人工智能目前面臨的一個主要障礙是計算機收到的自然數據大部分是非結構化的雜亂數據。

對于人類來說，整理自然數據十分容易。例如，當你駕車行駛在住宅小區的道路上并看到前面滾過來一個球，你會停車，判定在你不遠處可能有一個小孩。目前的計算機做不到這一點，它們只能輔助人類完成精確的工作和任務。想要把當前系統和應用從“高級計算助手”變成“具備理解和決策能力的智能合作伙伴”，關鍵點在于能夠讓計算機高效地處理大規模的概率事件。

這就是為什么我們認為概率計算是推動人工智能發展的一項關鍵技術，也是能克服當前無數挑戰的核心。概率計算將使未來系統有能力理解和計算蘊含不確定性的自然數據，幫助我們開發真正能夠理解、預測和決策的計算機。

目前，英特爾觀察到有空前龐大的應用場景需要依賴對于雜亂自然數據的分析，這些數據不同甚至存在沖突信息。此類應用旨在幫助人類更智能地了解周遭環境。只有理清了這些雜亂數據雷區，才能把計算機變成可以理解信息、并像人類一樣據此采取行動的智能伙伴。

概率計算并非全新的研究領域，但高性能計算和深度學習算法的進步或將開創概率計算的全新時代。我們預計在未來幾年，概率計算將大幅提升人工智能系統的可靠性、安全性、可服務性與性能，包括專為概率計算而設計的硬件。從智慧家庭到智慧城市，這些進步對于把這些應用部署到的現實世界來說至關重要。

為了加快我們在概率計算領域的工作進展，英特爾正在增加對概率計算的研發投資并攜手合作伙伴以實現這個目標。

成立英特爾概率計算戰略性研究聯盟

發揮概率計算的全部潛力涉及到計算技術在多個層面的全面集成。今天，英特爾強調了對新興計算架構的集成、協作實施以及合理支持生態系統戰略的承諾，號召學術界和創業公司同我們合作，在以下領域推動概率計算從實驗室走向現實：基準測試應用軟件、對抗攻擊緩解、概率框架以及軟硬件優化。

著眼未來

我們非常期待看到推進概率計算的選題報告，延續這項研究有望讓人工智能協助我們取得更大的成就。學術選題報告預計會在5月25日前提交完畢，我們將從中選出最優的研究團隊。

我們從研究神經擬態計算開始，聚焦于理解人類大腦及其相關的計算流程。3月1日宣布啟動的神經擬態研究社區也在穩步推進，我們計劃繼續在云上擴展我們的LOIHI，讓研究人員能夠使用頂尖硬件。我們預計2019年將在一個系統上達到1000億個突觸。

此外，作為與普林斯頓大學的科研合作的一部分，英特爾一直在努力解碼人腦并推進神經科學的下一階段發展。通過概率計算的研究工作，我們期待著進一步了解智能和決策的流程。