_副本

智研简报

Sdaict Monthly

智能计算 计算未来

2023年11月第11期 | 总35期

中国 · 济南

山东产业技术研究院智能计算研究院

        为进一步弘扬“崇慈向善、扶危济困”的传统美德，积极推进慈善事业的发展，2023年11月8日上午10点，山东产业技术研究院智能计算研究院（以下简称“研究院”）在山东产研院高科技创新园开展“慈心一日捐”活动，研究院全体干部职工参加了捐赠仪式。

       研究院院务会领导、党员干部率先垂范，全体干部职工积极响应，踊跃捐款，共募集善款4200元。在活动现场大家在“慈心一日捐”倡仪书上签字，纷纷表示不仅要做“慈心一日捐”的践行者，更要争做活动的倡仪者，以实际行动传递暖心善意。此次“慈心一日捐”活动的开展，进一步激发了研究院全体干部职工的社会责任感和使命感。

CONTENTS

目录

01

盘点 | 八大医疗领域的顶级智能算法

“汇聚爱心 传递温情“--智研院开展“慈心一日捐”活动

04

02

山东省政府印发《山东省加快元宇宙产业创新发展的指导意见》

03

如何评估智能计算系统的性能

“汇聚爱心 传递温情”--智研院开展“慈心一日捐”活动

智研快讯

9位院士12位专家联合撰文：智能计算的新进展、挑战与未来

05

慈心一日捐

政策导读

山东省多部门联合印发《山东省加快元宇宙产业创新发展指导意见》

“

”

        下一步，研究院将继续支持公益事业发展，积极履行社会责任，通过积极开展“慈心一日捐”、志愿服务等活动扶贫济困、助人为乐，让支持参与公益事业成为全体干部职工的自觉和习惯，源源不断向需要帮助的群众传递更多的温暖和关爱，形成“人人参与，传递正能量”的良好风尚。 

   

         二、重点任务

       1.塑强关键硬件。提升虚拟/增强现实等终端设备,智能家电、电子计算机、游戏机等主机设备，感知交互、可穿戴等核心配套设备研发制造水平，支持高性能云边端设备技术升级。提高折叠光路光学模组、光波导、自由曲面棱镜、反光透镜等关键光学器件产能规模。加大国产芯片、微显示器件和传感器等核心基础元器件技术研发及产业化，推动关键硬件向低成本、高性能方向演进。（省工业和信息化厅、省科技厅）

      2.突破数字工具。面向智能终端和云边协同设备，支持开发具备用户和云端实时渲染、分布式内存计算等功能的基础软件。加快虚拟现实操作系统、影像合成等大型软件开发，加快突破三维图像引擎、数字人生成、可信数据空间构建等元宇宙应用软件。研究多样化异构计算资源整合，以及云边端协同计算机制与高效计算方法，实现多方资源的合理配置与高效使用。（省工业和信息化厅、省科技厅）

       3.丰富内容产品。以游戏动漫、影视影音等内容产品为重点，支持运用低代码开发、模块化封装、开放开源等手段建立并运营创作者生态。建设元宇宙内容分发平台，打造并壮大一批数字内容创作者平台、创作者群体和云上内容生产企业。支持文化场馆、文娱场所、景区景点、街区园区开发数字化产品和服务。（省工业和信息化厅、省文化和旅游厅）

      （二）强化市场主体培育

       4.做大龙头企业。聚焦元宇宙智能终端、行业应用和数字工具等领域，壮大一批品牌影响力大、具备核心竞争力、对产业链上下游资源配置带动作用明显的引领型企业。创新招优引强和投资服务模式，吸引一批元宇宙头部企业来鲁发展。（省工业和信息化厅、省发展改革委、省商务厅）

      5.做强中小企业。加大元宇宙产业链优质中小企业引培力度，支持元宇宙关键器件、内容生产、平台运营、系统集成等细分领域中小企业创业创新，培育一批元宇宙领域专精特新、瞪羚、独角兽、单项冠军、高新技术企业、科技型中小企业等优质企业。（省工业和信息化厅、省发展改革委、省商务厅、省科技厅）

      6.做优产业园区。高水平建设济南齐鲁软件园、青岛虚拟现实产业园、青岛元宇宙产业创新园、潍坊元宇宙未来创新谷、潍坊元宇宙配套产业园等特色产业园区，强化专业服

       元宇宙是综合运用虚拟现实、数字孪生、区块链、物联网、5/6G、人工智能等多种信息技术创造和构建的新型虚实相融、映射交互的数字空间，作为新一代信息技术重要前沿领域，对我省塑造数字经济发展新增长点、培强产业竞争新优势具有重要意义。 

       一、总体要求

       以习近平新时代中国特色社会主义思想为指导，全面贯彻党的二十大精神，积极抢抓数字变革新机遇，以强化新一代信息技术产业链“链长制”为总抓手，以建设绿色低碳高质量发展先行区为引领，以做强虚拟现实产业为突破口，全方位推进元宇宙产业链条化、规模化、国际化发展，促进元宇宙与实体经济深度融合，努力为新时代社会主义现代化强省建设提供有力支撑

       依托我省基础雄厚、门类齐全的产业优势，坚持市场主导、创新驱动、应用牵引，统筹优化产业布局，支持各市协调联动，做强青岛元宇宙核心研发创新能力，做优济南数字工具和潍坊整机制造产业引擎，做大烟台、威海等市元宇宙产业应用规模，支持打造“一核引领、双擎驱动、多点支撑”的产业发展格局。到2025年，努力把我省建设为国内领先具有全球竞争力的元宇宙科技创新高地、产业集聚区和融合应用示范区。

      ——产业链条进一步完善。到2025年，“智能硬件+数字工具+内容产品”的产业链条更加完善,元宇宙产业链供应链韧性和安全性明显提升，产品供给能力、产业集聚效应位居全国前列，元宇宙相关产业规模年均增长15%左右、达到1500亿元左右。

       ——创新能力进一步增强。培强一批国家和省级元宇宙技术研究和创新平台，形成一批重要技术创新成果，突破一批关键核心技术。到2025年，重点企业累计申请国际、国内专利3000项以上。

       ——梯次结构进一步优化。元宇宙龙头企业核心竞争力持续增强，核心终端产品市场占有率保持全球领先，引进培育100家以上元宇宙生态链特色优势企业，促进形成产业链上中下游、大中小企业融通创新的产业发展格局。

      ——应用赋能进一步深入。强化元宇宙与行业应用融合发展，支持建设30个以上元宇宙公共应用体验中心，打造100个元宇宙特色应用场景，开发一批消费电子、数字内容、新型显示技术等产品和服务。

能。（省委宣传部、省文化旅游厅、省市场监管局、省工业和信息化厅）

      12.“教育培训元宇宙”。充分发挥元宇宙定制化、虚拟化的优势，推动教育培训内容与虚拟教学设施深度融合，针对不同学习目的、学习内容和学习对象，实时定制虚拟教室、虚拟实验室、虚拟实训中心等教学资源，搭建VR/AR教学资源“零代码”开发平台，推出教学备课、授课、伴读新模式。鼓励面向航空航天、交通运输、石油化工、基础建设等行业，开展MR职业技能培训和虚拟仿真实践。（省教育厅、省工业和信息化厅）

      13.“医疗健康元宇宙”。加快元宇宙在医学教育培训等领域的应用创新，搭建元宇宙医疗培训平台，探索医护人员实训、模拟手术预演、全息医学影像等医疗培训场景。探索“元医疗”场景应用，支持运用增强现实、虚拟现实等技术在视觉诊疗、近视防治等领域开展临床研究，打造线上线下相结合的数字化、智能化、沉浸化的临床诊治、康复护理解决方案。（省卫生健康委、省工业和信息化厅）

      14.“智能体育元宇宙”。综合运用虚拟现实、数字仿真技术，打造新型体育运动解决方案，优化运动器材、健身软件、体育设施与虚拟现实终端间的有效适配，丰富手球、曲棍球 、壁球、垒球、网球等体育运动项目体验，构建体育教学、大众健身新业态。（省体育局、省教育厅、省工业和信息化厅）

       15.“X元宇宙”。深入挖掘政务服务、智慧城市、商业运营、工贸会展、线上办公、游戏娱乐、智慧海洋、智慧农业等元宇宙应用场景，赋能产业发展。（有关省直单位） 

      （五）构建优良产业生态

      16.组建产业联盟。支持龙头企业、社会组织、科研院所等牵头成立山东省元宇宙产业创新发展联盟，推动元宇宙产业链发展，布局建设创新生态。搭建“政产学研金服用”紧密合作的公共服务平台，聚合元宇宙产业资源和各方面力量，促进行业交流合作，推进元宇宙技术创新和产品应用，培育元宇宙产业新业态新模式。（省工业和信息化厅）

      17.健全生态要素。充分发挥政府引导基金作用，激发社会投资活力，强化对元宇宙关键技术研发、企业培育和产业发展的支撑保障。深化公共数据开放共享，支持元宇宙企业参与数据和算力交易应用。吸引元宇宙相关国际组织、产业联盟等机构落户山东，推动企业建立海外服务与运营体系，加快国际市场开拓步伐。（省财政厅、省大数据局、省商务厅、省工业和信息化厅）

务、促进企业集聚。深化跨区域交流合作、协同配套，形成省内一体发展的产业园区联合矩阵。（省发展改革委、省工业和信息化厅）

     （三）增强技术创新能力

      7.强化“元技术”攻关。依托省内高校及各类科研机构，加强终端呈现和交互、元空间建模渲染、生成式AI等关键技术研究。研发可信数据空间技术，推进隐私保护、数据安全等信息安全技术发展。加快人体工程、机械工程、信息工程等相应技术研究，提升元宇宙整机设备佩戴舒适性及交互设备稳定性。（省科技厅、省教育厅、省工业和信息化厅）

       8.加快“元平台”建设。建强国家虚拟现实创新中心（青岛）、山东省虚拟现实重点实验室，依托骨干企业建设一批共性应用技术支撑、沉浸式内容集成开发和融合应用孵化培育平台，深化元宇宙领域关键技术研发、创新资源共享、重大成果转化。支持行业协会、企业、高校、科研机构等联合成立元宇宙行业组织、技术应用研究中心和公共服务平台。（省工业和信息化厅、省科技厅）

        9.完善“元标准”体系。聚焦元宇宙发展所需，重点研讨基础共性、关键技术、核心产业等标准，逐步完善内容生产和分发、呈现和交互以及测试与质量评价、安全与监管、行业应用等全产业链标准。支持企业、科研机构主导或参与国内外标准规则制定，增强发展话语权。支持有关行业组织发挥桥梁纽带作用，推动各类标准的制定实施。（省市场监管局、省工业和信息化厅）

      （四）拓宽融合应用场景

       10.“工业制造元宇宙”。聚焦智能家电、高端装备、先进材料等生产制造领域，打造一批数字孪生工厂和未来工厂。加快工业互联网和元宇宙技术集成创新，构建直观虚拟数据空间，实现工业生产全过程可视化、智能化、精准化、实时化管控。搭建工业制造元宇宙平台，支持多方协同设计，提供虚实交融的测试空间，推进工业流程的优化和提质提效，促进传统制造业转型升级和绿色低碳发展。（省工业和信息化厅、省科技厅）

      11.“数字文化元宇宙”。建设山东文化专网、山东文化大数据中心和文化数据库，形成文化旅游元宇宙大数据体系。围绕A级旅游景区、文化馆、图书馆、博物馆等文旅资源，开发一批AR伴游、VR云游、MR体验中心等沉浸式旅游服务产品。支持文化场馆加快推动全息影像、增强现实、数字影音、5G+8K等技术与图书阅读、文物展示等领域深度融合，打造沉浸式体验场景。不断创新元宇宙广告营销传播模式，提升山东品牌影响力与商品营销效

       18.夯实基础设施。加快推进“双千兆”网络建设行动，培育确定性网络、6G、卫星互联网等未来网络生态。优化算力支撑，加强智算中心等建设，打造存算一体、云边协同的算力基础设施体系，提升算力网络可靠性和算力开放应用水平。（省工业和信息化厅、省通信管理局、省科技厅）

       19.加快人才引育。用足用好国家和省级人才引育政策，积极引进海内外元宇宙高层次人才，支持元宇宙技术中心、孵化器等建设。结合国家学位点增设和本专科专业调整工作，支持有条件的高校增设元宇宙相关学科专业，培育一批基础创新人才。搭建人才培训基地，完善人才培养体系，培养一批元宇宙高水平技能人才。（省委组织部、省教育厅、省工业和信息化厅）

        三、保障措施

     （一）加强组织领导。依托新一代信息技术产业链“链长制”推进机制，聚焦元宇宙产业发展，加强省市协同、部门联动，及时研究重大事项、解决重大问题。成立元宇宙政产学研金服用联合体，建立企业联系制度机制，加强行业智力支持、战略研究和要素保障。（省工业和信息化厅牵头，有关省直单位配合）

     （二）加大财政支持。综合采取政府引导基金、专项债券、股权投资等方式，支持建设一批技术创新性强、市场前景广阔的元宇宙项目。依托虚拟现实体验中心财政激励政策，带动元宇宙产业向应用端、市场端、消费端深度延伸。发挥首台套装备等政策作用，提升虚拟现实产品融合创新能力。组织实施好元宇宙领域科技示范工程，全面提升科技创新策源能力。（省财政厅、省工业和信息化厅、省科技厅、省发展改革委）

     （三）健全治理体系。加强对元宇宙隐私、金融等领域安全风险分析，深化数字产品管理，加强知识产权保护和信用体系建设，促进数字内容规范发展。探索建立容错机制和包容审慎监管机制，营造宽松开放的监管环境。（省委宣传部、省市场监管局、省工业和信息化厅）

     （四）强化宣传推广。加大对创新企业、产品、服务、平台、园区及优秀解决方案的宣传力度，培育元宇宙领域特色品牌。征集元宇宙领域重大应用场景需求，打造元宇宙应用先锋示范。鼓励开展元宇宙领域“节、展、会、赛”等交流活动，大力推介元宇宙创新成果，营造有利于产业发展的良好氛围。（省委宣传部、省工业和信息化厅、省商务厅）。

技术前沿

ADVABCED TECHNONLGY

       人工智能、大数据、云计算、物联网、移动互联网以及区块链等新一代信息技术及其融合发展是当代智能科技的主要体现，以深度学习为代表的人工智能技术在图像识别、语音识别、自然语言处理、博弈游戏等应用上已经接近甚至超过了人类的水平。智能时代来临之际，以新型计算技术为核心并快速发展的智能科技正在引发巨大的变革。2012年，谷歌大脑用1.6万个CPU核跑了3天的深度学习训练来识别猫脸，这充分说明以通用CPU为中心的传统计算系统的速度和能效远远达不到智能应用的需求，因此，人工智能不可能依赖于传统计算系统，必须有自己的核心物质载体——智能计算系统。

      一个完整的智能计算系统涉及芯片、系统结构、编程环境、软件等诸多方面，内容十分庞杂。现阶段的智能计算系统，硬件上通常是集成通用CPU和智能芯片的的异构系统，软件上通常包括一套面向开发者的智能计算编程环境（包括编程框架和编程语言）。目前硬件市场全球整体水平处于技术和市场成熟的早期阶段，软件市场呈现出群雄竞争、国外垄断的发展态势，国内整体处于快速发展和追赶国外巨头阶段。由于智能计算系统的复杂性和软硬件选择的多样性，其性能往往无法得到简单而客观的结论，这就给相关产品迭代优化和用户比较选择带来了很大的困难。因此国内外许多研究机构、学术组织和头部公司都组织人力物力共同解决该难题。

   

        01  智能计算系统性能评估的意义

       智能计算系统性能评估不仅能够牵引智能计算系统相关产品持续地进行性能迭代优化，还可以支撑人工智能产业能力快速提升。原因如下：

     （1）性能衡量和比较：提供一种相对客观的方式来度量和比较不同智能计算系统的性能。通过使用相同的测试数据集和指标，可以评估不同系统在各种任务上的表现，并确定哪个系统更有效或更适合特定应用场景。

     （2）性能改进：帮助开发者识别算法或模型或硬件体系中的弱点和改进空间。通过了解当前系统在特定任务上的性能表现，开发者可以针对性地进行优化和调整，以提高系统的效果和整体性能。

     （3）公平竞争和标准制定：促进公平竞争和标准制定。通过提供一个公开的基准测试平台，不同的研究团队和公司可以在同一标准下进行竞争和交流，并共同努力推动智能计算技术的发展。

     （4）推动领域进步：对于推动整个智能计算领域的进步和创新至关重要。它可以激发研究者和开发者挑战自己的极限，探索新的解决方案和技术，从而推动智能计算技术的发展和应用范围的扩展。

      综上所述，性能评估在衡量性能、改进系统、促进公平竞争以及推动领域进步方面起着重要的作用，并且对于建立可靠的智能计算技术标准和指导性原则也具有重要意义。

     02   智能计算系统的性能评估方法

      业界将基准测试套件定义为“根据性能、可靠性或安全性等特定特征，对竞争性系统或组件进行竞争性评估和比较的标准工具”。由于所有基准测试都需要遵循相关性、可再现性

公平性、可验证性和可用性等相同的标准，基准测试套件设计人员必须平衡这几个经常相互冲突的标准，考虑多种因素，以此令其成功获得各方认可。另外在很多时候，由于没有单一的工作负载可以在所有相关领域都具有很强的代表性，因此一个基准测试套件中通常都需要包含多个工作负载，或者一些设计人员会直接选择设计一套基准来分别代表这些领域。

        03  国内外智能计算系统性能评估技术现状

      目前，国际范围内使用较多影响力较广的人工智能领域基准测试套件当数MLPerf（Machine Learning Performance），MLPerf于2018年推出首个版本后，不断演进，定期进行新的测试并添加代表 AI 领域当前水平的新工作负载。MLPerf继承了DrawnBench[3]的评价体系，用TTA（Time To Accuracy）作为关键度量来评估智能系统的计算性能。为了保证公平性，其在计时规则、质量阈值的选择以及超参数的使用上也做了较为严格的设计和限制。此外，由于MLPerf的成功，其创始团队于2020年推动建立了MLcommons组织，旨在促进机器学习创新，该组织近年来不断推出新的基准测试套件，以此推动智能计算系统中软硬件的持续迭代和优化。

      

      国内的研究机构、高校和企业在智能计算系统的性能评估上也进行了大量的研究和创新工作，例如由中国科学院计算所牵头成立的国际开放基准委员会（BenchCouncil）推出了AIBench，从基本领域之一——互联网服务中识别并纳入了19个具有代表性的人工智能任务，以保证基准的代表性和多样性，并在最大程度上涵盖了算法级、系统级和微架构级因素空间。还有由中国信息通信研究院与头部企业发起成立的中国人工智能产业发展联盟发布了AIIA DNN Benchmark，均致力于设计更具挑战性的测试任务和数据集，研发更有效的评估方法和工具，以满足日益增长的智能计算技术需求。

      之江实验室目前也建立了相关的基准测试平台，基于云边端架构和边缘智能趋势，用于测试和评估各类细分领域的异构硬件、算法和框架等。平台基于国家标准和计量规范提供统一的测试项目、评估方法和数据集，并通过典型应用来构建基准，提供基准测试环境。

行业资讯

INDUSTRY INFORMATION

   

      随着人工智能应用领域的不断扩展，智能计算系统的性能评估将面临更多的多样性和复杂性。

       首先，不同的应用场景需要不同的算法和模型，因此基准测试套件需要不断地更新和扩展以适应不同的应用需求。此外，目前许多基准测试缺乏实用性、可解释性、准确性和高度自动化能力，不仅要为用户提供准确的评估结果，也要提出有建设性的优化建议、方向和方法。基准测试套件的发展是一个复杂的、动态的过程，许多方都参与其中，以智能计算系统的基准研究工作为基础，国内需持续推动基准测试的标准化工作，促进相关研究团队、行业协会和政府机构合作，制定和推广智能计算系统性能评估的标准和规范，以提高测试的可靠性、可比性和公正性。

      随着人工智能 (AI) 在医疗保健各个领域的大肆侵入，对于AI的关注已经是迫在眉睫。本文盘点了目前应用于医疗保健领域的各个AI工具，希望能够帮助医疗领域的从业者完成更好的诊断、更复杂的病人护理和更准确的疾病预判。

       人工智能可以分为三个阶段：人工狭义智能（ANI），人工通用智能（AGI）和超级智能。我们目前的科学（特指大型语言模型和各种机器学习方法），充其量能够在一些领域达到人工狭义智能（ANI），即人类创造的第一级智能，少量可以达到第二级智能，即当机器能够从有限的经验中抽象出概念并在各领域之间转移知识的人工通用智能（AGI）阶段。

       然而，第三个也是最可怕的阶段——超级智能，即人工智能演变成一个独立的意识进行思考的阶段，我们目前的科学还没有达到。其次，无数的算法被训练来对医疗图像中的各种模式进行分类，从而帮助医生诊断病情。然而，这种算法应用的局限性至少存在于三个方面。

       其一，算法所使用的医学数据往往来源于高度发达的地区，也就是说，包含着一定特异性或概念化的算法框架本身就是不客观的，其内部不可避免地夹杂着工作团队的主观假设。

        其二，智能算法的预测能力是以过去的案例为基础的。然而事实上，这些案例经验在新的药物副作用或治疗抗性实验预测中很可能是无用的。

       其三，大多数正在进行的人工智能研究都是在从各种医疗机构收集的训练数据集上完成的。然而，如果利用算法分析医学图像，医生往往会得到相同的数据集，却很难再现临床实际情况 。

       01   肿瘤DNA检测算法

       癌症治疗非常困难的一个原因是，恶性肿瘤往往会变异、生长和进化，难以控制。

      近年来，科学家们发现，不仅肿瘤本身会发生变化，其DNA也会转变。随着测序成本的大幅下降，肿瘤的基因分析成为可能，最近，专家在AI算法的支持下开始分析数据，想要弄清肿瘤内部到底发生了什么样的基因突变。

     为了使这些现有的工具更加精确，美国巴尔的摩市的个人基因诊断公司开发了一种新方法，利用机器学习使肿瘤DNA诊断过程自动化，并提高识别癌症组织中突变的准确性。通过这种方法，医生就可以为患者选择特定的靶向治疗。

      02  心脏图像&AI预测心脏病

      超声心动图通过声波描绘心脏的图像，心脏病专家可以通过该图像确定患者是否患有心脏病。这是一项标准测试，用于检查患者的中央器官的瓣膜或腔室是否有问题，是否有先天性心脏缺陷，或者气短或胸痛是否与心脏有关。

      加州塞达斯西奈山心脏研究所和人工智能医学部门的研究人员在这一领域有突出成就。该研究所报告说，在评估和诊断心脏功能方面，人工智能（AI）被证明比超声心动图医生的表现更出色。在这项首次、随机的盲试中，心脏病专家评估了3,495份经胸超声心动图研究，并比较了人工智能或超声心动图医生的初始评估。其中一个主要发现是，心脏病专家更认可人工智能的评估结果。例如，专家们只纠正了16.8%的人工智能的初步评估，却纠正了27.2%的超声心动图医生的人工评估。

       当然，这并不是AI在心脏病学中的首个应用。早些时候，加州大学旧金山分校的助理教授和执业心脏病专家Rima Arnaut和其同事就已经使用深度学习来训练一个AI系统，该系统可以根据显示的视图类型对超声心动图进行分类。当人工智能和心脏病专家被同时要求对图像进行分类时，算法的准确率达到了92%，而人类的正确率却只有79%。

       此外，AI算法不仅在图像分类方面胜过医生，而且在根据各种因素预测结果方面也表现优越。英国诺丁汉大学的研究人员创建了一个系统，通过扫描和分析病人的常规医疗数据，来预测他们中哪些人会在10年内发作心脏病发作或中风。与基于公认的风险因素（如高血压、胆固醇、年龄、吸烟和糖尿病）的标准预测方法相比，该人工智能系统准确地预测了355名患者的命运。

       03   用AI进行更精确的皮肤癌诊断

      根据世界卫生组织的统计数据，目前，全球每年约新增150万非黑色素瘤皮肤癌和32.5万黑色素瘤皮肤癌患者。数字健康技术，如SkinVision等智能手机应用程序、远程医疗服务以及人工智能，正被应用于对抗这种广泛流行的疾病的前线。

      斯坦福大学创建的算法是迄今为止最强大的系统。该算法在超过128万张图像上进行了训练，并通过一组来自2000多种疾病的近13万张皮肤病变扫描图进行了微调。这是迄今为止用于皮肤癌自动分类的最广泛的数据集。      

    04  用AI检测乳腺癌

      乳腺癌是妇女最常发生的癌症，也是总体上第二常见的癌症。就像许多其他类型的癌症一样，早期发现可能是乳腺癌患者的救命稻草。

      加州大学旧金山分校的研究人员发现，用于自动分类乳房密度从而检测乳腺癌的商业软件与人类放射科医生一样准确。短时间内，当乳腺密度无法明确诊断时，该算法可以为医生提供支持。

      此外，算法不仅可以协助放射科医生，也可以协助病理科医生与乳腺癌作斗争。国际生物医学成像研讨会（ISBI）日前举行了一项重大挑战，评估用于自动检测转移性乳腺癌的计算系统。研究表明，结合人类病理学家的努力和深度学习系统的预测，在识别转移性乳腺癌时，人类的错误率下降了85%。这是一个令人印象深刻的结果，尤其是考虑到在涉及到这种致命疾病时，早期诊断意味着拯救生命。

      05   预测自杀风险的智能算法 

      在未来，你可能会因为手臂骨折而去医院，然后带着石膏和一张因标明有自杀风险而必须接受精神病治疗的纸条离开医院。这就是一些科学家的目标，他们开发的人工智能系统旨在早期捕捉抑郁症行为，并帮助减少严重精神疾病的出现。

      位于纳什维尔的范德比尔特大学医学中心创建的机器学习算法，使用入院数据，包括年龄、性别、邮政编码、药物治疗和诊断历史等，来预测任何特定个人自杀的可能性。

      在使用从5000多名因自残或自杀企图而入院的病人身上收集的数据进行的试验中，该算法在预测某人是否会在接下来的一周内尝试自杀方面的准确率为84%，在预测某人是否会在接下来的两年内尝试自杀方面的准确率为80%。

        斯坦福大学的研究人员训练了一个人工智能系统，以增加在需要时准确接受生命晚期护理的住院病人的数量——这意味着这个智能算法能够预测非常严重的病人何时接近生命的终点。

       该算法经过训练，以分析病人去世前3至12个月期间电子健康记录中的诊断、处方、人口统计和其他因素。一旦经过训练，该算法就能在医院的系统中标出仍然活着的病人，这些病人可能是姑息治疗的合适人选。

      当斯坦福医院的姑息治疗团队评估了50名被算法标记为非常高风险的随机选择的病人时，该团队发现所有这些人都适合被转诊。除了能够准确预测，该程序还将决策权完全交给了医生。这可能是算法和医生作为一个团队一起工作的未来模式。

     07    MedPaLM，医学大型语言模型

      在ChatGPT发布后短短几周，谷歌/DeepMind宣布发布MedPaLM，这是一个专门用于回答医疗保健相关问题的大型语言模型，是一个基于540亿参数的PaLM模型。

     这个模型是在六个现有的医疗问答数据集（NedQA、MedMCQA、PubMedQA、LiveQA、MedicationQA和MMLU）的基础上上训练的，开发者团队还创建了他们自己的HealthSearchQA，使用有关医疗状况和相关症状的问题。目前MedPaLM还不能被公众测试。

       杜克大学的研究人员开发了一种败血症观察深度学习算法，帮助评估病人患败血症的风险。在出现高风险病人时，它会自动提醒医院的快速反应小组，并指导他们完成头3小时的护理管理。这对于预防并发症至关重要。

      该大学多年来一直在研究这种算法，并于2018年在临床工作中实施该模式。据共同领导该项目的杜克大学医生和临床数据科学家Mark Sendak表示，杜克大学正在进行最终分析，且在临床试验中，使用算法后的病人死亡率似乎有所下降。

       此外，据《华尔街日报》报道，连锁医院HCA Healthcare也开发了一种名为败血症预测和优化治疗的预测算法。它持续监测病人数据，以识别潜在的即将发生的败血症病例。该算法能够比临床医生提前六小时发现败血症，而且更准确，使医疗系统将160家医院的败血症死亡率降低了近30%。

      元智能包括理解、表达、抽象、推理、创造和反思等人类高级能力，其中包含人类积累的知识。元智能以碳基生命为载体，是由个体和生物群体经过百万年的进化产生的，它包括生物具身智能、脑智能（尤其是人脑）和群体智能。所有的智能系统都是由人类设计和建造的。

      

       因此，在智能计算的理论体系中，人类的智慧是智能的源泉，计算机是人类智能的赋能。我们称计算机的智能为通用智能。

      通用智能代表计算机解决具有广泛外延的复杂问题的能力，以硅基设施为载体，由个体和群体计算设备产生。生物智能可以在以下四个层次上移植到计算机上：数据智能、感知智能、认知智能和自主智能。

                                     

                                             图1   元智能和通用智能

      智能计算面临大场景、大数据、大问题、泛在需求的挑战。算法模型变得越来越复杂，需要超级计算能力来支持越来越大的模型训练。目前，计算资源已经成为提高计算机智能研究水平的障碍。随着智能算法的发展，拥有丰富计算资源的机构可能形成系统的技术垄断。经典的超级计算机已经难以满足AI对计算能力的需求。

      虽然通过算法优化可以在一定程度上降低算力需求，但并不能从根本上解决这个问题。

行业资讯

INDUSTRY INFORMATION

撰文：智能计算的新进展、

挑战与未来

      2023年1月，海内外9位院士及12位专家在Science《科学》合作期刊Intelligent Computing发表长篇综述论文《智能计算的最新进展、挑战和未来》。文章全面阐述了智能计算的理论基础、智能与计算的技术融合、重要应用、重大挑战和未来前景，将为学术界和工业界的相关研究人员提供全方位的参考和对智能计算领域的指引性见解。

      智能计算基础

      智能计算是数字文明时代支撑万物互联的新型计算理论方法、架构体系和技术能力的总称。利用智能计算可以实现许多经典和前沿研究领域的创新，以解决复杂的科学和社会问题。智能计算的基本要素包括人的智能、机器的能力以及由万物组成的物理世界。

     在理论框架中，人是智能计算的核心和智慧的源泉，代表着原始的、与生俱来的智能，称为元智能。

需要从架构、加速模块、集成模式、软件栈等多个维度进行全面优化，如图所示。

                                                  图 2   智能计算的计算能力

      智能计算在理论技术上具有以下特点（图3）：理论技术上的自学习和可进化性，架构上的高计算能力和高能效，系统方法上的安全性和可靠性，运行机制上的自动化和精确性，以及服务性上的协作和泛在性。智能计算包括两个本质方面：智能和计算，两者相辅相成。

                                                         图 3   智能计算的特征

      

        智能促进了计算技术的发展，计算是智能的基础。提高计算系统性能和效率的高级智能技术范式是“智能驱动的计算”。支持计算机智能发展的高效、强大的计算技术范式是“面向智能的计算”。

     提高计算的普适性对智能计算至关重要。现实场景中的问题，例如模拟、图（gragh）（图4）等，需要进行各种计算。智能计算的另一个关键点是如何提高计算的智能化水平。从经验上来说，我们常常需要向自然界的智能生物学习，计算也不例外，例如三大经典智能方法：人工神经网络（图5）、模糊系统和进化计算，都是受生物智能启发提出的算法。智能计算理论包括但不限于以上几种计算，以实现高度的泛在化和智能化。

                                                  图 4  图计算的技术架构

                                          图 5   典型神经元的结构和人工神经元的结构

      智能系统在开始工作之前，首先要进行智能感知。因此，感知智能在所有智能系统中都起着至关重要的作用。感知智能的重点是多模态感知、数据融合、智能信号提取和处理。

      典型的例子包括智慧城市管理、自动潜水系统、智能防御系统和自主机器人。感知智能研究中最热门的领域是模拟人类的五种感觉能力，视觉、听觉、嗅觉、味觉和触觉。

      此外，智能传感还包括温度、压力、湿度、高度、速度、重力等，需要大量的计算或数据训练来提高其性能。

     近年来，随着模式识别和深度学习技术的全面应用，机器的感知智能已经超过人类，在语音、视觉和触觉识别方面取得了重大进展。由于其日益增长的重要性和日益拓宽的应用领域，智能传感器受到了广泛关注。如图 6 所示，智能传感器具有各种形式以满足不同应用的需求，并且更新更好的型号正在被不断的开发出来。

                              

                                图 6    工业中需要连接到物联网的各种传感器类型

       驱动机器从被动输出到主动创造有两个关键要素：强泛化模型和与外部环境的持续交互。自主智能的发展路径从学习单一任务开始，举一反三，逐步达到与环境动态交互的主动学习，最终实现自我进化的高级智能。当前可以通过迁移学习、元学习和自主学习等技术寻找生成自主智能的可行路径。

       尽管在智能的四个层面上（数据智能，感知智能，认知智能，自主智能）取得了重大进展，但目前仅通过计算/统计模型还难以从极其复杂的场景中实现完全的智能。

      在这些场景中，人类应该继续在解决问题和决策中发挥不可或缺的作用，来探索人类认知过程中涉及的要素，并将其与机器智能相结合。下一步，将聚焦于人机交互、人机融合和脑机接口等技术。

         面向智能的计算

        AI的发现不断涌现，这在很大程度上归功于不断增长的计算能力。AI的快速变化是由新思想或革命性理论推动的。通常，最新的先进模型仅依赖于更大的神经网络和更强大的

                                                

处理系统。

      Open AI研究人员在2018年进行了一项研究，追踪基于计算能力的最大模型的增长情况。利用AI研究史上训练的一些最著名的AI模型所需的计算量，他们发现了计算资源快速增长的两个趋势。

      开发突破性模型所需的计算能力的增长速度与摩尔定律大致相同，即在2012年之前，单个微芯片的计算能力往往每两年翻一番。但图像识别系统AlexNet在2012年发布时引起了人们的新兴趣。AlexNet的引入刺激了顶级模型的计算需求急剧增加，从2012年到2018年，这种需求每3到4个月翻一番。

                          图 7：过去十年计算能力需求的增长大大超过宏观趋势

       当摩尔定律失效时，超大算力主要依赖于海量计算、内存和存储资源的并行叠加。例如，“高性能计算”是指将大量计算机快速联网成一个“集群”以进行密集计算的做法，使用户能够比传统计算机更快地处理大量数据，从而获得更深入的洞察力和竞争优势。

      此外，得益于云计算，用户现在可以选择增加其高性能计算程序的容量，从而继续提高算力。

       推进智能计算架构创新的目标包括更高效的能源管理、更低的功耗、更便宜的总芯片成本以及更快速的错误检测和纠正。当涉及某些无法在CPU上执行的AI操作时，AI加速器可能会大大减少训练和执行时间。

         在短期内，所使用加速器的架构专业化将是保持计算能力增长的最佳方式，如图8所示为已公开发布的AI加速器和处理器的峰值性能与功耗。

      另外，内存计算（图9）是一个非常有效的方案，它能够使内存单元执行原始逻辑操作，因此它们可以在不需要与处理器交互的情况下进行计算，这是内存和处理器之间不断扩大速度差距的主要原因。

                                 

                          图 8  公开发布的 AI 加速器和处理器的峰值性能与功耗散点图

  图 9 计算的三种概念方法：（a）传统数字计算，（b）近内存阵列计算（NMAC）和（c）内存阵列计算（IMAC）

       复杂性是传统计算机进一步突破的瓶颈。当今高度复杂的AI模型（例如深度神经网络）在边缘设备中仍然难以实现普遍使用。这是由于运行这些模型的高级GPU和加速器存在功率和带宽紧缩的缺陷，导致处理时间长并且架构设计繁琐。

       由于这些问题，研究人员开始创造新的计算模式，主要包括：

      量子计算，因为其具有纠缠或其他非经典相关性带来的量子优势，可以在许多复杂的计算问题中实现指数速度。

      神经形态计算的构造和操作受到大脑中神经元和突触的启发，因其能源效率高而非常适

合计算，神经形态计算是事件驱动和高度并行化的，这意味着只有小部分系统同时工作，所以消耗的功率非常小 。

       光子计算与电神经网络相比具有许多优势，包括超高带宽、快速计算速度和高并行性，所有这些都是通过使用光子硬件加速来计算复杂的矩阵向量乘法来实现的 。

       生物计算是利用生物系统固有的信息处理机制发展起来的一种新的计算模型，主要包括蛋白质计算机、RNA计算机和DNA计算机，具有并行和分布式计算能力强、功耗低的优势。

        智能计算的应用        如果要跟上当前科学的快速发展，就必须不断的进行革新。现在正在进行的计算机革命的融合将以前所未有的方式极大地推动科学发现的进步。

      几十年来，计算材料已成为研究材料特性和设计新材料的有力手段。然而，由于材料和材料行为的复杂性，它们的应用面临许多挑战，包括缺乏许多原子、离子以及原子和离子相互作用的力场和电位，分子动力学模拟中的不同热力学相，以及优化材料成分和工艺参数的巨大搜索空间。作为一种新的研究范式，AI集成到计算材料中是对传统计算材料的革命，并且已经在多长度、多时间尺度、多物理场耦合计算方面取得了巨大成功。

                                              

                                             图10：材料/分子科学范式的比较

        作为最古老的观测科学之一，天文学在历史上收集了大量数据。由于望远镜技术的突破，收集到的数据爆炸性增长。天文学和天体物理学领域的特点是拥有丰富的数据和各种

                                        

大口径的地面望远镜，例如即将推出的大型巡天望远镜和天基望远镜。使用高分辨率相机

和相关工具，数据收集现在更加高效，并且在很大程度上实现了自动化，必须进行更高效的数据分析。因此，需要智能计算技术来解释和评估数据集。

      药物设计同样受益于AI，AI可以帮助科学家建立蛋白质的3D结构、模拟药物和蛋白质之间的化学反应以及预测药物的功效。在药理学中，AI可以用于创建靶向化合物和多靶点药物。利用AI还可以设计合成路线、预测反应产率并了解化学合成背后的机制。AI让重新利用现有药物来治疗新的治疗目标变得更加容易。此外，AI对于识别不良反应、测定生物活性和获得药物筛选结果至关重要。

图11：不同的基于深度学习的药物-靶点相互作用预测算法对应不同的输入特征。（a）基于配体的方法，（b）基于结构的方法，和（c）基于关系的方法

图12    大数据与AI在植物育种中的结合

      随着大数据和AI技术使用的增长，作物育种开始进行融合与突破。AI技术可以支持服务的创建、模型的识别以及农业食品应用和供应链阶段的决策过程。AI在农业中的主要目标是准确预测结果并提高产量，同时最大限度地减少资源使用。因此，AI工具提供的算法可以评估产量，预测难以预见的问题或事件以及发生趋势。从种植到收获再到销售，AI促进了整个农业价值链。     

       智能计算加速转型变革，导致经济和社会秩序的转变。由于技术进步，商品和劳动力市场正在发生巨大变化，数字社会正在逐渐形成。AI应该成为数字经济中每一个数据驱动战略的核心，包括工业4.0。例如，人工智能可以应用于预测性维护。预测性维护包括涉及通用设备或生产机械的维护，并使用来自生产线或运营线的传感器数据帮助降低运营费用或停机时间。

                                                    图13      数字社会的组成部分 

       另外。AI可以应用于城市治理，通过开发新的策略和方法，使城市更智能。智慧城市治理旨在利用最先进的信息技术同步数据、程序、权限等，造福城市居民，主要包含四个方面：智慧决策、智慧城市治理、智慧行政和智慧城市合作。