時間：2017-09-24 來源：互聯網 瀏覽量：
“你想造一個有意識，又聰明的東西，多生點小孩不就好了。”
微軟有三大部門。一個是銷售單位，它必須要賺今天的錢才能立足。第二是產品部門，必須要開發下一個版本的產品，才能賺明天的錢。同時我們也要有研究院，才能想比明天更遠的東西，才能賺到後天的錢。
洪小文本人
張亞勤之後最受比爾•蓋茨器重的人才
今天的錢如果沒賺到，怎麼可能有明天呢？必須要有今天才有明天，有了明天才有後天，我覺得這是一個必經之路。
這是現任微軟亞洲研究院院長洪小文博士關於公司業務布局所說的話。同時，他還對中國很多企業給了一個溫馨提醒：希望今天中國很多成功的企業能夠立足今天，明天才可以投入一些資源來做後天的事情。
相對於前任張亞勤、沈向洋和張宏江，洪小文的曝光率並不是很大，似乎他更像一個管理者。然而，洪小文在業界的學術地位和威望其實並不低。
洪小文也是學霸
洪小文博士，現在負責研究院在互聯網搜索、數據挖掘、語音技術，及自然語言處理技術、係統、無線與網絡、平台器件以及媒體通信等領域的研究管理工作。同時，洪博士還負責搜索技術中心（STC）及MSN/Live在中國搜索產品的開發。
洪博士畢業於台灣大學，獲得電機工程學士學位，之後繼續深造於卡內基梅隆大學，並先後獲得計算機科學碩士及博士學位。
1995年，洪小文博士加入微軟總部任高級研究員。此前，洪博士曾任蘋果公司的Apple-ISS研究中心的技術總監，帶領其團隊研發出蘋果中文聽寫機產品並獲得多項工業界大獎。現在，已經成為繼張亞勤之後最受比爾·蓋茨器重的人才。
據悉，來中國之前，洪博士曾擔任微軟公司自然互動服務部門的架構師，在架構和技術層麵上對微軟語音服務器、自然用戶界麵平台和微軟支持平台等諸多獲獎產品的開發做出了突出的貢獻。
洪小文是微軟的高管
到現在為止，作為美國電機電子工程師學會院士（IEEEFellow）和《Communication of the ACM》期刊的編委，洪小文在多種國際著名學術刊物及大會上發表過100多篇的學術論文。
當有記者采訪他，問他作為微軟亞太研發集團主席和微軟亞洲研究院院長，工作強度和時間分配的問題時，他表示雖然自己無法像大多數科研人員一樣做基礎功，但是大部分都與研究員討論問題，給予反饋。
甚至他還提出了他對管理者的看法：“對於科研管理，我不太認為職業經理人這個模式可以在科研團隊運轉。因為對於科研的工作，職業經理人可能就不太專業了。”的確，如果對相關知識其實不是特別了解，那可能無法把控最新的發展方向。
他把語音識別係統識別率提高了40%
在查看關於人工智能相關人物的時候，有一句話讓人很是感動：“這批在三、四十年前研究 AI 的 CMU 計算機學院的師兄弟們，經曆無數洗禮後仍舊站在人工智能的第一戰線，這正是 AI 時代最值得被尊敬的精神。”
這裏，說的就是洪小文、張亞勤這一批人。因為與每天從事的研究工作息息相關，因此科幻電影迷洪小文對AI題材尤其有興趣，基本不會錯過相關電影。
不過，洪小文對AI的認知非常的理性：“我認為較之過去五十年裏的同類，今天所謂的‘智能機器’的能力提升都還隻是量變，遠遠達不到質變的標準。”
他的理性還表現在他當初選擇專業的時候。盡管師從鼎鼎有名的羅傑·瑞迪教授，但洪小文並沒有從事他擅長的視覺識別領域，而是和興趣相投的李開複一拍即合——用自己的方法做語音。
洪小文與李開複共同研究語音識別
兩位天資極高的華裔學生選擇研究方向完全背離了主流，但是瑞迪教授十分明智：“當時，羅傑不認同我們的研究思路。不過‘不認同’不等於‘不支持’。”但是，羅傑·瑞迪教授的“寬容”被事實證明是積極、明智且值得尊敬的。”回憶起來的洪小文這樣說。
然而事實證明他倆的決策沒有問題。他倆的成果——命名為“斯芬克斯”的語音識別係統轟動了國際學術界。時至今日，蘋果、微軟等大公司的語音技術研究仍以此為基。
李開複當時用一句話總結了洪小文的貢獻，“當初就是因為同學洪小文的幫助，才把語音識別係統的識別率從以前的40%提高到了80%。”
隻有年紀大的人才怕AI？還不到時候
洪小文這麼表態“AI威脅論”，他沒有說隻有年紀大的人才害怕AI。他舉了個例子，他說他曾經最傷心的是小學一年級沒有被選進珠算隊，當時悲痛欲絕。可是漸漸長大，發現現在的年輕人沒有幾個會拚命學習珠算，而且珠算已經不重要甚至過時了。
所以，事情都是有發展路徑和規律的，沒有必要為人類輸給AI而傷心，也許再過十幾年後，人們也已經見怪不怪，或者人類根本不會再去和AI做比較了。
AI還隻是個小孩子
當然，讓洪小文如此堅定AI還不能威脅人類，也是因為他切實了解AI目前發展情況以及未來發展可能。在他們這些人眼中，人工智能目前隻有強弱之分，因為超人工智能時代可不僅是猴年馬月，而是千年億年都不一定。但是這裏說的是超人工智能，也就是人工智能可能威脅到人類的時候，這還在不可想的未來。
而對於當前人工智能的發展態勢，應該要正視。正如長江後浪推前浪一樣，人們應該要習慣機器的擅長。“就像計算能力和記憶力，我們覺得機器比我們強是很正常的。”畢竟人類早就朝著人類智能和人工智能共同進化的路狂奔了。
