芯片是硅做的，人是碳做的，硅與碳在元素周期表上正是同一族。讓機器像人一樣思考，是順理成章的事。
——IBM 全球副總裁王陽談人工智能和 Waston
自馮•諾依曼體系建立起來，機器計算就是線程的，計算機處理的世界就是結構化的。但世界往前發展了，數字大爆炸，信息已經不再是結構的或者非結構的，而是模糊的。是不是能夠教會計算機我們是怎么理解世界的、人類是怎么進行學習的、甚至人類對這個世界的認識的方式。一旦把這個事情教給計算機，所有數據的產生就讓可以計算機自己去學習了。
2011 年 2 月，IBM 的超級計算機 Watson 參加智力競賽節目“Jeopardy!”，戰勝了兩位人類冠軍選手，聲名鵲起，備受關注。后來，Watson 一方面在華爾街打打零工，一方面潛心修煉讓癌癥宣戰，最近還做起了廚子沒事配配各種味道還不錯的暗黑料理。這些曾經看起來不可思議的背后，就是人工智能的崛起。
第一個版本的 Watson 還是一個超級計算機，配置的是 90 臺服務器，15TB 的內存。現在 IBM 已經把它部署到云上，到 2013 年時，它的運算速度已經是過去的 240 倍。所以，你可以把 Watson 理解成一種云端的應用，嫁接在 Saas 的層面，是 Saas 和下面的 Paas 是相連接的部分，有大數據的分析能力，可以對各個行業產生的數據進行認知計算，進行學習，總結出一些規律，或者是提供一些知識，輔助行業專家進行決策。
自然語言處理
看過 Waston 參加的那期“Jeopardy!”，你首先會感慨的肯定是 Waston 的自然語言處理能力。“Jeopardy!”是美國著名的智力問答競賽節目，不同的是它是由答案反推問題。舉個例子來說，主持人說“今天的北京天氣特別好天空非常藍”，Waston 就要反推問題“什么叫 APEC 藍”。當時主持人在答案中用到了不少反語、諷刺語、俚語，而 Waston 都是應對自如。
王陽說，把自然語言記錄下來是第一步，之后要理解它的語義，還有關鍵詞，到底是什么意思。人類的語言是很復雜的，字面的理解和非字面的語義，有一些隱含的意思，不能搞錯的。IBM 在這些方面有很獨特的認識。事實上，當人機對話的時候，與英語相比，中文反而更容易被理解。這是因為中文都非常規則，都有一個元音。而英文一個單詞好幾個元音，也可能一個元音一個段，比較難一點。
第二步就是翻譯系統，從一個語言翻譯到另外一個語言，翻譯好了以后可以發聲。機器可以根據文字進行發聲。為了更加直觀、界面更加友好，可以根據不同的人來發不同的聲，你選擇美國總統奧巴馬的聲音，這句話就以奧巴馬的聲音來讀。只要你說一段話，元音的發音方式都已經有了，把它解析出來以后，就可以用機器說任何話，就像你說話一樣。比如《終結者 2》里，有一個機器人就是模仿人的聲音，他聽了別人說的話，電話里馬上可以模仿說話聲音，就欺騙了別人，這種技術現在可以完全做到了。
神經網絡
事實上，與自然語言處理同樣重要的還有神經網絡。我們一直采用的馮•諾依曼體系，最大的特點是存放信息和程序指令的內存與處理信息的處理器是分離的。由于處理器是按照線序執行指令的，所以必須不斷與內存通過總線反復交換信息—而這個會成為拖慢速度和浪費能量的瓶頸。盡管后來采用了多核芯片和緩存技術，但是這些只能提高速度而不能降低太多能耗，而且沒辦法實時處理，因為通信是瓶頸—內存和 CPU 的大量通信要通過總線進行。因此，近幾十年來研究人員一直在致力于尋找突破原有體系的技術。模仿人類大腦是科學家尋求突破的方向。這后面的事情，大家就清楚了。那就是IBM的百萬神經元類人腦芯片TrueNorth，用單晶硅模擬神經元。
郵票大小、重量只有幾克，但卻集成了 54 億個硅晶體管，內置了 4096 個內核，100 萬個“神經元”、2.56 億個“突觸”，能力相當于一臺超級計算機，功耗卻只有 65 毫瓦。
這種芯片把數字處理器當作神經元，把內存作為突觸，跟傳統馮諾依曼結構不一樣，它的內存、CPU 和通信部件是完全集成在一起。因此信息的處理完全在本地進行，而且由于本地處理的數據量并不大，傳統計算機內存與 CPU 之間的瓶頸不復存在了。同時神經元之間可以方便快捷地相互溝通，只要接收到其他神經元發過來的脈沖（動作電位），這些神經元就會同時做動作。
現在，這個芯片的智力現在跟蜜蜂的智力水平差不多。王陽相信，他們還可以再疊加幾層，不久的將來，它甚至可能超越人腦的能力。
事實上，芯片都是用單晶硅做的，人是用什么做的？人是由碳組成的。單晶硅的 SI 和 C，周期表是同一個縱向，只是多了一圈而已，這就延伸到將來機器人怎么和人相連，都有物理、化學構造上的相似性。而具體到如何連接，王陽只是說他們已經在和合作伙伴做這個事情了。
事實上， 經常出現在我們眼前的萬能材料石墨烯，也是 C 的一種。這似乎又提供了更多的遐想。
量子計算 那這是否就意味著全面的洗牌呢？王陽說這還是階段性的東西。現在人類產生的數據量是 20ZB（ZB 就是 10 的 21 次方）。我們以什么樣的速度產生這些數據呢？到明年年底，又會產生大約 20ZB 的數據，相當于從原始社會到現在的所有數據。指數級的增長，既源源不斷的提供了機器學習、訓練的素材與資料，又需要更先進的處理計算能力。
我認為將來是要做到量子計算，IBM 在這個方面也有很大的突破。量子計算是不得了的事。到時候人類就不用干活了，只需要讓計算機來工作就可以了。當然，人類還需要再獲得新的數據。
量子計算機跟傳統計算機的不同在于，普通的計算機的 2 位寄存器在某一時刻只能存儲（00、01、10、11）中的一個，而量子計算機的 2 位量子位（qubit）寄存器可同時存儲這四個數。這種疊加使得量子計算機可以同時執行許多次的運算，而傳統的計算機僅能做一次。所以量子計算機的計算能力要比傳統計算機強勁很多。
根據羅斯定律，每增加一個量子位（等同于傳統芯片中的晶體管），處理器的計算能力就會翻番。2012 年時，曾有預言稱：量子計算在 2014 年可以解決任何非量子計算機均無法解決的問題。除了加拿大的 D-Wave ，今年 YC 舉辦了 2014 年夏季班 Demo Day 上，Rigetti Computing就表示他們希望生產出世界上最強大的超級量子計算機。
人類已經把 IT 的觸角延伸到各個角落，什么東西都能感知。什么地方發生什么事情，包括你的睡眠情況，虛擬世界完全可以仿真真實世界里做的事情。真的需要這樣的神經網絡、認知計算這樣一些新的創新，進一步認識這個世界。我們認識這個世界的速度太慢了。
按照進化論來說，這是個最好的腦袋，是來認識世界的，為什么我們不做一個這樣的計算機來幫助我們認識世界。它確實是有感覺，能夠感受到這個世界的變化，還有我們總結出來的語言，它能夠學習。未來是非常令人興奮的，未來是人機交融的世界。
京公網安備 11010502049343號