知性作者|程倩编辑|李水清
东西方10月20日报道。近日，由微软和全球八大研究机构共同主办的首届微软研究院峰会在网上举行，旨在探索拓展科技边界的前沿研究。
在“研究的未来”分论坛上，微软董事长兼首席执行官satyanarayana nadella与微软CTO kevin scott进行了对话。他们回顾了微软研究院过去的30年，展望了未来10年的规划，并表达了对普适计算、AI大模型、虚拟在线等问题的重视。同时，在谈到计算机技术的格局时，他们极大地肯定了机器学习的影响力，认为“AI相当于微积分或者相当于蒸汽机”。
会上，微软副总裁、杰出科学家马克斯·韦林(Max Welling)也参与了对话，与斯科特畅谈微软计算机研究的进展，探讨机器学习进入物理、数学等科学前沿领域的实践。
本次高管对话的主要内容总结如下:
1.展望未来十年，纳德拉最关心三件事。
Scott:你如何描述这个研究论坛在过去30年里对微软和世界的影响？
纳德拉:微软的核心使命是创造技术，这样别人才能创造更多的技术。我们希望给地球上的每个人和组织更多的成就。并通过他们的努力，在日益数字化的世界中创造未来，自1975年以来一直如此。在这种情况下，微软亚洲研究院在很多很多层面上改变了微软的游戏规则。
首先，微软不是其他研究机构和学术机构整个生态系统的一部分，而是与一些最伟大的从事研究的学术机构建立长期合作关系，提高赞助的关键。无论是在医疗、金融服务等领域。
在微软，领导部门的人从事核心工程和创新，产品组的人从事研发。实际上，有能力的人的好奇心互相推动研究，真正实现创新。
斯科特:我们正在考虑一个30年的里程碑。未来十年会是什么样子？微软在成立40周年之际，研究取得了哪些进展？
纳德拉:从某种意义上说，当我们迎接世界的挑战时，我们必须立足于一个公司的最终目标是什么。我们是企业，我们是公司。论社会目的:
第一件事是该公司是否正在创造盈利的解决方案，以应对人类和地球的挑战。关键词是利润或社会效益。就微软而言，所有的数字技术将促进整个国家经济部门的广泛经济增长，这将是我们公司做出的最好贡献。然而，值得注意的是，这种经济增长存在任何特定社区、国家或社会分配不公的问题。所以我更关心的是跨地区的协调增长。
第二件事是，我们如何确保使这种增长成为可能的机构变得更加强大？无论是我们的民主还是一个更具包容性的社会的漫长弧，我们如何才能加强这一点。微软研究院本周提供了一些围绕人口贩卖的数据集，帮助解决人口贩卖问题。甚至一些突破性的安全和加密技术，选举警卫技术或可持续发展技术。微软在芝加哥工作。我们不得不考虑下一个分布式计算范式、人工智能范式或者用户界面的改变，这也是微软完成使命的原因。
纳德拉:我们现在正在反思过去的30年，但当你看计算机的格局时，你认为你关注的一些重大突破是什么？
斯科特:我们如何看待我们承担的风险和我们为自己设定的目标？我认为其中一件大事是人工智能，它不是作为人类的替代品，而是微积分之类的分析仪器或者蒸汽机的认知等价物。想象一下我们如何用它来塑造我们，解决困难的科学问题，创造更多的生产力。
我们在分子动力学模拟方面取得了惊人的进展，这将在许多不同的领域产生如此巨大的杠杆效应，例如可持续发展、药物发现等等。即使在应对新冠肺炎疫情和疫情流感时，我们也使用了许多方法来帮助我们做出更好的应对。这些项目可以看到人工智能模型本身在我们的社会弹性计划中作为一个平台运行。
用微软的十亿美元超级计算机训练这些模型，可以帮助其他人建立平台和技术解决方案。此外，我们必须考虑如何以负责任和符合道德的方式管理我们所做的所有技术工作的影响，并确保我们实现技术利益向所有人的包容性和公平分配。
另一个问题是，当你展望未来的时候，最乐观最有希望的是什么，为什么？
纳德拉:作为一家技术公司，进一步的民主化使我们能够获得技术，反过来促进经济增长和整个部门和国家的整体繁荣。在这种背景下，我对三件事感兴趣:
首先是系统公司。怎样才能正确的从基础研究出发？有一种新的系统架构，使我们能够以更丰富的方式思考计算，一些人工智能工作负载正在推动对云和边缘计算的根本反思。那么我们如何真正保持系统研究的前沿，创造无处不在的计算呢？
二是正在成为平台的大规模模式。这个大规模模型背后的计算，如何继续构建系统。
第三个是如果线下有这个会议，我们两个同时在场，但实际上不在一起，这是一个很大的突破。这项技术将如何转化为产品？
纳德拉:你认为未来10年会发生什么？你觉得微软研究院需要基本方法吗？
斯科特:我从小就热爱研究，阅读研究人员的成果让我受益匪浅。微软研究院峰会的研究非常重要，我们正在建立一个致力于研究和技术的世界。成立研究所的目的是什么，你是否真的能成功解决和处理这些问题。我们应该鼓励他们冒更大的风险。比如下一次突发疫情，如何应对全球变暖，如何应对误传的洪水，发挥重要作用。
2.机器学习:科学家的新“显微镜”
微软首席技术官凯文·斯科特(Kevin scott)与微软副总裁、杰出科学家马克斯·韦林(Max Waring)对话。主要内容如下:
斯科特:首先，我希望你能简单介绍一下你的职业生涯和目前的研究方向？
林炜:起初，他以学者身份攻读量子引力博士学位，然后去帕萨迪纳的加州理工学院学习计算机视觉和机器学习，然后与机器学习和深度学习的发明者杰夫·辛顿(Jeff Hinton)一起做博士后，然后回到帕萨迪纳或洛杉机，成为加州大学的教授，教授机器学习。之后，我花了四年时间为高通建立了一个人工智能实验室，并准备在分子模拟领域再开一家创业公司，然后加入了微软。
斯科特:在这段丰富的历史中，你在学术界有过如此惊人的职业生涯，还成立了一家创业公司。是什么吸引你到微软工作？
林炜:我在分子模拟领域看到了巨大的潜力，机器学习通过使用我们的模型在分子模拟领域产生了巨大的影响。我觉得这是进入这个领域的最好时机。微软背后强大的计算能力，确实可以解决分子模拟领域的问题，应对分子模拟的计算难度。更重要的是，微软致力于可持续发展问题。我们这一代人一直在向空排放碳，所以我们有责任采取行动。微软承诺到2030年碳中和或实际为负，已经把2050年将产生的碳全部拿出来了，所以我最终选择了加入微软。
Scott:在过去的几年中，感知神经网络和自然语言深度神经网络的规模不断扩大，不仅可以更好地解决深度神经网络领域已经面临的问题，还可以通过这些网络解决意想不到的事情。所以这种规模回报是显而易见的。你的背景和兴趣就是模型本身。当你用它们试图理解这些科学领域的深层结构问题时，你可以用同样的原理，将这些科学问题注入大规模模型，比如模拟复杂系统，提高性能。这是你目前的兴趣吗？
林炜:我喜欢用新的显微镜做类比。从某种意义上说，我们正在为化学家和生物学家开发一种新的显微镜。通过建立仿真模型，利用计算能力运行物理仿真，但仿真成本昂贵。以前实验完成后，我们会把数据扔掉，只保存实验结果。现在，诀窍是保存所有模拟并回收，从而保存为数据，并回收到机器学习模型中，以提高准确性。但最重要的是，物理模拟速度更快，获得的数据越来越多，机器学习模型得到改进。最后是整个系统的不断完善。
斯科特:在过去的几年里，人们已经充分地将这种机器学习技术应用于困难的科学问题。比如应用于量子精确分子动力学模拟，计算流体动力学，甚至它们的离散问题和组合优化问题。要进一步完善机器学习领域，我认为我们还处于早期阶段。从你的角度来说，如果你处在一个相信趋势，愿意投资计算平台的地方，相信建立这样的模型会有很高的回报，那么会进一步推动这个领域的发展。
林炜:实际上，你的陈述还概括了许多其他领域，比如芯片设计。以前几百个工程师设计几个芯片，现在我们看到越来越多的机器学习进入这个领域。而且芯片设计的越多，越好的设计可以进一步反馈。最后，我认为芯片将完全独立设计。这又是一个良性循环，用机器学习会更好。
Scott:当你完全独立设计时，这些技术会有所帮助。就像你的显微镜是一种工具，人类用它来解决重要的问题。在可持续发展问题上，这是当前社会面临的一个重大问题。我们需要工具来帮助提高我们的认知能力，以便尽快解决问题。
林炜:与微软的可持续发展目标一致，我想关注阿姆斯特丹实验室的可持续发展。为了在可持续性方面取得进展，有许多问题需要解决。例如，催化转化器被设计成将水分解成氢气或空气体。
结论:微软研究院已经走过了30个年头，科学前沿还在不断拓展。
未来计算机技术会有怎样的变化？无处不在的计算、AI大模型、VR设备将会出现在人们生活和工作的各个角落。机器学习的应用范围从困难的科学问题到复杂的生物和化学问题，帮助机器学习在解决行业问题的同时获得优势互补。
在微软研究院成立30周年之际，微软董事长兼首席执行官纳德拉再次重申了自己在科学前沿和社会责任方面的初心。展望未来，可以看出微软研究院对计算与连接、大型模型平台化、虚拟现实支持等技术路径的战略布局非常清晰。
