马克·奥康奈尔在他的《成为一台机器》一书中总结了“超人类主义”运动的目标：“超人类主义者相信我们可以而且应该根除衰老。这种死亡原因；我们可以而且应该使用技术来增强我们的身体和思想；我们可以而且应该与机器融合，重塑自我，最终成为我们自己的更高理想。” 周的《成为机器》荣获惠康图书奖。
技术增强我们身体的想法并不新鲜。 但超人类主义者对这个概念的接受程度如何？ 过去，我们制造过木腿、助听器、眼镜、假牙等设备。 未来，我们可能会使用植入物来增强我们的感官，以便我们可以直接检测红外线或紫外线辐射，或者通过将我们自己连接到存储芯片来增强我们的认知过程。 最终，通过人类与机器的融合，科学将创造出智力、力量和寿命都大大提高的人类。 成为近乎神的化身。
这是理想的目标吗？ 超人类主义的倡导者相信，超越普通人类的自然障碍和限制可以获得巨大的回报。 但这样做会引发一系列道德问题和困境。 正如奥康奈尔在书中指出的那样，超人类主义的野心正日益成为一个学术问题。 但这是一场刚刚开始的争论。
人类2.0版：失败的器官将被更好的高科技产品取代
毫无疑问，人体增强技术正变得越来越复杂，正如本周在伦敦 V&A 博物馆举办的展览“The Here”所示。 展出的物品包括美国公司制造的“强力服装”。 动力服装穿在普通衣服下面，模仿人体的生物力学特性，为用户（通常是老年人）从椅子上站起来、爬楼梯或长时间站立时提供一定的力量。
在许多情况下，这些技术或医疗进步是为了帮助受伤、生病或老年人，但随后被健康人或年轻人采用，以提高他们的生活方式或能力。 例如，促红细胞生成素（EPO）药物可以增加严重贫血患者的红细胞生成量，但也被一些运动员用作非法的成绩增强剂，以增加血液将氧气输送到肌肉的能力。
这仅仅是个开始。 萨塞克斯大学人工智能专家布莱表示：“在某些类型的田径项目中，例如百米短跑，使用碳纤维假肢的运动员甚至可以超越用自然腿跑步的运动员。”
问题是：当技术达到这个水平时，允许外科医生用碳纤维假肢替换一个人的四肢从而赢得金牌是否道德？ 我想很多运动员都会寻求这样的手术。 “但如果将这样的问题提交给我参与的任何伦理委员会，我都不会同意。这是一个令人憎恶的想法——为了短暂的利益而切除健康的肢体。”
然而，并非所有人都同意。 考文垂大学控制论专家凯文认为，批准去除自然肢体并用假肢代替是没有问题的。 他说：“用人造器官取代身体不完美的部分，让你表现得更好，或者可能活得更长，有什么问题吗？”
是一位控制论爱好者，多年来他的体内植入了多种不同的电子设备。 “其中一个设备让我能够体验超声波输入。它给了我一种像蝙蝠一样的感觉，就像蝙蝠一样。我还将我的神经系统连接到计算机，这样我就可以控制机械臂并体验它触摸的东西。我尝试了它在纽约，而机械手在英国的实验室。”
坚持认为此类干预措施可以增强人类健康，并认为技术可以增强人类表现和感官，人类的未来可能就是这样。 有些人可能认为这是不道德的。 但即使是这样的怀疑论者也承认这个问题很复杂。 “训练两个五岁以下的女孩每天打网球，直到她们发展出赢得世界冠军的肌肉组织和骨骼，这符合道德吗？” 问了这个问题。 从这个角度来看，使用植入物或药物来实现相同的目标似乎并不那么可悲。
对于那些关心超人类运动的人来说，最后一点是一个特殊的问题。 他们相信现代技术最终可以使人类永生，摆脱人体脆弱的束缚。 正如碳纤维假肢可以替代自然肢体的血肉和骨骼一样，失效的器官也将被更好的高科技产品取代。 由此，我们将结束人类对“脆弱的人体1.0版”的依赖，我们将成为更持久、更有能力的2.0版。
激进的超人类主义者：冰冻的人体，等待复活
然而，实现这些目标所需的技术依赖于基因工程、纳米技术和许多其他科学尚未实现的发展，可能需要几十年的时间才能实现。 因此，许多超人类主义的支持者，如美国发明家兼企业家雷、纳米技术先驱埃里克、创始人兼风险投资家彼得·泰尔等，都支持将自己的尸体存放在液氮中并低温保存的想法超级人类科技，直到医学科学足够先进为止。复活他们，他们复活的身体就会得到强化。
现在有四个这样的低温设施：三个在美国，一个在俄罗斯。 其中最大的是亚利桑那州的阿尔科生命基金会，其冰柜里存放着 100 多具尸体（工作人员将其称为“病人”），这些尸体希望被解冻并在生理上复活。 正如奥康奈尔在《成为一台机器》中所写的那样，它是“一个放置乐观主义者尸体的地方”。
图片：阿尔科生命基金会将把“病人”储存在低温下，希望将来能够让他们复活。 照片：阿拉米
并非所有人都相信这项技术的可行性或可取性。 天文学家里斯回忆道：“我曾经接受过一群来自加利福尼亚州的人体冷冻学爱好者的采访，他们被称为废除非自愿死亡协会。” “我告诉他们我宁愿在英国的教堂墓地结束自己的生命，而不是在加州的冰箱里。 他们嘲笑我是一个老派的死亡主义者。”
里斯认为，那些选择冷冻自己以期最终解冻和复活的人会给后代带来负担，因为他们必须照顾那些解冻的人。 “目前还不清楚他们应该得到多少护理，”里斯补充道。
超人类主义的追随者设想了一个人类摆脱所有身体束缚的未来。 他的追随者相信，这个转折点将在 2030 年左右达到，届时生物技术将允许人类与真正智能的计算机和人工智能系统融合。 由此产生的人类思维将可以自由地在自己创造的宇宙中漫游，并随意将自己上传到“适当强大的计算矩阵”。 我们将成为神，或者更有可能成为《2001太空漫游》中的“明星孩子”。
对于许多人来说，这些都是遥远的乌托邦目标。 事实上，构建这种极端形式的超人类技术的大部分动力来自加州和硅谷。 特斯拉和特斯拉创始人埃隆·马斯克也认为，为了避免人类在人工智能的发展中变得多余，人类必须与机器融合，增强自身的智能。 马斯克想把人类送上火星。
硅谷是一个崇拜年轻人的社会，这里对衰老的恐惧比其他任何地方都强烈。 因此，硅谷有强烈的愿望尝试用科技来克服衰老。
硅谷也是世界上最富裕的地区之一，许多质疑超人运动价值的人警告说，这些技术只会在本已分裂的社会中造成更深的分歧，因为只有一小部分人能够负担得起增强技术。 成本，而许多其他人则不得不失去增强的机会。
报告总结道：“历史上充满了一些人相信自己比其他人优越所造成的后果。” “不幸的是，就增强人类而言，他们将变得真正优于其他人。我们需要考虑它的影响，以免为时已晚。”
超人类主义者认为，增强的成本将会大幅下降，以手机为例。 手机曾经非常昂贵，只有非常富有的人才能买得起，但今天它们几乎是每个人都拥有的工具。 超人类主义的支持者坚持认为增强技术也将变得司空见惯。
其中许多问题可能看起来很遥远，但专家警告说，现在需要讨论其影响。 纽卡斯尔大学开发的人造手就是一个例子。 目前的假肢受到反应速度的限制，但项目负责人相信，很快就能制造出如此快的仿生手，以至于他们可以评估物体并立即确定抓握物体的力度。
“这将带来巨大的好处，但它的使用引发了各种各样的问题。谁拥有它：佩戴者还是 NHS？如果它被用来犯罪，谁最终将负责控制它？我们没有考虑这些担忧考虑到这一点，这就是问题所在。”
索尔福德大学生物伦理学教授安迪·米亚 (Andy Miah) 总结道：
“超人类主义在哲学上很有价值，因为它让我们以不同的方式思考人类的能力，还因为它让我们批判性地思考我们认为存在但实际上可以克服的局限性。 ，”他说，“毕竟，我们正在谈论我们物种的未来。”
20世纪60年代，为了解决大规模数值计算、模拟等科学工程计算问题，超级计算中心应运而生。 它仍然作为大国的有力工具为许多行业提供科学计算服务。
21世纪第一个十年，互联网信息服务、高并发访问等网络计算和数据存储的云计算中心开始落地超级人类科技，各大公有云平台异军突起，攻城略地。
近10年来，人工智能（AI）计算中心开始出现，主要用于处理图像、语音、自然语言等识别问题，综合应用多种技术实现推理和训练模型开发。
虽然这三类计算中心特点鲜明、用途不同，但超级计算与AI计算、云计算与超级计算、AI计算与云计算“我中有你，你中有我”的情况并不少见。 ，它们之间的界限逐渐模糊。 但随之而来的一物多用、以物代人的混乱局面，逐渐成为一些地方算力中心建设的“混乱”。
混乱源于缺乏相应的检测标准
城市应该建设什么样的计算中心？ 如何促进算力中心健康发展？ 近日，在以“数智创新，算力赋能”为主题的2021年算力中心健康发展研讨会上，中国工程院院士郑为民等行业学者提供了观点和参考。不同的观点。
中国计算机学会高性能计算专家委员会秘书长、中科院计算技术研究所研究员张云全在演讲中提到，此前某城市建设了人工智能计算中心，声称计算能力是超级计算机的数万倍。 “这种‘钱少，算力多’的不规范、不专业的比较，让业内人士反感。”
张云泉表示，AI计算中心很受欢迎，但如何引导其健康发展“是目前行业面临的重要问题”。
国家信息中心2020年12月发布《智能计算中心规划建设指南》，将“智能计算中心”定义为基于最新人工智能理论，采用领先的人工智能计算架构，提供所需的算力服务、数据服务和算法服务。用于人工智能应用。 公共计算能力的新基础设施。
“自从人工智能成为‘新基建’以来，各地政府纷纷花钱建设人工智能计算中心，但总体来说应用还不是太清晰。” 郑为民在上述研讨会上表示，无论是超级计算中心还是AI计算中心，最重要的是应用匹配。 “现在最重要的事情不是以新基建的名义说服政府建设一个算力中心，而是真正打造出几个实际应用。”
这代表了行业的务实态度。 中国科学院数学与系统科学研究所研究员张林波也表示赞同，各个算力中心应该充分发挥各自的优势，做最适合的事情。 但他话锋一转：“现在AI计算有点激进了，很多人甚至认为AI计算可以取代传统的科学计算。”
“这是宣传不当造成的概念混乱。” 张云泉认为，在高性能计算（HPC）、云、人工智能融合发展的趋势下，有必要明确界定三类计算中心的内涵和外延，以及它们之间的区别。 相互关系，明确不同计算能力和不同应用之间的匹配。
对算力概念的混淆，引发了可笑的事情。 有一次，张云泉向某社会领导汇报HPC的发展情况，却遭到“批评”：“现在都什么时代了，你还在谈论高性能计算，太落伍了。”
概念混乱之后是价格混乱。 一般来说，不同的算力配置会导致成本差异很大——即使是相同的算力，不同的CPU频率、带宽和延迟要求也会使机器成本相差很大。 不过，有些厂商以AI计算中心“更少的钱、更多的算力”和“高功率”为卖点，但并不属于这一类。
原因很简单：同样的算力中心外挂标称100P，以建设AI计算中心的预算，肯定无法打造出超级算力中心的效果。
“造成概念混乱、价格混乱的主要原因是没有相应的测试标准，通过测试就能知道哪个好哪个不好。” 张云泉建议，业界应推广与AI计算平台兼容的标准。
清华大学教授陈文光、张云泉在2020年推出了相应的测试标准，并致力于国际化。 但他坦言：“推出国际检测标准非常困难，未来我们还要更加努力。”
“相当计算”的人工智能计算
在实际应用中，传统超级计算最适合科学和工程计算。 这样的计算具有可计算的模型，可以开发出非常精确的算法，计算结果的准确性也非常高。 然而，有些问题是科学计算能力无法解决的，例如缺乏数学模型的问题和超高维问题。 这时，以机器学习为代表的人工智能计算就派上用场了。
不过，张林波介绍，机器学习是一种类似于统计学的方法，其结果与科学计算相比并不是很准确。 此外，AI计算还存在稳定性问题、模型泛化能力有限等问题。
他举例说，在COVID-19爆发之初，很多人争先恐后地利用肺部图像识别来识别COVID-19感染，并发表了许多论文，但后来发现这些论文的结论几乎无法使用。
“图像识别是机器学习最擅长的领域，出现上述情况的原因可能是训练数据太少或者机制不清楚，但或许这正是AI计算需要深入研究的，比如弄清楚机制并设计更先进的算法等等。” 基于现阶段AI计算机的作用，张林波认为，目前将“人工智能计算”缩写为“智能计算”或“智能计算”有点误导——“这样的AI计算并不‘智能’。 ”
“在没有知识库或逻辑处理能力的情况下，当我们不了解某个问题的机理时，我们可以用神经网络在机器规模上模仿它。这不叫‘智能计算’，而是‘暴力计算’。”计算’”，张林波说。 。
国家气象信息中心副总工程师沈文海对此表示共鸣。 他指出，气象部门也在探索AI应用，但都是各自独立开展工作——聚焦某个痛点，比如AI识别云图、台风规模和路径等，引入数据、接入计算资源，并确定某个痛点。 范，确实有点“愚算”、“蛮算”的意思。
“我们缺乏整个气象部门的长期计划或人工智能计划。” 沈文海认为，从长远来看，会有很大的弊端。 一是没有对机制和原因进行讨论，二是存在低水平重复。
“制定覆盖整个气象部门的人工智能应用发展规划确实很难，这将引发对算力中心的新需求。” 沈文海说道。
一体化发展仍是趋势
同样对算力中心提出新需求的还有当前热门的数字孪生。
数字孪生是机器学习领域非常重要的研究方向之一。 在使用大量传感器将物理世界数字化和虚拟化的数字孪生世界中，AI可以做很多事情，包括预测未来物理世界将如何进一步演变和演变。
中科院半导体技术研究所研究员李伟军表示，数字孪生“肯定需要非常庞大的计算系统”，因为它不仅需要包括神经网络计算，还需要大量的逻辑计算。 “这是一个大规模逻辑计算与抽象思维相结合的应用场景。”
本质上，高性能计算和人工智能计算都是模拟人类智能：前者模拟人类逻辑计算能力，后者模拟人类抽象思维。 然而，现在超级计算机的逻辑计算能力比人类强大数亿倍，而AI计算机目前只能利用深度神经网络来获得近似结果。
显然，两种不同的能力不能用同一个标准来评价，来决定哪一种能力好、哪一种能力差。
李伟军认为，未来数字孪生的发展需要传统超级计算与人工智能计算的融合。 这是逻辑计算和抽象思维的融合，尽管目前还不清楚它需要什么样的计算结构和算法。
在HPC与AI融合发展的道路上，位居全球超算榜首的“大机器”迈出了第一步。
日本的“富岳”超级计算机（）和美国的“顶点”（）不仅具有突出的科学计算能力，而且可以支持大规模AI计算（如图所示）需求。 这是由于它们的异构架构——高性能CPU支持其高精度浮点计算性能，大量加速芯片支持深度学习应用。 作为世界上最先进的计算机，它们或多或少代表了未来计算集成发展的方向。
但看似矛盾的是，AI 和 HPC 之间的“分歧”也是最近才发生的事情。
张云泉表示，巨参数模型（如GPT模型）诞生以来，其算力要求对现有超级计算机来说是“致命”的——我国七八个国家级超级计算中心没有一个具备解决问题的能力数千亿甚至数千万。 亿级模型参数的计算能力直接导致了AI计算的独立架构和概念。
事实上，巨型模型的计算问题对超级计算和人工智能计算都提出了巨大的挑战。 张云泉认为，这意味着未来超级计算机的架构和形态将不断演变。
陈文光认为，人工智能应用，尤其是基于巨型模型的应用，对网络和I/O能力有非常高的要求。 从集成开发的角度来看，这些应用的特殊要求会反过来影响HPC的设计，比如带宽要求。 在I/O的设计上会有一些提升。
此外，陈文光提到，还应重视混合精度算力的发展。 例如，如果AI算力单精度性能较高，可以先用它解决一些低精度计算问题，然后在高性能计算机上用它完成高精度计算要求，从而提高整体性能。计算资源的性能和成本效益。 据介绍，混合精度算力已被写入计算领域“十四五”相关指导文件。
从自下而上的角度来看，算力中心能提供什么样的算力，根本上取决于芯片。 例如，AI芯片是严格意义上的专用芯片，因此一些基于AI芯片的国产计算机注定无法胜任科学计算任务。
从事服务器芯片研发的中科院计算技术研究所研究员范东瑞表示，即使是AI芯片也可以分为通用芯片和专用芯片。 在他看来，专用芯片应该越来越专业，通用芯片应该能够覆盖所有应用。 精度和算法，让他们各司其职。
“（一些供应商）将专用芯片讲成通用芯片，这不好。” 范东瑞表示，当前国内芯片需求不断增加，但作为核心器件，“芯片人”、“芯片“工厂”仍需持之以恒，“不能上当”。
