當前，人工智能、區塊鏈、量子計算等技術正在飛速發展，通過今天這些科技創新，我們能夠預測到未來的一些生活方式。那么未來科技將如何發展，未來信息技術發展的方向又將是什么?

指數級增長的時代

科技創新大致可以分為兩類：一類是突破性的技術創新，另一類是持續性的技術創新。計算機歷史上第一個硬盤的出現、第一個高級程序設計語言Fortran的產生、動態隨機存取存儲器DRAM的發明等，這些都是IBM在過去幾十年中的突破性的技術創新，為當代計算機的發展奠定了基礎。另一方面，我們也需要持續性的技術創新。舉個例子，IBM在上個世紀50年代推出了全球第一個磁盤存儲系統IBM 305 RAMAC，內部安裝了50個直徑為兩英尺的磁盤，重量約為一噸。但是，這個系統的存儲量只有5兆字節。如果沒有后面持續性的技術創新，今天一個筆記本電腦的磁盤容量就需相當于一艘萬噸巨輪的體積。

今天我們正處于一個指數級增長的時代。信息技術的發展很大程度上是摩爾定律的作用，持續性的技術創新使得晶體管的數目每18個月能夠翻倍，及由此帶來效率的提升和成本的下降。在互聯網時代我們看到同樣的指數效應在網絡上發生，加入網絡的用戶數在呈指數型增長，網絡的價值大致是與連接到網絡中的結點數的平方是成正比的。今天面臨的大數據時代，我們也看到這樣的趨勢，大數據本身正在以指數級增長。與此同時，未來人工智能技術的發展，使得我們可以從大數據中得到的商業洞察力也會呈指數級增長。我們把人工智能、區塊鏈、量子計算放在這樣一個指數級增長的時代中，可以設想到這些技術未來對我們生活的影響。

談到信息技術未來的發展，首先是人工智能將變得無處不在。除了今天面向消費者的人工智能外，更多企業級、用于解決行業方案的人工智能也將被廣泛應用。其次，今天已非常火熱的區塊鏈技術將飛躍發展。區塊鏈技術將會重新定義交易，任何交易都會由于區塊鏈技術的廣泛使用而根本改變，變得更加安全與可靠。最后是量子計算。量子計算會從根本上改變我們對計算的理解，為行業創新帶來無限可能。

未來的人工智能

迄今的人工智能大多數還是一種專用的人工智能(Narrow AI)，我們看到的人工智能的解決方案大多數都是來解決單一的問題，雖然這個問題本身可能充滿了挑戰，它可能是語音識別的問題、圖像識別的問題。那種通用的我們大家憧憬的能夠解決所有問題的人工智能，應該說離今天還非常遙遠。今天的人工智能更多的還是一種我們稱之為面向消費者的人工智能。

我們正在邁入一個比較寬泛的人工智能(Broad AI)時代，這個時代重要的標志就是人工智能技術開始解決一個領域或者跨領域的多個問題。我們會看到人工智能從專用變得多用，變得更加寬泛，從完成單一任務的人工智能解決方案到完成多個任務甚至跨領域多個任務的解決方案。在不久的將來，企業人工智能會逐漸地興起和發展，我們會看到更多的人工智能在垂直領域的應用。

與此同時，我們也會看到人工智能變得無所不在。特別的一點，人工智能會從云端向邊緣端蔓延，因為我們很多時候的數據處理需要在邊緣端來進行，比如說實時信息處理。不久前IBM發布的最小計算機，一平方毫米的面積，有幾十萬個晶體管，包括了計算、存儲、通訊等功能。當人工智能從云端向邊緣端擴展時我們會看到人工智能和物聯網開始做一個深度的融合，它使得我們今天可以對物理世界做更好地管理、分析與優化。

·人工智能改變行業

人工智能的成功需要商業的成功，而人工智能商業的成功必然需要與行業結合。從宏觀來看，人工智能與行業來結合，大致提供這樣兩類價值：一是人工智能代替一部分人力，提高我們的效率;二是人工智能提供基于知識、基于數據的專家助手來幫助人類，使我們做更好的決策。

我們把人工智能的視頻分析用在工業制造中產品質量的缺陷檢測和質量控制;我們開發人工智能的醫生助手，為醫生提供實時的診療建議;我們構建人工智能的律師助手，為律師提供基于相關法律條文和相關案例的建議。

談到人工智能與行業的結合，我們需要構建平臺和基于平臺之上的解決方案。用人工智能時代的醫療來做一個例子。我們需要構建一個人工智能的數據平臺，在這個平臺上可以對醫療數據，無論是結構化數據還是非結構化數據，進行安全有效的管理。在這個基礎上我們來構建各種垂直領域的解決方案。這些解決方案可能是為醫院的，可能是為醫生的，可能是為政府監管部門的，可能是為制藥公司的，也可能是為醫療保險公司的。我們再把視角聚焦到為醫生服務的人工智能解決方案。可以是為專科醫生來做腫瘤診斷的決策支持;也可以是幫助社區醫生來做慢性病的規范化管理。從技術維度來看，一方面我們需要基于醫療指南來做知識驅動的系統，另一方面我們也需要根據醫療數據(包括電子病歷，醫療影像等)來構建數據驅動的系統，并把知識驅動和數據驅動做有效的整合。

·人工智能面臨的挑戰

首先是人工智能的算法層面。一是如何從小樣本、弱標識的數據中進行學習。相對每一個要解決的行業問題，數據或者標識好的數據往往不是那么多。在這種情況下，我們如何能夠很好地從小數據中進行學習就變得非常重要。另外一點，人工智能的算法或者人工智能的解決方案需要能夠對結果進行解釋。比如我們把人工智能應用在醫療中，不但要給醫生提供建議，還要能夠給醫生解釋為什么給出這樣的建議。人工智能算法的開發者也需要理解這樣的模型是如何工作的。

其次是人工智能的模型。我們需要構建更多的可以重復使用的基礎人工智能模型。這是經過數據訓練的，能夠獨立完成一些基本功能的模型。用這樣的模型來構建更復雜的人工智能模型，再往上一步步構建行業的應用。我們可以設想一個人工智能模型的交易市場(Marketplace)，人工智能模型的開發者和使用者能夠在這樣的平臺上對模型進行交易。

第三是人工智能的應用場景。這是今天企業級人工智能面臨的巨大挑戰。行業專家并不完全理解人工智能技術，包括未來的發展。技術人員并不完全理解行業。如何選擇應用場景，使得今天的技術或者我們預計未來三五年可能出現的技術能夠對這個場景提供合適的解決方案，是一個很大挑戰。特別是，這對人工智能領域的領軍人物提出不一樣的要求，不僅需要是人工智能專家，還需要對行業有一定的理解，并對商業創新有一定的感覺。

最后是人工智能的安全和倫理。人工智能技術本身的發展可能會給我們帶來全新的挑戰。一方面，人工智能技術可能被用來對我們計算機系統進行攻擊;另一方面，數據可能被污染，如果我們使用了被污染的數據，可能使構建的人工智能解決方案產生偏差。比如，如果我們用被惡意改變了的數據來訓練交通標志識別系統，它可能會對一些重要的交通信號產生錯誤的解讀。再比如，我們構建一個信用卡申請審核解決方案，如果數據是有偏見的，無論是有意還是無意，可能對某一類申請人給出不合適的判斷。如何一方面保護我們的數據，另一方面保護人工智能的模型免于受到攻擊就變成一個非常重要的技術問題。與此同時，我們也需要新的行業標準，可以對人工智能模型進行安全和倫理的測試與鑒定。

未來的交易

區塊鏈技術將會從根本上改變未來的交易系統。今天的商業交易有很多身份驗證、授權許可、文檔審核。舉一個例子，今天一個海運運單可能需要幾十人的審核與上百個文件的簽署，這中間任何一個文件的丟失或者延誤都會造成問題。許多這些人為的成本都可能會因為區塊鏈技術的出現而消除。

IBM這些年來一直專注于企業級區塊鏈技術。我們非常重視安全開放的平臺與生態的構建。與此同時，我們把區塊鏈技術引入不同的行業和不同的領域。

比如說在食品安全領域。建立可信的食品供應鏈需要多方共同的參與，包括出廠方、配送方、消費者等。區塊鏈提供了這樣一個平臺，把供應鏈的各方匯集在一起，并且提供了去中心化、可追溯的解決方案，最終實現了食品供應鏈的透明、安全、有效和可追溯性。區塊鏈提供了這樣一個平臺，把供應鏈的各方匯集在一起，并且提供了去中心化、可追溯的解決方案，最終實現了食品供應鏈的透明、安全、有效和可追溯性。

我們也嘗試把區塊鏈技術應用在其他領域，比如去中心化的跨行支付。IBM開發了全球第一個基于區塊鏈技術的去中心化跨行支付系統，通過分布式賬本在網絡參與者之間構建可追蹤、可審計和可證明的交易記錄，降低了中央銀行的成本、避免單點故障，并提供了靈活性來處理不同銀行之間的不同結算規則。

在可預見的將來，我們會看到人工智能技術和區塊鏈技術的融合。雖然這兩者看似分屬兩個不同的技術方向：人工智能是在封閉數據平臺上訓練中心化的智能;區塊鏈則是在開放數據環境下構建去中心化的應用。然而，區塊鏈的技術創新無疑是能夠幫助人工智能的，尤其是區塊鏈技術將會為數據的可信性和可追溯性提供支持與保證。

未來的計算

人工智能的發展需要強大的計算力的支持，而計算力在過去30年有了極大的提高。今天我們面臨很多新的挑戰，很多人認為摩爾定律可能會最終遇到物理的極限。我們來看一看有什么新的技術能夠持續不斷地提供我們需要的新的計算力。

今天的計算機系統在過去幾十年雖然有非常大的性能提高，但其基本架構還是沒有太多的改變，都是基于傳統的馮諾依曼架構，而這種架構比較擅長邏輯運算，而不是特別擅長模式識別與形象思維。IBM在這方面做了很多的嘗試，其中一個例子就是類腦計算。幾年前IBM發布的TrueNorth芯片，是這個領域非常重要的探索。我們希望構建能夠模仿人腦思維方式的全新的計算機系統。我們可以模擬100萬個神經元，2.5億個神經突觸，而這樣的類腦芯片僅有70毫瓦的功耗。我們也有一個長期的目標，希望能夠構建模擬100億個神經元，而功耗不超過1000瓦的新的類腦計算芯片。

談到新的計算能力，我們必須談一談量子計算。量子計算在過去十年間取得了極大的進展。量子計算利用了量子的兩個概念，一個是量子疊加，一個是量子糾纏。量子計算機之所以強大，是因為從理論上來講，它可以同時計算指數級的路徑。而經典計算機只能在這樣一個指數級的空間中計算若干條路徑。

今天IBM的科學家用低溫超導來實現量子計算。2016年IBM首先發布了五個量子位的量子計算機。2017年先后發布了16個量子位的量子計算機，20個量子位的量子計算機，以及50個量子位的量子計算原型機。與此同時我們把量子計算用云平臺的方式提供給用戶。用戶可以從遠端實現量子的編程。到今天為止我們有超過7萬的用戶使用這個量子云平臺，已經進行了超過300萬的量子計算的實驗。

量子計算機的計算能力不僅僅取決于有多少個量子比特位，還和其他一些因素有關。量子位的穩定性可能受到環境的影響，它們之間也會相互影響。我們用“量子容量”的概念來界定量子計算機的計算能力。作為一個長期的目標，我們需要改進的是量子容量，而不僅僅是簡單地增加量子位。

接下來我們看一看量子計算在未來的應用前景。在不適合經典計算機解決的問題中，有一部分我們相信是適合量子計算的，可能是一些優化問題，可能是一些機器學習問題，可能是一些物理化學的模擬問題。如果我們能夠利用未來的量子計算做高效的物流最優路線的設計，我們就可能為供應鏈管理提供新的優化方式。如果我們能夠用未來的量子計算做更好的分子模擬，我們就可能以更低成本來發現新的材料或者發明新的藥物。如果我們面對大數據能夠用未來的量子計算來改進我們的機器學習，我們就可能讓人工智能變得更加強大。

今天我們還是處在我們稱之為量子準備的階段。我們長期的目標是構建具有容錯能力的通用量子計算機。量子計算機不是單獨運行的，而是要和傳統計算機做一個結合，一起解決我們今天需要解決的問題。

最后總結一下，在人工智能時代，人工智能代表了信息技術的未來。我們看到人工智能時代技術創新有四個重要的維度：一是人工智能的核心技術;二是人工智能與區塊鏈的結合;三是新的計算力，包括量子計算;四是人工智能與行業的結合。可以這樣講，人工智能改變世界，最終還是要從改變每一個行業開始。

關鍵詞：