沈向洋无惧BAT逼宫:微软培养了很多中国IT公司CTO(4)

　　沈向洋博士：说到人工智能，大家今天激动得不得了，我自己也觉得有些东西是真的已经在发生了。首先，你要回过头来看，为什么会有“人工智能”这个词，“人工智能”实际上是对应于“人类智能”提出来的，就是human intelligence。

　　回到您刚才问的，微软有些什么样的目标？我觉得看得蛮清楚的，短期的话AI还是要看到短期业务，哪里有真正的商业价值。就是我们可以挣一些钱，定个小目标，这都非常重要。但是，更重要的事情是 AI 这个部门成立之后，我们要想清楚如果我们真的觉得AI会颠覆更多的行业应用，在颠覆的过程当中，我们的机会在哪。

　　沈向洋博士：你具体应该去问问那些离开的人，他们是不是还是研究员，你听懂我的意思啊？你问问他们最近研究了什么，叫他写个算法给你看一看。

　　这个是一个长期的问题，现在越来越多的人也在想这样的问题。连接人工智能和脑科学，今天有一个方向我们觉得是很激动人心，现在在微软研究院很多的人在做这方面的事情，我也跟很多大学有一些合作，就是所谓的“可解释的AI”（Explainable AI）。我认为，Explainable AI在接下来5到10年，肯定可以做出非常了不起的成果。今天我如果有研究生的话，我就会让他们做这个方向的工作，原因非常简单，因为今天AI最大的突破就是深度学习，但是深度学习的一个最大的问题就是，出来的结果非常好，但是你没法解释。

　　沈向洋博士：我们一直觉得非常自豪，微软研究院一直觉得非常自豪。我们培养了李开复，我们培养了张亚勤，我们培养了赵峰、我们培养了芮勇，芮勇还是我学弟，这些都非常好，我们都觉得非常光荣。

　　新智元：那您现在也觉得微软继续对外输出人才也是很自豪的？

　　到最后你还是要有产品，因为对普罗大众来讲，他不会去看论文，也不知道你的论文有多了不起。你要跟人解释，最容易解释的方法就是你给人看看你的产品，HoloLens马上就会被人看到，我们希望有机会做一些更了不起的产品，不光是对消费者，更多是针对企业用户的产品。我个人认为，三五年内，对AI而言最大的机会还是在企业市场中。

　　沈向洋博士：我们已经做了很多的产品原型，甚至很多的产品和服务已经有很多人在用了。我在我的演讲中也提到，从销售到市场到售后，这些我们都有在做。

　　沈向洋博士：你这几个问题都问的非常好，微软比较特别，我们有一个微软研究院，研究院本身是非常开放的，所有科研的东西每年我们都发很多论文，几乎所有的公司都没法跟我们比，到今天为止，过去这20多年下来，在所有的计算机领域最一流的位置上，最佳论文奖获得者，微软研究院遥遥领先全球第一。我们今天微软对社会仍然有这样的责任，继续做最了不起的计算机科研，包括AI这方面，并且以开放的方法去做。

　　沈向洋博士：肯定，微软其实现在已经非常开源了，你看我们CNTK现在完全是开源的。开源是一种文化，有不同的方法可以做开源。我自己是觉得开源对这个世界的科技发展产生了巨大的深远影响。微软发展很迅速，我们完全是拥抱开源。

　　当被新智元问及去年微软组建的5000人规模AI团队的具体组织架构时，沈向洋并没有直接回答。但他表示，搜索引擎、以Cortana为代表的智能语音助理、用AI帮助微软现有产品转型，以及用AI开发全新的产品线，是当前微软AI团队主要发力的4个方向。尤其是最后一点，沈向洋坚信，AI将颠覆所有的商业应用，那么在这其中，决定去做什么、不去做什么，是微软AI当前最重要的事情。

　　新智元：就像您刚才说的一样，如何要留住AI人才，就是这个公司的实力了。不过，从现在的新闻来看，从微软研究院出去的人很多。

　　这里面还有很多AI的技术都才刚刚开始，我自己觉得Office最激动人心的技术就是所谓的机器阅读。前不久微软买了一个加拿大的初创公司叫做Maluuba ，主要就是做这方面的工作，用自然语言、深度学习的方法来做这个东西。深度学习里面一个很重要的问题，就是回答问题。我觉得对Office的影响会非常巨大，所以我们AI部门的同事和Office的同事一起在做。

　　沈向洋博士：这个问题非常好，我今天讲的主要是三个方面。AI的三大方面，第一，你要有非常强大的运算能力；第二，你要有非常了不起的算法；第三，你一定要有自己的数据。

　　我自己看到的，这方面写得最好的一篇文章，是最近在《纽约客》的一篇有关医疗AI的。为什么看同一张图，医生会跟你讲，你没问题，原因是一、二、三。但今天AI还做不到这点，深度学习做不到这点，很大的问题是大家解问题的空间不一样，医生是在一个所谓的neural，脑的这样一个连续的空间在解，而AI很多的理解是在符号的离散的空间上去做。

　　采访中，沈向洋博士认为Cortana代表了AI的未来，他多次提到Conversational AI，也即对话式AI。在他看来，智能语音市场远远没有饱和，各大巨头都在做智能语音助理，正表明这是一个正确的方向，而在亚马逊Alexa/Echo，谷歌Google Home等先入产品面前，微软的机会仍然有很多。微软将利用小娜、小冰的优势，从语音方面发力。

　　PowerPoint很多人用。这样的数据可以帮助我们不断改善一些算法。前不久我们也发布Word，Word里面使用AI技术，这也非常非常重要。

　　刚才新智元的记者也问到，微软是不是只做情感方面？不是这样的，我们是两条腿走路。这里面就像我刚才讲的有world knowledge、work knowledge、user knowledge，能够帮助你解决问题。另外一个怎么样可以得到你的信任，怎么样可以跟你继续做朋友，怎么样跟你继续聊下去，在这个过程当中不断积累知识。我们用的产品设计metrics，你能够和你这个Agent可以聊多少个来回。Cortana也好、Siri也好，Google Now大概就是三个来回，相当于对话一个半来回。你问Siri，西雅图的天气怎么样？它说，还是下雨，你就没什么问题问了。但小冰就不一样，小冰我们今天的最高对话次数是23个来回，你不断有这样的机会可以和它交流，在交流当中再去学习。我想强调的，并不是我们只做一个不做另外一个，就是助理（服务）和情感（陪伴）我们两边都要做。

　　沈向洋博士：我刚才提到在一些感知方面，从计算机视觉到计算机语音，我自己是觉得我们都是领先的。

　　第二就是你讲的2B的问题，我也听很多人讲，对于一个提供商用AI服务的初创公司来讲，面对像微软这样能稿提供很好的AI服务的公司，小公司有没有这样的一些商业的机会继续活下去？这个问题我自己是这么看：今天提供这样所谓的API，我也觉得一般小公司可能比较难做，因为有很大的投入，收费的方式各方面还要跟很多大公司竞争。

　　问：微软会不会越来越多的考虑Open Source的工具？

　　我认为很重要的一件事，接下来商业的机会还是在于所谓的business AI。因为它每一个vertical都必须要用AI，要去做这样的东西，你得一定要真的深入到某一个垂直行业中，必须要有很特别的data，你必须要有这样的用户，能够用到AI的应用部署出去，这样你可以做反馈。大多数的AI今天的技术不可能做到100%，甚至都不可能做到90%，它里面有很多的错误。比如Alexa、Siri、Cortana，今天来讲，很多时候它都没有真正回答你的问题。但是你需要有足够多的用户，他愿意继续用你这样的AI应用，给你提供反馈，给你提供数据。我自己是很看好垂直行业的。

　　问：接下来的首要任务是什么，有没有一个发展的进程，比如短期和长期的规划？

　　问：有没有这方面的数据，或者特别强有力的案例？

　　微软的Cortana与谷歌Home和亚马逊Echo有何不同

　　沈向洋博士：这是一个非常好的问题，不知道在座有多少人做过研究，科研是很不一样的东西，很多人不明白，说这么多人做科研，怎么还没有产品化。科研就是一个很长期的东西，你要么就不要说自己做科研，要做科研就要有耐心。比如今天大家谈的热火朝天的量子计算，具体哪天量子计算机可以做出来，没有人知道。有人知道还得了，VC会像狼一样扑出去了（笑）。在这一点上，美国的这套系统还是值得我们学习。从大学开始，到研究所，再到工业界。以前的AT&T和IBM，再到现在的微软，很多公司愿意花很多的钱出来做长期的科研，而绝大多数的科研成果不仅仅属于本公司，只是自己的公司有可能得到利益。这一点我们盖茨讲得非常清楚，比如苹果和微软早期的成功，很重要的就是图形用户界面，而 graphic interface 最早是施乐做出来的，我们跟他们学习。同样，今天微软做了很多了不起的事，但是可能其他一些公司，甚至一些初创公司还会做得更好，这都是很正常的。

　　另外一个就是在云这里，大家合作非常多，你到Azure.com主页的产品里面，Cognitive Services的内容放置最显著的位置上，这是Scott和我，跟我们产品团队的同事review了以后决定，Cognitive Services会变成Azure的重中之重。Windows还有很多AI，像HoloLens还有很多AI的技术，计算机视觉、计算机语音方面。

　　第二，非常非常重要的一件事情就是Cortana，这是一个私人的智能数字助理，我觉得Cortana代表了AI的未来，对人的了解。要做好AI需要三个方面的知识，一个是你对世界的理解，一个是你对工作的了解，一个是你对用户的了解，这三件事情在一起的话，才可以做得非常好。我觉得小娜在朝着这个方向走，要去做这个事情当然要有很大的投入在里面。

　　我再补充一下，微软最近在做一件非常重要的事情，就是人才方面的。6个月前我率领的AI这个部门组建后不久，我就成立了一个“微软人工智能学院”，培养相当一批微软内部人才，我们希望通过这样的方式，可以吸引更多外面的人才来微软。这么做，并不是我们担心又有人挖我们AI的人才，更重要的是，要把我们的人才培养成“AI capable”，所以我们就有一字头的课、二字头的课、三字头的课，一直到六字头的课，类似研究生这样的课。我最近刚刚做完一期AI 611这门课，专门做hands-on project，深度学习具体项目。有10个项目，非常了不起，他们这门课结束的时候，我专门用了2小时去听了他们的报告，非常好！所以，我们现在就是在不断培养AI的人才，既包括内部的人才培养，也包括吸引外面的人才参加。