事件视界：众核处理器能否加速“科技奇点”到来？

众核（many-core）处理器正在推动处理能力迅速提高，这是否将推动一种具备超人智能特性的机器问世？而这是否又代表着“科技奇点”也将随之到来？

在本周的多核开发者大会（Multicore DevCon）中，分析师Jon Peddie和几位业界重量级工程专家共同探讨了这个问题。Multicore DevCon是DESIGN West大会中的一项活动，规模虽然不大，但听众却挤爆整个会场。

Peddie引述科幻小说家Vernor Vinge的预测：在2023年，运算能力会追上人类的处理能力。所谓“科技奇点”的概念，是一旦机器超越人类智慧时，它便有可能出现爆炸性的学习和进展，远远超出人类的预测能力。依照此一定义，“科技奇点”似乎可视为一种事件视界（event horizon）。

另一项有关运算能力的预言则认为，到2045年，人们将能以2，000美元买到一部拥有人脑处理能力的电脑。

英特尔并行运算实验室的Pradeep Dubey藉由说明petaflops级超级电脑已经能模拟猫脑的运作来描绘了今日运算能力的进展。他表示，人类的大脑拥有20~30倍之多的神经元，和1，000倍以上的突触，因此，要完整模拟人类大脑，大概还需要5~6年的努力才可望达成。“Exaflops级的运算设备便能模拟人类大脑。”

Dubey指出，目前共有三种方法可用于模拟：首先是模拟一个带有神经元和突触等级模型的运作；第二是忽略大脑结构，以处理数据和统计等问题；第三种是建构可模拟神经元和突触的硬件。

然而，模拟大脑终究与人类大脑的思考模式，或是人脑的情商（emotional intelligence， EQ）大不相同，Imagination Technologies Group plc的处理器授权部门Codescape开发总监Ian Oliver说。“我们可能会建造出错误的存储模型。人类的大脑是不确定性的，它经常处在混乱边缘。”

Oliver指出，运用遗传演算法能够驱动FPGA设计再进化，使其能产生出更类似人类大脑的架构，但在现实世界中却不容易做到，因为电脑和人类的智慧似乎截然不同。

Nvidia公司移动业务部副总裁Mike Rayfield认为，处理器核心数量是其中关键。但英特尔的Dubey则反驳道，更多核心能做更多事，在没有因果关系的情况下，大型数据引擎可以撷取到更多数据关联性。他指出，今天的机器确实可以做到许多事，甚至比人类更好，这是它们之所以存在的理由。然而，“我们可以制造飞机，却造不出一只真正的鸟，”他说。

就特定应用而言──电脑已经比人类聪明

Imagination的Oliver还举了许多例子，如人类的大脑和肢体连结，然后才能完成一件人们想做的事。“如果没有了身体，你的智慧还存在吗？”他问道：如果我们希望看到科技奇点来临，那么，或许我们应该考虑开发机器人。

一位参与此次讨论的观众认为，以megaflops级运算而言，并没有迫切需要模拟人类智慧运算的需求，而且现阶段要开发硬件并非难事，真正缺少的关键是软件。

另一位观众则提问道，除了开发机器人以外，还有什么应用会需要这种等级的运算效能？对此，ARM技术副总裁Jem Davies表示，在所有人类无法完成，但电脑可以做到的地方，都是这种高性能运算锁定的应用。如眼科激光手术，现在都已经由机器代劳了，因为它比人类更加精确。

此时讨论重点逐渐转向了图灵测试（Turing test），以及目前的超级电脑能否真正满足人类需求。图灵测试是由Alan Turing所提出。该测试的模型是将一位受测者和电脑放在同一房间中，而测试者则在另一房间。在无法看见或缺乏其他线索情况下，由测试者向受测者和电脑提问，若测试者无法判断做出回答的是人或电脑，那么即代表该机器即具备有效的智慧。

Imagination的Oliver指出，人工智能的定义看来一直在改变。我们所想像的人工智能，大部份都是现行电脑还无法做到的功能，其中一些甚至类似英国科幻作家Arthur C Clarke所描述的神奇应用。而一旦电脑能够完成某一项特定功能，如语音识别，那么这项功能很快就会被归类在“非智慧”的那一端。

接着，现场观众再提出问题：对许多任务来说，多核阵列的低效率已经是众所周知的事实了，这是否会成为科技奇点到来的阻碍？对此Oliver表示，毫无疑问，并行处理是用来模拟或建构类大脑思考的最佳途径。电脑刚好能在一些特定任务中发挥绝佳效能，如高速数字处理，这部份是人类无法企及的。

ARM的Davies承认，通用GPU的处理通常有利于特定类型的问题，如电脑图形处理，“但我们不应限制住我们的想像力，”他说。他认为，我们应该抱持着“去研究它，终将获得成果”的信念。“我不用知道什么是杀手级应用。人类终将凭借智慧找到利用这些科技的方法。”英特尔的Dubey也重申今天我们在硬件方面所拥有的优势。“我们面临的不是系统问题，而是编程模型问题。”