生成式AI领域的最新成果都在这里!抢 QCon 展区门票 了解详情
写点什么

对话微软 CEO 纳德拉:大规模 AI 模型、人机界面或将迎来大突破

  • 2021-10-25
  • 本文字数:5614 字

    阅读完需:约 18 分钟

对话微软CEO纳德拉:大规模AI模型、人机界面或将迎来大突破

来源 | 微软研究院

整理 | 刘燕


2021 年,是微软研究院成立三十周年。1991 年,微软研究院正式成立,三十年的探索里,微软研究院见证了全球计算机科研领域的发展与变革。


在接下来的 10 年、30 年中,科研世界将会呈现何种面貌?下一个技术创新的突破点在哪里?微软又将怎样持续发挥作用?


10 月 20 日,由微软全球八大研究院联合举办的首届微软研究峰会(线上)上,微软公司董事长兼首席执行官萨提亚·纳德拉(Satya Nadella)和微软公司首席技术官凯文·斯科特 (Kevin Scott)展开了一场精彩的对话,探讨了未来十年及以后的计算机科学研究发展趋势,以及如何利用变革性的技术突破来解决世界性难题。



以下为 Satya Nadella 与 Kevin Scott 的对话实录:

微软研究院 30 周年


Kevin Scott:我很高兴邀请到微软公司董事长兼首席执行官萨提亚·纳德拉(Satya Nadella)。萨提亚,非常感谢你和我们一起庆祝微软研究院成立 30 周年!


Satya Nadella: 很高兴见到你,凯文!祝贺微软研究院、研究院的所有同事,坦白说应该是所有被微软研究院影响过的人们。这是一个了不起的 30 年,所以很高兴能够和你们一起庆祝。


Kevin Scott:首先我想先问一下,你如何看待在过去 30 年里研究工作对微软的影响,以及对世界的影响?


Satya Nadella: 对于微软的任何一个部门,尤其是对于微软研究院,我一直都在思考一个问题——“微软”在“微软研究院”中代表什么?



我们公司的核心使命让我们变得独一无二,同时也是微软研究院通过日复一日的工作始终在强化的事情,那就是微软创造出的新技术,可以赋能其他人和组织创造出更多的技术。这也是为什么当微软说希望予力全球每一个人、每一个组织,成就不凡时,指的是让他们通过自身的能力在日趋数字化的世界中创造出属于自己的未来。这一点自 1975 年微软成立至今一直如此,自 30 年前微软研究院成立至今也从未改变。


但是在这个背景下,微软研究院从多个维度来看都成为了微软的破局者。 例如,第一个维度就是我们不再孤独,微软成为了整个科研生态体系的一部分,微软研究院在与一些顶级的学术机构建立长期合作伙伴关系,共同开展研究,提升学术能力以及赞助研究项目等方面,都扮演着至关重要的作用。


此外,我们越来越常见的一点是,微软研究院不仅为微软的产品做贡献,而且还为我们客户的产品做贡献。微软的研究员与其他产业界研究机构开展合作,这将推动不同行业的未来发展,包括医疗健康、金融服务等领域。这是第二个维度。


当然,在公司内部,微软研究院的影响也非常之大,尤其是在人才方面。当我环顾微软时,有些曾经在研究院工作的人如今担任部门领导工作,或者从事核心工程研发和创新工作,也有人是从我们的产品部门回归到研究领域的。


事实上,人们可以在好奇心驱动的研究和应用落地驱动的研究之间转换,甚至在两类研究之间产生了交叉融合的效果,这在文化层面对微软的影响非常大。我认为,如果没有微软研究院,那么微软的雄心和成就不会达到今天的高度。

下一个十年


Kevin Scott:你的回答为我的下一个问题提供了完美的铺垫,这也是我们站在 30 周年的里程碑前要思考的问题:你认为,下一个十年会是怎样的?我们将在微软研究院成立四十周年的时候庆祝什么?它将做出哪些贡献?你对微软研究院及其研究有哪些期望?特别是当我们在思考社会以及微软所面临的巨大挑战时。


Satya Nadella:首先,当我在思考微软需要怎样做才能应对世界的挑战时,我认为从某种意义上讲,我们必须要立足于公司存在的目的。毕竟我们是一家企业,是一家公司。所以我想起几年前看到过的一个定义,是牛津大学的经济学家柯林·梅耶(Colin Mayer)教授在他写的《Prosperity(繁荣)》一书中提出的。这本书给我留下了深刻的印象。


作者在书中谈到,一家公司存在的社会目的是为人类乃至地球所面临的挑战创造有益的解决方案,其中的关键词之一是“有益”,另一个关键词是“人类和地球所面临的挑战”。这就是一个企业最终必须要做的事情。


回到微软本身,从根本上说,我相信如果所有这些数字技术能推动各个国家和各个经济部门的经济增长,那将是我们公司能够做出的最杰出的贡献。但我们也必须认识到,如果任何特定的社区、国家或社会的经济增长不能公平分配,那么就会产生问题。所以这就是我为什么更关心跨行业增长。增长不能只是集中在美国的西海岸或中国的东海岸,它必须无处不在。


第二件我们都非常关心的事是,技术如何帮助这些促使经济增长的机构变得更强,无论是我们的民主制度还是整个社会都朝着更具包容性的方向发展。我们如何加强这一点?技术如何提供帮助?我们的地球是我们所拥有的有限资源。我们所实现的增长如何与有限的资源相匹配?


还有信任问题,因为如今技术在我们的生活中几乎无处不在,我们需要信任这些技术。这些都成为了我们正在从事的工作的一部分。在这个背景下,即使本周微软研究院也进行着这类的工作。例如针对人口贩卖相关的数据集进行更多的研究和更深入的了解;在安全和密码学方面的突破影响了我们的 ElectionGuard 技术;在可持续发展方面,研究院正在与芝加哥市合作开展相关工作……对我来说,这些都是非常棒的项目。


当然,我们需要提出下一代分布式计算范式,或人工智能范式,或重大的用户界面更新,但是也要将前面所提及的事情放到相同的优先级上,因为我认为这是我们实现使命的方式。


Kevin Scott:太棒了,这非常令人鼓舞。

全球计算机产业三十年:那些激动人心的重大突破


Satya Nadella:凯文,每年我都很期待的一件事就是读你写的备忘录,帮助我们了解你的观察,不仅是技术本身,还有技术所产生的影响。所以,我想知道,当放眼未来时你的想法是什么?如果你说我们正在反思过去的 30 年,那么当你审视计算机领域时,哪些重大突破最令你激动?


Kevin Scott: 这真的是一个激动人心的时代。当我审视技术趋势时,当我和你、微软的高层领导团队以及其他人坐在一起讨论微软研究院和产品团队都在做什么,我们的合作伙伴在借助技术做什么时,我发现自己经常幻想,天哪,真希望自己能再次成为一名博士研究生,因为这个课题能写出一篇很好的博士论文。


我认为,这是号召微软研究院思考我们所承担的风险以及我们为自己设定的抱负。我认为其中一件大事是人工智能,但不要把它当作人类的替代品,而是要把它看作一种分析工具,像微积分,或认知领域的蒸汽机,或想象我们如何用它来塑造我们解决科学难题的方式,以及如何为这个世界创造更高的生产力。


对于 AI 可以产生的影响,我们谈论的还不够,这也是你和我会一直关注的重点。我们在分子动力学模拟方面取得了非常令人兴奋的进步,这将在许多不同领域产生非常大的杠杆效应,如可持续发展、药物发现,都是令人兴奋的成就。甚至在应对新冠疫情和流行病的过程中,我们让人工智能在多个方面产生了积极的作用。


你刚才提到的几个项目,也在 Peter Lee 帮助我们创建的社会复原力计划中。这些都是非常令人兴奋的。


我们看到 AI 模型本身作为平台正发挥着作用,它们的规模不断扩大,就像我们能够释放大量的“计算原子”一样。对我来说,令人兴奋的并不是 AI 模型会带来稀缺性,而是会创造更丰富的机会和可能性。


我想很多人都在担心,天哪,我买不起价值 10 亿美元的超级计算机来训练这些模型。但是,微软有能力投资 10 亿美元搭建用于训练这些模型的超级计算机,而这些模型可以作为平台(对外提供),这确实非常令人兴奋。我们实现了这个梦想,为其他人构建平台以及构建技术解决方案。这些模型可以成为人们继续创造的基础。这真的是令人难以置信,令人兴奋。


我认为,我们必须考虑如何管理我们正在研发的所有技术的影响力,确保这些技术是负责任和合乎道德规范的,并且确保我们的技术能够为地球上的每一个人带来包容且公平的效益。 我们这里有地球上最聪明的一群人,他们在思考我们如何才能做到这一点。我认为真正的悲剧是,我们因为没有做好安全性和责任方面的工作,而过度限制了我们应用这些技术去解决真正有意义的重大问题的能力。

纳德拉:展望未来,我对这三件事感到兴奋


Kevin Scott:说到这里,我有另一个问题问你。当你展望未来时,令你最兴奋、最抱有希望、最乐观的是什么?为什么?


Satya Nadella: 听了你所说的之后,我一直在思考,作为一家科技公司,如何实现 10 倍或 100 倍数量级的提升,让技术的获取和使用进一步普及化,进而推动经济增长,实现跨行业乃至跨国家的繁荣发展。在这个前提下,我对你刚才谈到的三件事都感到兴奋。


第一,作为一家系统公司,我们如何从基础研究开始推进? 人们经常谈论的一件事是摩尔定律可能即将失效,但我们知道随着摩尔定律的结束,新的系统架构将会让我们以更丰富的方式思考计算。**比如,一些 AI 工作正在推动对于云和边缘的根本性反思。所以,我们如何真正保持自己处于系统研究的最前沿,并为这个世界创造无处不在的分布式计算结构,它的成本降低 10 倍,可访问性能提升 10 倍甚至 100 倍。这是令我非常兴奋的一件事。


第二件事情,你也谈到了,就是大规模的模型发生了哪些变化,它们正成为一个个平台。 我认为,在未来,无论是 10 年还是 20 年,我们有希望将大规模模型的数学原理与符号逻辑推理相结合并取得突破。


这样的世界会如何呢?事实上,这就是我希望研究能实现的目的之一,让我们能继续以平台的形式构建系统和模型。但是,下一代的模型架构又会是什么样?或者说,深度学习在过去 20 年或 10 年取得了巨大进展,那么下一个大事件会是什么?我认为我们正处在突破的边缘,这会是一个值得我们继续推进的绝佳领域。


最后一件事是人机界面。 我们在 2D 视频会议领域做了很多工作,我们也一直非常看好混合现实,我对元宇宙的意义非常感兴趣。因为对我来说,人的存在是最终极的事。如果开会的时候,你我即使不在现场,也可以看起来像真的都在现场一样,那将是一个重大的突破。


我对这三个领域感到兴奋。微软研究院在各地的伙伴们正在这三个领域开展基础性工作。同样令人兴奋的还有将技术转化为产品。所以在这个背景下,我一直非常感兴趣的一点是,微软研究院除了进行一些让微软受益的研究以外,其所建立的合作伙伴关系和所采取的科研方法,也很有启发性。

计算机科学研究的未来


Satya Nadella:我想知道,当你思考微软研究院发展进程相关的一些维度时,你怎么看,凯文?比如,你认为在未来 10 年内微软研究院所采取的基本方法会发生什么变化?


Kevin Scott: 我从十几岁起就很喜欢做研究工作,并向往研究机构的氛围,我从阅读科研人员的成果中收获颇多,从中也受到了很大启发。所以,我认为继续保持持久的好奇心,开放和协作非常重要。


最近我与 Peter Lee 一起录制了一个播客,其中我们讨论了关于信任的理念。我们所生活的世界,其未来将严重依赖于我们正在研究和构建的技术。但是人们必须首先信任这些研究和技术,这样整个社会才能以它需要的方式来使用这些技术。因此,我认为我们需要考虑自己应该扮演什么样的角色,才能帮助人们信任这些技术,甚至理解它们。


另外我觉得,并非所有人都是像我们这样每分每秒都在思考技术问题的资深专家,那么我们如何帮助普通人理解技术,弥合差距,并且理解这些技术性很强的事物将如何影响他们的生活,在这个方面我们的工作做得还远远不够。


我认为另一件事情也是如此,我和 Peter 经常谈论我们要如何鼓励微软研究院的人去承担他们所应该承担的风险。所以,成立研究机构的目的,不仅仅是产出论文和参加学术会议,而是在面对短期内无法有产出或者有较高不确定性的研究,甚至不确定是否真的有可能解决的问题时,你仍然有雄心壮志去继续探索,因为当你真的有了新的发现,你也会获得非常高的回报。


在我的整个职业生涯中,我都对此深信不疑,但这也是我没有成为学者的原因。从 16 岁到 30 岁,我一直认为自己的理想是成为一名大学教授。30 岁时我离开了学术界,是因为我觉得自己无法承担伴随重大影响力而来的潜在风险。所以,我想确保我们所有的研究员都能意识到,我们不仅赋能他们做科研,而且还鼓励他们去承担更大的风险。因为如果他们不这样做,那么谁才能真正这样做呢?


你此前也提到过两个关键的问题,其一是影响力。我们面临很多的问题,比如下一次大流行病何时到来?我们如何应对全球变暖和脱碳?我们如何应对虚假信息的泛滥?我们如何使用技术来巩固让我们实现今日成就的制度?我们将在其中发挥重要作用。


我认为,为了履行这一责任,我们需要考虑与合作伙伴的关系。虽然在有些问题面前,我们作为世界级的专家,具备专业知识和一定的资本能够去解决,但是越来越多的跨学科问题正在涌现,这就要求我们必须与那些具有我们所不具备的专业知识和目标的人开展合作。


如果你观察一下 OpenAI 或布罗德研究所( Broad Institute),或者是与我们有科研合作的伙伴,会发现他们正在产出丰硕的成果。我认为,我们有很大的潜力可以与合作伙伴一起完成更多看似不可能完成的任务。


非常荣幸能够聆听你对微软、微软研究院,以及我们在世界上所扮演角色的看法。感谢你今天抽出宝贵的时间。很高兴我们能够为微软研究院的下一个十年而一起努力。非常感谢。


Satya Nadella: 也非常感谢你,凯文!你最后的回答很鼓舞人心。我们有能力与我们的合作伙伴一起,在创新、技术和科学研究方面,创造更多的信任,再加上我们能够不断提高的投入和风险承受能力,我们可以与学术合作伙伴以及其他研究机构携手,共同推动创新。最后,正如你所说的那样,我们也要能领先一步预见到技术的未知影响,这对于微软研究院来说绝对是接下来 30 年的正确愿景。


对于微软研究院和整个研究界的朋友,我想引用威廉·吉布森(William Gibson)的一句话,“未来早已到来,只是分布不均。”这正是研究的价值所在。


但是一个有趣的方向值得研究员思考的是,随着未来逐渐变得清晰,研究又会产生什么影响? 因为所有事物的产生都是有路径可循的,所以我们作为科研人员,作为技术型企业可以把资源放在一条回报日益增加,并且与我们的社会发展保持正向一致的路径上。我认为这是让我们所有人都保持前进、激情和活力的原因。最后,感谢微软研究院的每一个成员,也再次祝贺研究院 30 年的辉煌,期待下一个 30 年。


公众号推荐:

2024 年 1 月,InfoQ 研究中心重磅发布《大语言模型综合能力测评报告 2024》,揭示了 10 个大模型在语义理解、文学创作、知识问答等领域的卓越表现。ChatGPT-4、文心一言等领先模型在编程、逻辑推理等方面展现出惊人的进步,预示着大模型将在 2024 年迎来更广泛的应用和创新。关注公众号「AI 前线」,回复「大模型报告」免费获取电子版研究报告。

AI 前线公众号
2021-10-25 16:462441
用户头像
刘燕 InfoQ高级技术编辑

发布了 1112 篇内容, 共 492.1 次阅读, 收获喜欢 1966 次。

关注

评论 1 条评论

发布
用户头像
22
2021-10-26 14:09
回复
没有更多了
发现更多内容

Centos7 安装MySql 5.7多实例

taony

MySQL

巨杉数据库加入龙蜥社区,共同推动软硬件行业生态发展

OpenAnolis小助手

龙蜥社区

学生系统架构详细设计

Only

架构实战营 「架构实战营」

元宇宙100讲-0x010

hackstoic

元宇宙

eoiioeWeb安全渗透测试之信息搜集篇

喀拉峻

网络安全 安全 WEB安全

C++11 extern template

SkyFire

C++11 template

使用 Prometheus 监控的一些注意事项

耳东@Erdong

监控 Prometheus

linux信号操作

SkyFire

Linux 信号

架构训练营模块三作业

沈益飞

架构训练营 架构师训练营 4 期

Go 语言快速入门指南:第八篇 接口

宇宙之一粟

golang 接口 12月日更 Go入门

Serverless Kubernetes 落地实践

阿里巴巴云原生

阿里云 Serverless Kubernetes 云原生

Dubbo 框架学习笔记十六

风翱

dubbo 12月日更

linux文本处理四件套的简单用法

SkyFire

Linux sed grep awk find

沐曦加入龙蜥社区,聚焦技术创新,繁荣开源生态

OpenAnolis小助手

龙蜥社区

架构实战营 4 期第三模块作业

jialuooooo

架构实战营

gtest入门

SkyFire

c++ GTest

NFS(网络文件系统)配置(Ubunut/Deepin等系统)

SkyFire

Linux NFS

【CSS 学习总结】第九篇 - CSS 布局-居中布局-水平垂直居中布局

Brave

CSS 12月日更

学生管理系统架构设计

Evan

linux库打桩

SkyFire

Linux hook

合并两个有序链表

田镇珲

算法 链表

使用gprof进行简单程序的性能分析

SkyFire

Linux 性能分析 gprof

有哪些比较好用的在线项目管理软件值得推荐?

优秀

项目管理工具

Modern-Cpp学习笔记

SkyFire

c++

mysqlx学习

SkyFire

mysqlx

git普通库与裸库

SkyFire

git

Golang的通道复用上手(三)

liuzhen007

go语言 28天写作 12月日更

模块三

Geek_59dec2

objdump简单使用

SkyFire

Linux objdump

尝试下使用 cpp 实现 Rust 的 enum

SkyFire

c++ rust Enum

搭建PXE服务器(Ubuntu/Deepin)

SkyFire

Linux ubuntu deepin tftp pxe

对话微软CEO纳德拉:大规模AI模型、人机界面或将迎来大突破_AI&大模型_微软研究院_InfoQ精选文章