時間：2019-11-14 來源：互聯網 瀏覽量：
沈向洋
北京時間11月14日淩晨，美國時間11月13日，微軟發布內部郵件寫道，經過一段時間的計劃和安排，現任微軟全球執行副總裁、微軟人工智能及微軟研究事業部負責人的沈向洋將於2020年1月1日正式卸任微軟全球執行副總裁。
微軟現任CTO凱文·斯科特（Kevin Scott）將接替沈向洋的職位，任命立即生效。
微軟 CTO Kevin Scott
微軟CEO薩提亞·納德拉盛讚沈向洋給微軟帶來了深遠的影響，在計算機科學和人工智能領域留下了遺產，為未來創新打下了堅實基礎，並感謝沈向洋給微軟帶來的貢獻。並稱，沈向洋正式離職後仍將繼續出任納德拉和比爾·蓋茨的顧問。
不過，美國公司核心高管離職時繼續擔任顧問這一虛職，是慣例操作。
北京時間11月14日淩晨2時，“Microsoft資訊”官微分別推送了沈向洋的告別信、以及微軟大中華區對沈向洋的感謝信。
沈向洋告別信全文：
微軟大中華區致沈向洋感謝信全文：
現在回味起沈向洋在2019年8月30日下午WAIC微軟亞洲研究院AI for AII分論壇上的演講，當時認為是沈向洋對微軟亞洲研究院的一個工作內容介紹，現在看，更有幾分沈向洋對過去20餘載工作的一個大總結。
附：2019年8月30日下午，沈向洋在WAIC微軟亞洲研究院AI for AII分論壇上的全文演講：
沈向洋：非常謝謝洪院長（洪小文），很高興能夠在今年的“二十一世紀的計算”大會上和大家一起交流下最近在微軟研究院，全球一直在做的一些工作。
經常有人問我，說微軟研究院到底在做什麼呢？實際上我們都是希望致力於解決未來得問題，實際上在微軟亞洲研究院有三個方麵的事情一直很專注。
第一件事情在計算機科學方麵不斷地向前推進，到底最高水準的科研在哪裏？對我們來講基礎的科研是非常的重要。
第二我們是企業界的研究院，我們希望把最好的技術用最快的方式轉化融入到微軟所有產品裏麵，在過去20幾年中，微軟所有的主流產品裏麵都有微軟研究院了不起的技術在。
第三為了公司的未來，我們同事一起，甚至和客戶合作夥伴一起在思考，到底還有什麼樣新的創新？新的技術？甚至是一些新的商業模式一起可以和大家為未來得產品真正做出這樣的研發。
微軟研究院大家都知道，是全球的範圍當中，我們一共有8個研究院，分別分布在美國、中國、印度、英國、加拿大、當然我非常高興的是去年宣布了微軟亞洲研究院上海在這裏去年人工智能大會上宣布了，洪院長都在非常努力的積極籌備微軟亞洲研究院（上海）這邊的工作。
大家可能問我，你有一千多名科學家，到底在做什麼項目呢？基本上計算機科學所有的方向都在做，這個PPT也不是我故意把字弄的很小，實在是我們做的項目太多了，各個方向都有，包括也做社會科學和計算機科學方麵交叉的項目。
我先給大家講第一個過去一年當中做的非常有意義的工作，第一個有意義的工作是在存儲方麵，我們用磁帶、硬盤存儲，用SSD存儲，我們還在想一些光學存儲的問題，但是我們發布了用DNA硬盤做存儲，有什麼了不起的地方呢？今天像一個倉庫這麼大的數據中心，我們用DNA的存儲可能隻要半張麻將牌這麼大。
第二個是雲計算方麵的工作，大家都知道雲計算是非常龐大的數據中心，通常都是在一些氣溫不是很高的地方，我們做了一個非常了不起的工作，是在海底下的數據中心，你可能問海底下的數據中心為什麼要做這個事情？最重要的是快速部署能力，大家可能都知道，全世界大多數的人口都居住在海岸線邊上附近100公裏的地方，當我們需要有一些活動，比如說舉辦奧運會我們很快在附近部署新的數據中心，那今天大會的主題是講AI，最近AI的發展日新月異很重要的一個方向就是做了很多很了不起大的AI的模型以後，怎麼樣真正的AI出來的結果是可解釋的？最近微軟研究院做了非常好的InterpretML解開這個之謎，開源的結果在網上可以看到。
最後一個是我們為什麼強調AI FOR ALL，技術對每個人生活的影響。很多人因為身體的原因不是很容易用我們現在已經有的工具，比如說盲人孩子也想學編程，其實是可以靠觸覺，用感知的磚塊大小也可以用這樣的方式幫助孩子學習編程，創造了一套工具可以幫助有需要的孩子。
微軟研究院在整個的行業當中的確是獨一無二的，事實上大家都不知道，在28年前成立微軟研究院的時候，並沒有像今天這麼龐大，28年前1991年我們成立微軟研究院的時候，微軟當時的營銷隻有10億美元而已，但是當時比爾蓋茨先生就有這樣的願景，為了公司未來得發展，必須有一批聰明的人，真正的在鑽研技術，想到未來會發生一些什麼樣的事情，能夠為公司的未來先做好鋪墊，我自己這麼多年非常喜歡蓋茨講的這句話，“大部分人都高估了自己在一年裏能做到的事情，同時卻低估了自己能在10年裏取得的成就”，這個道理很簡單，如果你找對了方向很有可能是指數性的，在10年當中的發展是非常的迅猛。
所以在微軟研究院我們就有這樣的一個很了不起的環境，不僅是說我們在想接下來的一年兩年三年應該做什麼？因為作為一個公司來講，接下來的一年到兩年的工作，產品部門已經有很好的計劃，在這樣的一個所謂的短期的視野裏麵，微軟研究院把以前開發很好的技術可以怎麼樣的和產品部門的人很快的結合，實際上在微軟研究院，因為我們可以不會被這個產品所托住，那3年以後這個產品是什麼樣的？我們就想有可能以後做的產品，會不會5G起來以後到底發生什麼樣的情況呢？到底在這個裏麵令我們從通訊，運算，存儲之間到底怎麼樣思考這個問題呢？我們能不能走第一步，產品部門接過去。
因為我們是微軟研究院我們可以做一些東西，完完全全是大家不太清楚的東西，比如說量子計算，截止到今天量子計算機還沒有真正出來，但是我們已經投入10幾年的時間，我們有這樣的機會在研究院可以想三個短期的視野裏麵，我們也可以招非常多的聰明的科學家，包括學生實習生一起來做這樣的了不起的工作。
我這裏用一個簡單的例子跟大家介紹一下，如果你能夠思考這三個很長視野的情況下可以做一些什麼了不起的東西？我舉個大家很熟悉的，微軟深受喜愛的產品是增強現實的全息眼鏡，這個產品的發生跟微軟做了那麼多的基礎科研是息息相關的，2000年的時候我們就做了很多計算機視覺方麵的工作，而這些工作是奠定了基礎，是後來做3D的傳感器，3D的傳感器在2010年出來了以後，一開始是用在遊戲機裏麵，但是我們在英國劍橋的研究員就起來了一個很好的項目，既然有這樣的3D傳感器可以多放幾個，就可以把整個的三維的環境重建出來，這是2011年的時候。2012年的時候劍橋研究院的同事們又起來了一個概念，就是虛擬的物體可以在真實的三維場景當中無縫拚起來。這樣的項目是鼓勵引導到我們產品部門的同事思考全息眼鏡怎麼樣研發裏麵的技術。
到2015年的時候全息眼鏡正式第一次發布，今年我們這個會有全息眼鏡2版本。所以這是一個很好的例子，最近的進展是非常的神速，我給大家放一段視頻，今天用全息眼鏡2能夠做一些什麼樣的場景和體驗？
這個是最近剛剛做的演示，可以把整個的同事的三維重建起來，而且不是靜態的，而是整個動態的係統。從做科研的角度來講，必須要長期的投入，事實上我們在人工智能方麵，微軟研究院已經有20幾年，實際上從微軟研究院成立的第一天起就已經在人工智能方麵做了很大的投入，一開始成立的3個組，就是自然語言處理組，計算機語音組，還有計算機視覺組。這幾年有很大的突破，裏麵很多的工作在洪院長他們團隊做出來的，包括2016年的時候微軟研亞洲研究院做的96%的精度，到2017年的時候，我們做計算機語音識別做到5.1%的誤差，也是達到了人類專業速記員的水準，甚至在翻譯等等方麵都取得了進步。
談了這麼多的方麵實際是在遊戲AI的發展，昨天大家聽到我在人工智能大會主題演講時候講到的，我們最近在遊戲AI方麵的最新的突破，是我們劉鐵岩研究員團隊做的工作就是麻將AI，是非常有意思的事情，因為是我們全民體育運動之一，我們做出這樣的麻將AI，在天鳳的平台中榮升10段。
今天我給大家具體講一下，我說麻將AI這個事情很困難，難在哪裏？橫軸是可以觀察到的狀態空間，比如說跳棋是10的21次，這個已經被人解掉了，然後就有人做國際象棋，狀態空間是10的46次方，後來大家覺得圍棋沒有辦法做，10的127次方，這個太大，也是最後要用一些新的深度學習的方法，兩年前可以做到這樣的效果。
剛剛過去的幾個月，又做出來德州撲克，雖然狀態空間沒有圍棋那麼大，但是裏麵開始有隱藏的信息，因為跳棋，圍棋，象棋什麼東西都可以看到的，而德州撲克還有一些牌你沒有看到，隱藏空間就是縱軸是10的三次方，所以這個問題就難解，而打麻將隱藏空間變的非常大，10的48次方，這個就是為什麼這個事情難做的地方，我看網上大家的評論為什麼麻將比圍棋難，你今天聽了我的演講可以跟你爸爸媽媽解釋一下。
以後也就追Suphx微軟麻將AI，裏麵有核心的技術，今天沒有時間展開講，大家可以網上讀劉博士發表的文章，當然處理的方麵是這樣的，第一是海量的隱藏信息，我們用的做法是做先知教練，可以看到所有的牌打的時候應該是什麼樣，但是你打的時候是沒有看到的，但是有一個先知教練可以看到的，這個可以當訓練數據。
還有複雜的獎勵機製，因為打牌的時候不見得每一副都要贏，胡大一點胡小一點等等。這樣就可以用全盤預測的方式，當然還有一個是巨大的狀態空間，所以還有自適應的決策，再加上深度強化學習，把所有的東西串起來。
很多人就問，為什麼要做麻將AI這樣的技術呢？實際上這裏麵有很多的真正的AI本身的技術在裏麵，比如說如何有效的處理不確定性？如何幫助人類去學習和提升技巧，不光可以做遊戲AI，還可以引申到其他的應用場景，這個是學術屆的人士講的。我覺得做麻將AI的可以影響一批人。
人工智能的發展的確了不起，以前不可思議的事情今天可以做到了，但是在這樣發展迅速的同時也有很擔憂的事情，人工智能的發展可能帶來的社會影響，可能對我們帶來的種種挑戰，特別是人工智能大家很擔心的事情，跟以前很多的技術創新不太一樣的地方，以前的很多技術創新隻是體力的延伸，人工智能的創新是腦力的延伸，所以大家也是非常的擔心，事實上我們的的確確很早開始思考這個問題，早在2016年的時候，我們CEO就已經在想這個問題，和研究院一起，當時在2016年的時候發布了微軟人工智能的6條準則，2017年微軟也出版了一本書《計算未來》對人工智能發展的道路上可能引發的道德法律思考和社會的影響，包括以後的工作的問題進行了全麵詳實的討論，一直也是希望能夠在我們的未來，微軟做所有的人工智能的產品，每個人工智能的產品都能夠通過人工智能相關的道德倫理的審查，我們也在推動，特別是和政府，相關的法律法規的一些討論。
微軟人工智能6條原則到底是什麼呢？第一條是公平，第二條是可靠和安全，第三條是隱私和保障，第四條是包容，第五條是透明，第六條是責任。
我們在以後開發和應用人工智能當中，一定要始終堅持遵循這6項原則，我們高興的看到，特別是今年歐盟政府，中國政府也都已經公布了人工智能道德倫理的一些準則，大家已經關注到事情的重要性，當然準則很重要，大家看到有廣泛的共識，但是光有準則沒有用，最重要的是怎麼樣真正在做人工智能同行們，做的時候怎麼樣遵守原則真正的實踐起來，這個也是為什麼在微軟內部成立了一個倫理道德的委員會。研究人工智能道德的縮寫，內部的委員會不僅僅有工程師和科學家組成，還有一些其他的同事，比如說法務的同事、比如說HR的同事，加上一些相關的領導，負責對微軟內部對人工智能整體的倫理道德相關的事情進行探討和評估，因為有太多的事情，我們今天並不見得是那麼的了解和理解，比如說人臉識別的問題，比如說隱私的問題，比如說技術越來越好以後造假的問題。
為什麼這個事情這麼重要？為什麼要有倫理委員會？到底是怎麼樣的事情？原因是因為大家都在講人工智能會不會產生偏見？大家也在講，大多數今天有用的人能夠做出來的人工智能都需要很多的大數據，大數據從哪裏來的呢？要訓練一些，從大數據訓練一些新的模型，但很多的時候，事實上這些大的數據，我們在網上搜集，人類曆史中國5000年下來有這樣多文字的東西，實際上是人類把自己的思想寫到了紙上，今天變成數字化的東西，不可避免帶來這麼多年自己本身帶來的偏見，最近微軟新英格蘭研究院的同事們做了有趣的工作，是自然語言處理裏麵的單詞嵌入的工作。他是在想所有的這些文章，所有的字字之間有一定的關係在裏麵，這裏麵可能就有偏見，你想想沒有什麼錯，因為大家平時都是經常這樣講，但是今天要做人工智能，還可以教育到人工智能不要有這樣的性別歧視的問題，接下來舉個例子，你可能還不見得那麼認識到這個事情的重要性。
比如說我們做了人工智能的係統，是去做這樣的所謂的Job classification我們用了27個不同的職業，我想強調一下沒有一個職業是慈善家，有一個人她老公叫比爾蓋茨，她如果把這段字送到係統裏麵，係統就會分類預測出來，說你把這段話放進去，這個人好像應該是老師，但是你如果把這段文字裏麵所有的She變成He，所有的her變成his，那這個係統出來之後這個人可能是律師，什麼都沒有變，隻是把She變成了He，所以大家是不是看到有點問題了？什麼內容都是一樣的。
原因是什麼呢？在整個Word Embedding（詞嵌入）裏麵出問題了，比如說有一家公司是蘋果，也有一家公司是微軟，蘋果對應有一個詞叫Cupertino（總部所在地），微軟就有一個對應的地方是叫Redmond（微軟總部所在地），所以有這樣相對應的詞。在Word Embedding還有這樣一個詞Proximity，比如說蘋果和微軟比較像，他們倆為什麼比較像呢？微軟是世界第一大市值，蘋果也不錯是世界第二大市值。比如說兩個人的創始人也很了不起，比爾蓋茨了不起，蘋果的創始人也了不起，所以這個是很重要的。我把這個基本的道理跟你講清楚以後，我再給你用真正的例子講講裏麵的嚴重性。
比如說用最簡單的例子，She is a sister（姐妹），He is a brother（兄弟），那如果She is a nurse（護士），那He is a doctor（醫生），那這裏就已經開始有點問題了，我先給大家提示一下。那再說，She is a homemaker（家庭主婦），那訓練出來的模型就說He is a programmer（程序員），這就有問題了。然後She says “oh my god“，而He says “WTF”，那這個就不太好了，我想在座的男同學都不會太講這樣的話。
接下來兩個就有相當的難度了，是She is a feminist（女權主義者），大家覺得He is what? He is a realist（現實主義者），這裏美化了He。那最後這個例子呢，我跟院長講好了，如果你知道這個答案，現場就可以收你微軟亞洲研究院做實習生，這個女生懷孩子了，我給你3秒鍾時間看看有沒有人知道？大概不會有人知道。那這個隻是一個類比，這個是波士頓同事做出來的結果，有了這樣的東西以後，你就可以做具體的分析，比如說這裏畫了一張圖，就是縱軸越往上字越像是女生的，比如說往下就越來越男生，但是有一些就出問題了，比如說hero更加靠男生，越是往左邊越是跟性別有關，越是往右邊越跟性別一點沒有關係，一旦你明白這個事情以後，縱軸這裏跟性別這個事情是有歧視的，可以用簡單的方法，學計算機的把這個維度幹掉，可以減少偏見的地方。
也許你講的這隻是舉了這樣的一個例子，實際上這樣的偏見在很多的地方都會出現的，其他的一些地方，比如說包括食物工作等等，我們同事最近又發表了這樣的一篇論文，大家如果有興趣可以看更多的細節，更重要的是我們把這樣的工作已經放在GitHub上麵，大家可以看到更多的內容，包括論文等等。
所以這件事情隻是我舉的一個非常簡單的例子，讓大家知道在開發人工智能係統的過程當中我們要思考這樣的一些問題，有一些問題大家覺得好像也不見得有那麼大的問題，但是有一些問題可能會出現很大的問題，我想這是一個很好的例子。
這也是為什麼在過去2-3年當中，我們不遺餘力努力的在做這方麵的工作，實際上我們不僅僅自己在微軟內部做這樣的工作，我們還同時和很多的公司，好幾家公司一起創建了人工智能夥伴組織，將近有100家企業，包括中國的企業一起參加PARTNERSHIP ON AI，我們希望大家一起共同分享，推廣在人工智能道路上最佳的實踐。
我這裏簡單介紹了微軟研究院的工作，舉了一兩個人工智能方麵的例子，回到一開始講的初衷，為什麼有微軟研究院？到底在做什麼？作為科學工作者，我們始終對現在的情況發起挑戰，如果是微軟研究院在過去20幾年中取得了一些成績，是因為我們一直不斷地在質疑過去，我們尊重未來做的東西，我們的使命就是探索新知探索不同，我們是關心新的技術，從今天到明天的轉變，我們希望做出來這樣的技術能夠為我們創造一個更美好的明天。
接下來如果我們這樣去思考，很簡單的情況就是未來是在我們不斷的求索當中創造出來的，就像我今天介紹的最後一個項目，有生命的軟件。大家可能都聽說過電子計算機，大家都聽說過量子計算機，大家可能還沒有太多聽說過生物計算機，我接下來要給大家介紹的實際上是通過編程生物學可以給我們獲得的能力，未來是會非常巨大的，可能會創造出革命性的藥物，可能帶來可編程的農作物，可能變革能源生產的方式，未來充滿著無盡的可能，請放視頻。
謝謝大家！
