CAD on the way to self-boost machine intelligence

[NirViaje]

通向强AI之路的CAD

标题随时改

李开复书《AI未来》当中，描述了四波“AI浪潮”：

• AI是数据驱动，海量的数据是AI成功的要素，所以第一波浪潮一定是互联网数据的这一波。
• 第二波浪潮是金融和很多其他的有标准化产品机会的各种领域，所谓的商业智能化，数据仓库。
• 第三波浪潮是AI将有眼睛、耳朵还有更多传感器可以听到，感受到人类更多的信息。
• 第四波浪潮AI将能够动，有手有脚，有轮子，在制造方面，在机器人方面，在无人驾驶方面将带来很大价值。所以它将重塑各个行业。

全自动CAD

• 提需求，自动生成产品
  • 最终的效果是，给指标，直接设计反应堆，给环境参数，直接设计月球基地
  • DARPA：自动化芯片设计

这是机器自主演化的关键环节呀

• 到时候真的提需求，云计算24小时出结果，芯片随便出
  • 以后设计规模不是用人年来算，而是用千瓦时来算
  • 可以假定比如一人日约1kwh
    • 折合一下，几兆瓦开一星期的规模大概相当于千人年

这个过程是渐进的，最终是结合传感器网络自动分析需求

• 在这之前自动化辅助设计已经很重要了

下一步，打通自动化职业科学家

如

• 比如说机械制图，其实和拼音输入法很像，一串交互序列产生制图结果
  • 但这个过程没有利用到马氏链的信息压缩特性
    • 机械工程师累就累在大量频繁的底层输入
    • coding有各种代码提示，CAD可没有
• self-bootstrap 可以在虚拟世界里展开，但在物理世界展开不会太快
  • 所以这里有两次系统自举，第一次在虚拟世界，第二次在物理世界
  • 这个计算力要求远没到奇点规模
    • 奇点是把每个原子的微观状态数算进去了

第一次自举

• 我觉得现在ai首先就是要完成第一次自举
  • 主动构建模型的能力
  • 计算能力逼近人脑不是啥大问题
    • 并且新一代光神经网络的确很看好
      玻璃里面嵌石墨烯或者染料半导体的夹层作为非线性层，之后的制造方法和光刻一样，这比图灵光计算容易多了，唯一的问题是网络是固化的，不过不要紧，只要增量用电计算就行，晶圆尺度的计算也上来了，以后ai计算中心就是新的热电厂，忆阻器芯片终于出了，新的计算范式这一年多进化极快

Sci-Fi: 晶圆叛逃史

• 机器重建整个半导体工业