这位第一个使用人工智能解开中国象棋残局的科学家，要让 AI “无所不能、无处不在”

本文授权转 载自| Xtecher（id： Xtecher ）

2015 年夏天，经历了一系列风波的前百度人工智能杰出科学家吴韧博士关上手机，和夫人一起踏上了地中海游轮。途中几次开机，收到的信息五花八门：安慰鼓励的、故作惊讶的、嘘寒问暖的、好事打听的……

关上手机，吴韧面对大海，安静思考。彼时，他可以选择任何一家科技公司，继续他用异构计算推动人工智能的抱负。在这个领域沉浸 30 余年，他坚信这是未来全栈解决方案的核心价值之一。或者，早已衣食无忧的他可以提前开始退休生活，琴棋书画诗酒茶，看云卷云舒、花开花落。

可仅过两周，他做出了另一个决定——创业。亲历中美两国科技公司的层层汇报与种种肘制，这是他一展胸中抱负的最佳机会。 从 2000 年加入惠普实验室使用 GPU 进行海量数据计算，到 2011 年成为 AMD 异构计算系统首席架构师，再到 2013 年成为百度深度学习研究院杰出科学家，以至 2015 年得到“上帝最好的礼物”，年近半百，他已疲于等待。

这一次，他决定将心中的万千沟壑付诸实践，在人工智能领域书写自己的故事。

所谓“无所不能”，指的是极强的计算能力。 吴韧决定专门为神经网络训练设计一台超级计算机，通过软硬件的定制化系统设计整合出强大的运算能力。

为此吴韧闭门谢客。 三个月之后，他独立亲手搭建的超级计算机 NovuStar 初见锥形。这是他沉浸人工智能领域 30 多年胸中抱负的集成，运算能力“格外恐怖”。 吴韧说，彼时（ 2015 年底上线）的 NovuStar ，其神经网路的训练能力即便拿到今天（ 2017 年）来对比，也是目前市面上最快的 DGX-1 的 30 倍。这也意味着，同样的数据， NovuStar 可以产出更强悍的模型和为 SGD 算法定制的数据处理能力，从而为深度学习的进一步优化和模型构建打下坚实基础。

这样的海量数据处理能力，就是 Novumind 的“无所不能”。

所谓“无处不在”，则是通过自主设计芯片，将人工智能的能力从云端移动到终端，让各个终端都可以“思考”。 这里的“思考”，指的是每个本地终端内置的处理器和训练好的人工智能模型，可以随时随地分析原始数据，进行智能判定和决策，并在需要的时候将结果传输到云端平台，用超级计算机继续优化人工智能的算法与应用。

吴韧认为，人工智能本地必须做到及时处理。 传统信息采集、传到云端、等待处理结果的模式，如果速度稍有减缓，或传输路线故障，造成的损失不可估量。而传统物联网的云端构架更难以处理未来的海量数据。因此，各个终端自行处理决策信息的重要性呼之欲出，“无处不在”将在未来彻底解构传统物联网。当然，这对各终端芯片的承载运行能力、深度学习模型、云储存计算技术以及计算结构优化都有极高的要求。

在终端内部进行本地运算处理，就是 Novumind 的“无处不在”。

这样的生态系统，完整构成了 Novumind 引以为傲的全栈解决方案， 终端不断进行智能判断和处理，新的价值数据返回云端，并通过超级计算机优化出新的神经网络模型，然后再反馈到终端，形成正向循环。

1997 年，以计算机象棋奥赛世界冠军的身份现场观看深蓝战胜卡斯帕罗夫的吴韧清楚地知道，一段历史已经结束，而另一个时代的帷幕刚缓缓拉开。

彼时，他已经是两届中国象棋世界冠军，师从英国人工智能大师 Don Beal ，远渡重洋在美国进行数据处理方面的研究。而深蓝战胜卡斯帕罗夫给吴韧启发最大的， 正是“为解决具体问题而设计专用计算机，并将计算能力推到极致”的方法论。

吴韧在位于硅谷的办公室说：“事实上，我知道深蓝早晚会战胜卡斯帕罗夫。深蓝可以在一秒钟内看到两亿个局面，而人一秒钟只能看到 10 个局面。深蓝的 480 个定制芯片加上 IBM 的超级计算机所展现的计算能力，比卡斯帕罗夫的计算要强上太多。 这样使用专用计算机将其推演到极致的做法理应是无所不能的！”

几年之后，深受深蓝启发的吴韧在其博士论文《回溯算法及其应用》中优化了图灵奖得主 Ken Thompson 的算法， 他运用大量的计算集成和全新数据结构设计开发了“梦入神机”——可以媲美世界顶级中国象棋大师的程序，成功破解了中国象棋史上的知名残局“炮高兵单士相必胜士象全”，成为第一个使用人工智能解开中国象棋史上残局的科学家。