「这是一个划时代的技术，它改变的不仅是计算领域，还将涉及到我们生活的方方面面，席卷每个产业和所有业务流程。」微软首席执行官 Satya Nadella如是说。毫无疑问，没有公司不想走在这场革命的前列，微软在人工智能领域押上了自己的筹码，正从 AI 各个方面积极发力，与谷歌、Facebook 等巨头竞争。
最近，微软宣布建立一个专注于人工智能的全新研究实验室 Microsoft Research AI，Eric Horvitz 计划将不同的学科结合起来，以期创建更多通用的学习系统，他本人也拥有斯坦福大学计算机科学和医学背景。
该新实验室将以位于华盛顿州雷德蒙德的总部为基础，由来自感知、学习、 推理和自然语言处理等人工智能研究的多个子领域中的科学家组成。人数超过 100 人，约占微软研究院研究人员总数的十分之一。新的实验室系全球微软研究部门下属机构，微软雷德蒙研究院院长 Eric Horvitz 同时担任 MSR AI 的负责人。
「人们可以把解决复杂问题的思路用到 AI 领域的前进上，采用跨领域专家合作的形式。」沈向洋在微软 Build 2017 大会后接受媒体采访时说。
重组研究院，打造微软的「粘合剂」
「我们设计的每一种产品，以及每一位用户与环境互动的方式，都会以智能为主导。」Nadella 强调。微软会做出更多连续性、渐进式的改变。微软正在向人工智能投入大量预算。2015 年，这个数字是 120 亿美元，比谷歌多出三分之一。
然而，几年前，情况则全然不同。
拥有强大研究成果的微软之所以失去 了AI 市场的先机，部分原因在于「一个传统问题」——没能桥接好内部部门。
现任 Facebook 应用机器学习团队负责人的 Joaquin Quiñonero Candela 是前微软员工，他曾对媒体讲述过这样一段经历：
2007 年，Joaquin Quiñonero Candela 进入英国剑桥的微软研究实验室。不久，微软就推出了 Bing，但是需要改进搜索广告的关键组件——准确地预测用户何时会点击广告，因此公司举办了一次悬赏比赛。公司会测试团队提供的解决方案，看是否值得采用。最终，Candela 的团队取得了胜利。
他认为，较之免费夏威夷之旅，自己的成果可以通过测试并成功发布，才是大的奖赏。为了让公司给他一个机会，他开始了「疯狂远征」——50 多次内部会谈、建立模拟器显示自己的算法优势、甚至跟踪副总裁到洗手间在小便池旁推荐他的系统。
终于在 2009 年，Candela 的算法与 Bing 一同发布。2012 年初，Candela 拜访了在 Facebook 工作的朋友，当他发现这家公司员工不必申求成果测试权、随时可以测试时，他既惊讶又羡慕。三天后，他面试了 Facebook，周末就拿到了 offer。
Facebook 的速度快很多。 CTO Mike Schroepfer 说，「我可以向所有人工智能开发者承诺，只要加入 Facebook，我们保证会以最快的速度将大家的产品发送给 10 亿用户。」
2014 年，Facebook 研发团队开始动手开发会话 AI 助手 M。同年 10 月 Facebook 发表了一篇论文，谈到了研发项目进展。按公司计划，2015 年夏天时新技术将通过 Facebook Messenger 进行测试。公司应用机器学习团队的一位工程师曾告诉媒体，在她为 Facebook 工作的一年半时间里，人工智能从产品中的罕见部分，变成了深植于产品概念中的东西。
「我们（应用机器学习团队与 FAIR——作者注）一直在交流，」Candela 说，「从更大的层面来说，科学理论到实际的项目，你需要『胶水』，我们就是『胶水』。」
微软下决心也要将曾经「心无旁骛」的微软研究院，打造成「胶水」。
2016 年 9 月 29 日，微软将包括微软研究院 (Microsoft Research) 、微软信息平台部门 (Information Platform Group) 、必应 (Bing) 和小娜 (Cortana) 产品部门，以及环境计算 (Ambient Computing) 和机器人团队部门，组建为新的 AI 部门。新部门将拥有超过 5,000 名计算机科学家和工程师，并横跨微软三大产品线：Windows、Office 和云计划 Azure。
「整个 AI 部门最重要的事情，就是决定做什么，不做什么。」沈向洋对它的期望很高，「我们可以通过这种形式加速研究成果转化为产品的速度。」建立起更容易被整合进消费级产品的标准化 AI，将智能注入每一个产品和每一项商业决策中。
目前，微软研究部门三分之一正在进行的工作已经用于人工智能相关项目。就像 AI 部门和 Office 的同事正协同作战，探索如何利用 Maluuba 的先进机器阅读技术变革 Office 产品。
人工智能是目前科技巨头相互竞争的主战场，谷歌、Facebook、苹果等公司正在争相研发自己的新一代产品，微软正迎头赶上。
迈向通用人工智能的长征
1992 年，Eric Horvitz 离开学校，加入微软任微软雷德蒙研究院院长。因为比尔·盖茨要「创造能看、能听并且能理解人类的计算机」。
艾伦人工智能研究所成立之时，Horvitz 认为，重点是回归短期目标。他相信基于短期目标的方案，百利无一害。他曾提及几个有价值且能实现的应用实例，比如人工智能可以减少医疗错误，可以让科学刊物更易懂和提高车辆安全性。
深度学习技术让感知研究突飞猛进，但认知研究差强人意。Eric Horvitz 曾坦言，「很显然，微软在智能助手的研发上还有待提升。」感知（Perception）只是实现通用人工智能的一小部分，人类智能里面还有更多的元素，比如常识、推理、分析等，亦即认知。打造更加聪明的通用人工智能系统，需要其他学科的支持。
以 DeepMind 的经验为例。围棋系统结合了传统「树搜索」方法与现代近似于大脑神经元网络的「深度神经网络」；在 DeepQ 中，将深度神经网络与所有动物都具有的、大脑多巴胺驱动奖励机制的「强化学习」结合了起来；AlphaGo 中，他们增加了另一种更具深度的强化学习，处理长期计划。后来，他们又尝试整合例如记忆功能等等，直到理论上实现每一个智能的里程碑。
据悉，微软新 AI 实验室分为 13 个研究小组：自适应系统和互动组、空中信息和机器人组、会话系统组、深度学习组、信息和数据科学组、知识技术组、语言和信息技术组、机器学习和优化组、机器教学组、自然语言处理组、感知和互动组、生产力组、强化学习组。
「多年来，这个领域已经经受了大量的『离心力』作用。」Horvitz 说，计算机视觉专家很少与自然语言专家进行探讨，反之亦然。「新的微软实验室的目的就是把这些研究人员都聚集到一起，让他们之间产生沟通与交流，并且为共同的目标而努力。」
除了现有的研究人员外，Horvitz 透露微软计划雇佣计算机科学家和认知心理学等领域的专家参与到新的实验室当中。新的微软实验室也将会和麻省理工的脑科学，智力与机器实验中心进行合作。
「微软的很多 AI 项目都利用了微软联合创始人比尔·盖茨和保罗·艾伦的最初设想。」Horvitz 说。
其实，早在 2003 年，微软创始人之一保罗·艾伦就捐款 1 亿美元，成立了非盈利性的艾伦脑研究所，该研究所开创了运用公司模式进行基础研究的先河。研究所旨在处理那些全球团队无法克服的科学难题，也一直秉持三大理念：团队科学（Team Science）、大科学（Big Science）和开放科学（Open Science）。
「由科学家、工程师、数学家以及物理学家等不同专业背景组成的团队，能够解决目前我们遇到的问题，我们可以广泛地交流、分享彼此的想法。不同的专业背景有助于更好地解决问题。」艾伦脑研究所资深科学家曾红葵说。
成立伊始，艾伦脑研究所就在分子库项目中，与 NIH 竞争。后来公布的一系列大脑图谱变革了神经科学的研究方式。有文章曾分析指出，如需对技术进行攻关，小型的科研项目团队最能实现技术上的突破。另外，如果在经费申请以及体制应用方面宽松些，更能实现科技上的飞跃。崛起的科技公司近年来出色的表现，就是这方面的印证。
DeepMind 正在这一创新模式的实践者，该做法被哈萨比斯简称为「粘合思维（glue minds）」，即充分掌握各个科学领域知识的学者们能「以别出心裁的方式快速找出有前途的跨学科交叉点。」这些粘合者能以小组的形式每几周就碰一次面，快速、灵活的将各种资源和工程师匹配到需要的地方。
「因此，你将拥有一个令人难以置信的天才研究者，而且 3-4 名其他领域的研究者可以直接接过同一任务，基于自己的专业进行补充，这与学术界十分不同，」他曾向《卫报》记者描述道，「这样所带来的结果就是能很快地产生一些惊人的结果。」
退一步来看，即使没有实现通用人工智能，微软新 AI 实验室在期间开发出的机器学习软件仍然可能为微软带来巨大利益。
DeepMind 机器学习软件让谷歌数据中心能源消耗减少了约 2/5。更重要的是，哈萨比斯认为未来，DeepMind 将减少对数据的依赖。公司工程师们将可以构建模拟方式用以训练算法，让智能体在其中自我学习。不过目前, 大多数机器学习系统还没有发展到这个程度。
「DeepMind 需要的数据可以仍然归客户所有（这可以消除关于隐私权的争论），但在此之上训练出的算法属于 Alphabet。DeepMind 也许最终不会通过将人工智能程序用于复杂任务的处理来获取利润，但它生产的各种算法将为 Alphabet 在未来的商业竞争中带来巨大的优势，这种技术上的领先很快就会出现。」《经济学人》曾分析指出。
沈向洋预测，要完全开发出 AI 技术的潜能，可能还需要数年的时间。人工智能的浪潮在二十年之后才会结束，创造的新产品和新服务可能是我们迄今为止都无法想到的。考虑到微软的主要客户——企业级客户，也就是那些负责信息产业大部分支出的大型企业和政府采购部门，接纳 AI 是一个缓慢的过程。「企业需要时间了解这对它们意味着什么。」前微软程序经理 Rob Sanfilippo 说。
或许，微软仍有时间「投资数十亿美元，进行一些伟大计算机科学研究」。
创新，意味着尽量减少监管。「我们不想扼杀创新，但可能已经到了大家都希望创建一些这类组织的时候。」麻省理工学院的法律和伦理学专家 Kate Darling 说。在这场迈向人工智能的长征中，除了技术创新，包括微软在内的公司也需要面对另一个重大课题。正如最近一期《科学》AI 专刊上，Eric Horvitz 撰文写到的那样：
随着我们推动 AI 科学的发展，短期和长期上看，应对 AI 给人与社会带来的影响，至关重要。……AI 的影响范围广泛，需要跨学科团体参与，包括计算机科学家，社会科学家，心理学家，经济学家和律师。在长期问题上，需要沟通交流来缩小人们关于超级智能和恶意 AI 的意见分歧。
为了努力确保人们负责任地使用人工智能，微软成立了一个名为 Aether 的道德委员会，专司监督。该委员会由微软各部门的高管组成，将直接向 Satya Nadella 报告工作。微软还推出了一项新的「设计指南」，以帮助团队认识到如何负责任地开发和部署人工智能。包括谷歌在内的许多知名大公司已经设置了伦理委员会，用来监督他们人工智能技术的开发和部署。
目前，微软也在积极行动，试图AI 技术去解决一些环保问题。
公司首席环境科学家卢卡斯·乔普林 (Lucas Joppa) 领导的「地球人工智能」(AI for Earth) 项目，向科学家提供 200 万美元的云计算学分以及机器学习技术，用来研究农业、水、生物多样性和气候变化相关的可持续发展问题。
初始阶段，已有三个项目得到「AI for Earth」的支持：利用计算机视觉分析切萨皮克湾分水岭卫星图像，以研究开发是如何影响湿地的；一项名为「项目预感」的研究，该研究通过在无人机部署计算机视觉技术以识别蚊子热点，利用机器人陷阱捕捉蚊子，进而分析蚊子携带病原体、追踪传染病传播；为农民提供数据的「农场节拍」试点项目。
热门专题
