微软人工智能计划：华人顶起半边天

　　每年，微软研发集团会挑选一些项目向公司业务部门展示，但只有七个项目进入到最后的颠覆性科技评估环节。这些入选的项目大都在相关性领域有颠覆性的研究发现。每年10月，在雷德蒙会议室里，各个项目负责人都会与微软高层们进行4个小时的头脑风暴，沈向洋会在一旁收集反馈，并决定下一步动作，比如，是否立刻将其落实为产品。

　　一些项目已经处于前期研究的阶段，其中包括位于美国加州的圣塔芭芭拉市(SantaBarbara)的量子计算实验室;英国剑桥研究院在做生物计算(Biological Computing)的长期研究;最近，微软还试图在DNA上存储海量信息，并为此新建了一个Wet Lab……

　　说起这些项目，沈向洋如数家珍。过去两年，他平均每周深度考察两个来自全球研究院的项目。沈向洋分享了以上那些鲜为人知的微软黑科技。他试图向外界展示的不外乎一点：现在的微软跟盖茨时代没有两样，仍然是一家注重技术研发的公司，哪怕这些研发都相当基础，短期内不可能实现。

　　从基础研发到最终产品，其中过程并不容易。微软不止一次在一些项目上栽跟头，包括Tay。今年3月Tay在美国正式上线，但几个小时后，就有别有用心的人教会它发表种族歧视的言论。不久Tay便被要求紧急下线。这几乎可以看作小冰“西游”的一次失败。

　　不过，在与中国文化相近的日本，小冰的姐妹版Rinna却受到追捧。在沈向洋看来，这回到了最根本的问题：计算机的算法让它已经能识别数千种汽车，而人类可能只能认出三种。但在认知、同理心和情感层面，机器还无法接近人类。

　　需求与未来

人工智能之于今天的微软，就像当年的搜索服务。人工智能是让计算机学习如何像人一样听、说、读、想，该领域与移动互联网时代紧密相连。大多数科技公司都已经看到其广阔前景，巨头之间，人工智能的竞赛也已展开。

　　Facebook在硅谷、纽约和巴黎建立了三个人工智能实验室。Google常年在全球搜罗人工智能方面的科学家。百度挖走了谷歌的科学家吴恩达，还在硅谷建立了研究院……“但是各家不一样，主要还是看各自的业务模式，也就是你到底用这样的技术去做什么。”沈向洋说道，他与百度董事长李彦宏相熟，去年他们还讨论过尼克.波斯特洛姆的《超级智能》里的场景。

　　百度与谷歌类似，在人脸识别、自然语言处理上下功夫，以支撑搜索技术发展的需要。Facebook则希望通过人工智能挖掘社交技术的可能。而微软花了大量精力在机器学习、计算机视觉识别等人工智能的基础研究上，“所有的人工智能研究都围绕微软未来的智能云平台展开。”沈向洋说道。这是继搜索后的又一次赛跑，好在这次，微软至少没有输在起跑线上，北京的研发团队过去十几年的技术积累，正在派上用场。

　　机器学习是让机器具有智能的核心。过去十多年，聂再清位于北京中关村的团队都在主攻大数据挖掘和机器学习。他的第一个项目叫学术搜索。那时，他刚从美国大学博士毕业，正愁没有研究课题。却发现自己平时苦于做论文需要寻找文献，于是搭建了一个可以搜索文献、会议、作者、机构及其关系的对象级别搜索引擎。

　　后来该团队把搜索对象扩展到了互联网上有公开信息的任何一个人，就有了叫“人立方”的产品——这是一种关系搜索，它从超过十亿的中文网页中自动抽取出人名、地名、机构名以及中文短语，并且通过算法自动计算出它们之间存在关系的可能性。

　　“机器人智能”项目，实际上基于人立方的技术。这种技术最先被用到了企业内部，一款名为企业深度智能(Enterprise Deep Intelligence，简称EDI)的应用已经预计会很快进行产品化。它已在微软亚洲研究院内部广泛试用，人们都在用这个应用查询信息、组织会议、自动预订会议室。

　　另外，EDI还可以像一个私人秘书一样，通过Skypefor Business与用户聊天，只要告诉“他”你的需求，“他”就帮你处理日常事务。“可以把预订会议的邮件抄送给‘他’，或者输入：‘EDI，请帮我跟这些人约一个会议’，‘他’根据你的要求和喜好，会自动去找会议室和大家都有空的时间段。”聂再清说，“把API应用到达美乐场景，就得到了订购Pizza的机器人。”

　　在沈向洋看来，这是微软的下一步：“我们认为未来智能助理(Intelligent Agent)，可能会是一个新入口，无论是Android还是WindowsPhone都行得通，微软就可以和所有的公司合作。”看上去此类需求无处不在。“很多想法从平时的阅读和学术文章中来，但有些时候，是自己真的发现了需求。”微软亚洲研究院主管研究员闫峻说。近几年，他一直在负责一支5个研究员组成的知识挖掘团队。

　　去年，闫峻在北京一家医院接受了一个外科手术。他了解到，一个普通外科医生一天可能进行10例手术，医生资源不够用，无法解答每个康复期病人的困惑。这激发他进行一项基于知识挖掘的医疗项目，以解决医院生产力的问题。他选择在北京和沈阳的医院进行试点，并同时与产品部门保持密切联系，让后者及时得到用户需求的趋势。

　　理想的模型是，医院里有一个机器人，或者是存在于病患手机中的一个App中，病患的所有问题都能通过这个机器人得到回复。去年年底开始，闫峻通过让机器模拟人类学习的四个阶段来获取这些专业知识。闫峻介绍称，即使在最简单的第一阶段，也需要运用到知识挖掘的技术——在这个阶段，机器可以从一些网页上抓取疾病可能存在的症状，然后捕捉那些在论坛上活跃医生的问答。

　　据闫峻团队统计，一个外科医生一年之内，能在不同论坛里回答几十到几千个问题。而网络针对同一疾病可能有几万个不同问题，最后通过机器的知识挖掘，可以总结出用户实际上在问的最本质的问题，针对一个疾病这样的问题可能只有80多个。

　　闫峻

　　除了机器学习和知识挖掘之外，沈向洋鼓励亚洲研究院的中国研究员们在深度神经网络研究领域投入力量。这个领域的研究属于人工智能深度学习。“这个领域的意义在于，几年内，计算机在感知上的能力就会超越人类。再过5到10年，图像识别上计算机就可以比人类更厉害。到时候，当识别这是个什么瓶子、是哪个牌子的瓶子时，人工智能就能比人更清楚。”沈向洋说。

　　人工智能要达到这样的能力，还有很远的路要走。沈向洋明白，如果“人工智能”之父阿兰.图灵活到今天，可能会对人工智能过去60年的发展感到失望——即便是最近获得极大关注的Alpha Go，它可以在围棋上取胜，却玩不了高级扑克，因为它还看不懂人类的虚张声势。不过，对沈向洋的团队而言，这倒也是机会，毕竟，至少现在他们的人工智能技术可以用来叫Pizza外卖了。