第三是探索適應目標與環境的計算模式與高效實現方式，從而更好認知世界、解決問題、創造價值。例如針對統計相關人工智能（AI）計算模式不可解釋、不可調試以及能效的難題，是否可以向生物界學習？螞蟻大腦一般只有0.2毫瓦的能耗，它既不用深度學習、也不需要遵循可計算性理論和馮·諾依曼架構，但是卻能夠做很多複雜的事情，例如築巢、尋找食物、養蚜蟲等等。目前自動駕駛汽車還需要幾十瓦甚至幾百瓦能耗來進行計算，在能效上與螞蟻相比還有很大的差距。因此在AI領域，除了統計和相關計算模式外，能不能進一步發展出數理邏輯計算模式、幾何流形計算模式、博弈計算模式等？
第四是突破香農定理的假設，在更大的時空中發展信息通信。未來真人級全息通訊、自動駕駛都將產生海量數據，而目前的5G網絡遠遠達不到這個容量。對於這些挑戰，在理論上，如果假設這個世界是有先驗知識、有記憶的，就可能跳出香農定理的限制；在工程上，一個量子級聯激光器可以同時產生幾百個波長，實現上百T的流量，未來如果能做出高重頻阿秒激光器，甚至可能產生百萬T的流量。這些技術如果嫁接到無線和光領域，就可以成千上萬倍提升通信性能。
在四大科學假設和商業願景之上，周紅還提出了面向未來的10個問題和挑戰，包括機器如何認知世界，能不能建立適合機器理解世界的模型？如何理解人體的生理學模型、八大子系統的運行機制，以及人的意圖和智能？如何發展以應用為中心，面向價值與體驗的高效率、自動化和智能化軟件？如何通過智能計算發明新的分子、催化劑和器件？如何發展出安全、高效的能源轉換和儲能，提供按需服務等等。
“面向未來，只有大膽提出假設、大膽提出願景，敢於打破既有理論與技術瓶頸的條條框框，才能大踏步前行。”周紅擲地有聲的話語中透露出信心和力量。
集聚世界級人才 探索世界級難題
|
