沈向洋无惧BAT逼宫:微软培养了很多中国IT公司CTO(5)

　　最近我跟微软亚洲研究院同事交流，其实我们能够提供最了不起的东西是一个环境，这个环境里面不光是大家的待遇还不错，更重要的是边上有比自己更聪明的人，你可以向他们学习。第二，在微软研究院我们提供一个自由的空间，从来没有要求你一定要做什么，研究员你自己想做什么，你觉得应该做什么，就去做什么。因为你已经是最聪明的人之一了，才进得了微软研究院。有几个人选择要走了，出去做VC啊，换一家公司啊，这都很正常，我们就不断再培养下一代的人，重要的就是你要有一个能够不断培养人才的环境。

　　第三，其他的公司和微软一起合作，怎么样令AI 帮助微软（所有产品的）转型。我刚才提到Office，也提到Cloud，也提到Windows，我们一起做。同时，我们把这样的一些技术拿出来给其他所有Microsoft开发者去做，比如认知服务（Cognitive Service），这也是我在演讲的重点。认知服务这么多年一直都是我们AI部门在做，其中有很多的技术是从微软研究院做出来的。

　　新智元：接下来继续有高级的研究员离职的话，你们仍然觉得很光荣？

　　新智元：有一个问题，微软怎么应对人才流失？说实话，像腾讯已经把研究院开到西雅图了。

　　以下是专访现场沈向洋博士回答其他记者提问的实录。

　　所不同的是，沈向洋提到，他认为“AI对人类情感的理解将会是非常了不起的一件事”，“大多数的人还没有认识到能够不断聊下去这件事情的重要性”。而在这一点上，微软的小冰遥遥领先于其他智能语音助理，平均多轮对话次数是目前业界最高的23次。不过，沈向洋也表示，微软的Conversational AI会“两条腿走路”，既要发挥Cortana的商务助理优势，也要充分挖掘小冰在情感聊天方面的优势。

　　微软亚洲研究院不是公益组织，研究员对公司是有责任的，要把技术转化为产品

　　2017年05月10日，微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士（Harry Shum）在微软全球开发者大会（Build）发表主旨演讲后，接受了包括新智元在内的几家受邀媒体的采访。

　　沈向洋博士：我们是第一个做到语音识别达到人类水准，特别是在最难的数据级switch bot data set，在我演讲里面提到，6个月之前我们已经做到这一点。在计算机视觉方面，我们两年前第一次做到物体识别（Object Recognition）跟人一样的准确率。接下来，我希望我们在自然语言理解方面也能有所突破。翻译也是这样，翻译的质量特别是Spoken Language（口语语言），我们肯定也是世界领先的水平。但是有那么多的语言要去做，还有很多工程方面的问题要去解决，今天微软也只提供60种语言而已，世界上有6500多种语言，怎么样把人工智能普及化，也是我们要考虑的。

　　更重要的，今天大家对整个“认知”这样的一件事情的定义，还在一个比较初级的阶段，什么叫做常识（Common Sense）？你怎么知道见到这个人以后，为什么会对他很有一种亲近的感觉？这些我们还不是很理解，而这是一个很大的问题。稍微岔开一点讲，很重要的问题，今天我们个人工智能做的这些东西，和脑科学的结合不够，理解也不够。很主要的原因就是对“智能”的很多东西，只有人脑这样一个范本，但人脑结构很特别，今天我们还不够理解。脑科学作为一门科学，今天也还处在一个早期的阶段，我们还不能做太多的实验，也不能随时把一个人的脑袋打开塞一些东西进去。

　　问：您刚才讲到微软在vertical领域跟一些服务商、应用商之间的合作，在平台方面，像谷歌、亚马逊、百度这方面的合作，怎样去解决社会责任和公司商业利益方面？另外，陆博士去了百度之后，百度和微软在中国人工智能的会有什么合作吗？

　　而且，做科研是非常愉快的一件事情，做科研最愉快的事情就是根本不用担心别人在想什么，你自己拍拍脑袋想想就可以，要有一个了不起的想法——我以前是多么的享受做科研，后来被鲍尔默赶出来去做产品。

　　例如我刚才提到，人工智能（更多在离散的空间做符号处理）和脑科学（更多在Neural神经元做连续处理）这两个空间的融合。符号可解释的空间和连续的脑空间之间的关系，三五年前基本上没有什么人研究这些方向。我认为更重要的就是应该培养新一代，看到这样的问题。如深度学习，要去解释它。

　　新智元：微软去年做了重组，您率领一个5000人规模的AI团队，但是对具体的组织架构，我们一直都没有太多的了解，希望您能在这方面介绍一下，这5000人的团队具体的侧重点、方向、人事架构是怎么样的。我相信5000人还是分布在世界各地吧，这时候你们采取怎样的联系方式？

　　为什么觉得人有智能，人的智能基本上分成两部分，一部分是感知，另一部分是认知。感知是里面最了不起的，而其中最大的一部分就是视觉的感知。以前有人做过这样的研究，一个人大概91%的信息是从视觉收集过来的，我忘记了他用什么样的方法算出来这个数字，但是我想大家基本上会同意，人绝大多数感知都来自于视觉。然后是听觉，然后才是其他的感知，比如触觉。

　　第一，搜索引擎方面。你可以同意，也可以不同意我的意见，那就是今天世界上最大的人工智能可能还是搜索引擎，微软Bing这么多年下来做了知识图谱，超过25亿的实体（entities）。这里面就有很多的知识，搜索引擎本身不仅仅是一个业务——当然现在Bing也很赚钱，我们在美国占22.6%的搜索市场份额，再加上雅虎的11%（后台技术是微软做的），所以我们在美国有1/3的搜索份额，在英国最近涨到16.5%。从AI的角度来讲，搜索引擎主要就是World Knowledge——对世界知识的积累。

　　大多数的人还没有认识到能够不断聊下去这件事情的重要性，我给你讲一个数字，大家都不见得知道。一个人一天讲几句话？事实上，人一天可以讲6000句以上，你可能都没有认识到这一点。为什么人要不断讲话，这绝对不会是因为要完成一件事情，它是人类自身学习的过程，通过对话、通过交流，跟不同的人学到不一样的东西，这一点是微软做AI，特别是对话式的AI，非常注重的一点，其他的公司不见得都很注重。

　　问：您刚才的演讲里面主要是两大块，一块是AI怎么帮助开发者更好的去开发更customize应用场景，另外一块说重新定义（redefine）。我想问一下，微软通过人工智能对产品重新定义具体怎么做，有什么样的规划？

　　沈向洋还表示，在去年微软重组构建5000人规模AI团队后，他就成立了一个“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’。”

　　新智元：目前这些方向还是在探讨阶段中吗？

　　主要是两个方面：一个是在现有的产品，比如Office等跟AI结合，将会有哪些颠覆性的内容产生，有什么新的产品出来，有什么新的功能出来，这边的话我们进展得非常好；另外一个你要去想，新的产品线在哪里，你有没有一条新的产品线出来，三五年以后可以做到十亿美元的生意。要思考，你有没有这样的业务，五到十年可以做到一百亿美元的生意。如果有，当然要放马去追求这样的机会。所以我们现在整个AI部门最重要的事情，就是决定要做什么，决定不做什么。

　　我觉得这边的进展非常大，过去这一年我都在讲，计算机语音识别的突破最多是5年的事情，也就是说5年之内计算机语音，不管你怎么去讲它都能识别，而且肯定会比人类强。然后，接下来10年左右的时间，计算机视觉也会达到这一点，今天视觉很多东西已经超过人，具体来讲比如人脸识别。但我讲的是一个很general的，anything is recognizable，到一个新地方，AI看到一个新东西能够联想到其他东西，这些我认为大概十年左右的时间可以实现。

　　认知计算会成为Azure重中之重；深度学习可以从安卓如何崛起中借鉴

　　沈向洋博士：是有的。任何一个企业，一个单位，特别是大了以后，一定要去想短期的目标是什么，中期的希望是什么，长期的愿景是什么，一定要从这个角度去想。我的部门比较特别的地方就是，我除了 AI 以外，还管研究院。在研究院我们有1000多位科学家，刚才新智元的同事也问道，我觉得最重要的就是，要不断培养一代一代新的了不起的研究员，去做更了不起的技术。

　　从一个商业公司的角度来讲，我们还是有两个方面，你看的很准确，第一我们提供一个平台和工具，大家都可以用的，包括科研人员、大学的老师、学生都可以用。我们公司也做垂直行业，office AI会越做越好，比如讲云里面的应用，比如database，这些东西我们都可以继续做。你作为一个商业的话，跟其他产品竞争很正常。这些大的公司之间，大家可以怎么合作，可能有几个不同的层面。

　　当前微软AI最重要的事情：决定做什么和不做什么

　　但是在认知方面，今天我们远远没有获得突破，都谈不上跟人类相比的地步。首先是自然语言处理的问题，然后就是知识获取的问题。越来越多的人更应该去做这方面的工作。自然语言处理，我刚才也提到机器阅读，语言这个问题，相对来讲的确是比较复杂。用今天现有的方法，包括深度学习的方法，解出来的效果还不是足够好，当然用深度学习已经可以帮助到我们很多东西，比如像翻译也用了很多自然语言的东西。

　　问：您刚才把微软的Cortana还有Google、亚马逊的相关产品对比，讲到各家service都是很不同的，您能不能给我讲个例子展开一下。此外，国内AI公司有一个观点，认为如果做纯2B的开发者的生意，如果提供工具，本身可能不是一个在国内环境下很好的商业模式，觉得很苦不赚钱。但您对Cortana 的定义就是一款2B的工具。我比较好奇您怎么看？

　　当然，因为你不是一个公益的研究院，当然对公司是有责任的，包括最重要的一件事情，就是从技术到产品的转化。目前，AI本身今天很多的东西还在研究阶段，所以今天微软重组，把AI和研究院放在同一个部门——我觉得非常荣幸能够领导这样的部门——我们看到了非常多的机会。怎么从技术到产品转化这个问题，可能今天最好的例子就是认知服务，其中大概2/3的技术是原来微软研究院做的，而且做了很多年，以前我们不是很清楚，一些计算机视觉的技术怎么转化成产品。但是因为有Azure，有认知服务这样的机会，很多很多的微软研究院的技术，都已经通过认知服务转化成为产品。

　　微软5000人AI军团：发力搜索、Cortana等四大方向

　　在工具层面，我举个例子，比如讲TensorsFlow，有一些新的工具出来，像深度学习做到这样的地步，大家都觉得有道理，它就自然会出现一些工具出来。在TensorFlow出现的同时，至少有4、5个工具，比如讲亚马逊最近收了公司去做MXNet，大家各有所长。TensorFlow谷歌推的比较早，推的比较猛，用户很多。很重要的一点，我们作为一个community，大家应该把一些力量聚集起来。

　　在这样一个设计的过程当中，因为它本身就叫digital assistant，帮助你把事情做好。大家想的都是怎么样尽快找到你需要的东西，尽快帮你完成这样的工作，在这样的设计过程当中，完成任务的时间越短越好。另外一条思路，很特别的地方，我觉得还没有太多的人做的是从聊天机器人：我是你的同伴，我是陪伴你的，我不帮你解决任何问题。从微软研究院来说，我们是在两条腿走路，这肯定是我们最不一样的地方。

　　问：微软现有的一些成果或者说优势都有哪方面？