發(fā)布日期：2018-04-12

圖片來自網(wǎng)絡(luò)

　　人工智能專題③

　　近年來，俄羅斯不斷加強(qiáng)人工智能研究，注重人工智能應(yīng)用，并已取得初步成果。

　　人工智能+超級(jí)計(jì)算機(jī)

　　助力基礎(chǔ)科學(xué)研究

　　3月，莫斯科市郊的杜布納科學(xué)城投入使用了一臺(tái)新的超級(jí)計(jì)算機(jī)“戈沃倫”，其計(jì)算能力位居俄超級(jí)計(jì)算機(jī)第三位，并進(jìn)入世界超級(jí)計(jì)算機(jī)排名榜單TOP500。該超級(jí)計(jì)算機(jī)主要用于核物理和凝聚態(tài)物理研究，采用異質(zhì)計(jì)算系統(tǒng)，由兩部分組成，一部分使用英特爾處理器，另一部分則使用英偉達(dá)最新Volta架構(gòu)圖形處理器。其中，圖形處理器部分主要負(fù)責(zé)人工智能和機(jī)器學(xué)習(xí)，成為這臺(tái)超級(jí)計(jì)算機(jī)的主要特點(diǎn)和優(yōu)勢(shì)。

　　莫斯科國立大學(xué)核物理科學(xué)研究所數(shù)據(jù)應(yīng)用處理實(shí)驗(yàn)室主任多連科指出：“由于物理實(shí)驗(yàn)的研究對(duì)象越來越復(fù)雜，傳統(tǒng)模型已不再適用，我們正嘗試借助機(jī)器學(xué)習(xí)來處理實(shí)驗(yàn)結(jié)果，因此，在圖形處理器上進(jìn)行的運(yùn)算顯得尤為重要。舉例來說，在光譜學(xué)和空間物理學(xué)研究中，科學(xué)家通常需要在分子層面進(jìn)行間接測(cè)量，借助于超級(jí)計(jì)算機(jī)的機(jī)器學(xué)習(xí)能力，我們可以準(zhǔn)確預(yù)測(cè)帶電粒子的動(dòng)向。”

　　莫斯科國立大學(xué)核物理科學(xué)研究所高能物理分析計(jì)算實(shí)驗(yàn)室高級(jí)研究員維爾諾夫認(rèn)為，當(dāng)前在處理粒子加速器、大型強(qiáng)子對(duì)撞機(jī)和大型天文望遠(yuǎn)鏡得到的大數(shù)據(jù)時(shí)，機(jī)器學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)是必不可少的手段，從這一點(diǎn)來說，人工智能將是未來超級(jí)計(jì)算機(jī)的發(fā)展趨勢(shì)。

　　人工智能+大數(shù)據(jù)

　　增強(qiáng)傳統(tǒng)油氣企業(yè)競(jìng)爭力

　　俄羅斯是油氣出口大國，近年來，由于國際能源產(chǎn)品價(jià)格下跌、油氣井開采效率下降，俄油氣企業(yè)紛紛借助人工智能提高開采效率，降低開采成本。

　　目前，俄正積極實(shí)施“智能油田”計(jì)劃，內(nèi)容包括：通過數(shù)據(jù)建模模擬地質(zhì)事件，尋找產(chǎn)油巖層，確定最適合的鉆井位置，客觀評(píng)價(jià)每口油井的儲(chǔ)量和開采周期；鉆井設(shè)備上安裝傳感器，實(shí)時(shí)監(jiān)測(cè)設(shè)備的工作狀態(tài)，自動(dòng)設(shè)定下一步工作模式，準(zhǔn)備突發(fā)情況應(yīng)對(duì)預(yù)案，優(yōu)化設(shè)備保養(yǎng)周期；控制開采過程中污染物的排放與收集，監(jiān)控油氣產(chǎn)區(qū)內(nèi)的環(huán)境狀況；通過衛(wèi)星通訊將采集到的大數(shù)據(jù)傳送回?cái)?shù)據(jù)中心，用于儲(chǔ)存和進(jìn)一步分析。

　　施耐德電氣俄羅斯與獨(dú)聯(lián)體地區(qū)油氣行業(yè)大客戶經(jīng)理切爾卡索夫認(rèn)為，雖然目前“智能油田”計(jì)劃尚處于起步階段，但幾乎所有的俄大型油氣企業(yè)都已開展了相關(guān)工作。毫無疑問，未來人工智能和大數(shù)據(jù)將有助于傳統(tǒng)能源企業(yè)提高競(jìng)爭力，并將深刻改變化石能源的生產(chǎn)模式。

　　人工智能+可穿戴設(shè)備

　　提供健康監(jiān)測(cè)診斷新方法

　　莫斯科物理技術(shù)學(xué)院的科學(xué)家同斯科爾科沃科技園的一家初創(chuàng)公司共同開發(fā)出一種生物系統(tǒng)，利用可穿戴設(shè)備和人工智能分析預(yù)測(cè)人類罹患疾病及死亡的風(fēng)險(xiǎn)。

　　項(xiàng)目負(fù)責(zé)人、莫斯科物理技術(shù)學(xué)院生物系統(tǒng)建模實(shí)驗(yàn)室主任費(fèi)季切夫介紹，在幾年時(shí)間內(nèi)，有數(shù)萬名不同年齡、不同病史的志愿者參與了他們的實(shí)驗(yàn)，志愿者向科學(xué)家提交了自己的病史并接受體檢，之后通過可穿戴設(shè)備提供每天的脈搏、步行數(shù)、卡路里消耗量、睡眠、壓力情況等大量生理數(shù)據(jù)。在此基礎(chǔ)上，研究人員使人工神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)處理志愿者身體狀況的大數(shù)據(jù)，結(jié)合志愿者的病史和體檢報(bào)告進(jìn)行分析。由于實(shí)驗(yàn)持續(xù)了較長時(shí)間，部分志愿者因病去世，這為人工智能分析他們的病因提供了更準(zhǔn)確的依據(jù)。最終的研究結(jié)果表明，人工智能通過分析人體的運(yùn)動(dòng)狀況及各項(xiàng)生理指標(biāo)數(shù)據(jù)，可以準(zhǔn)確判斷人的生物學(xué)年齡，并結(jié)合患者病史預(yù)測(cè)其潛在的死亡風(fēng)險(xiǎn)。

來源：科技日?qǐng)?bào)