发布在即!企业 AIGC 应用程度测评,3 步定制专属评估报告。抢首批测评权益>>> 了解详情
写点什么

哈工大人工智能研究院院长刘劼:打造从科研到产业的创新生态

  • 2019-05-25
  • 本文字数:5702 字

    阅读完需:约 19 分钟

哈工大人工智能研究院院长刘劼:打造从科研到产业的创新生态

本文为 Robin.ly 授权转载,文章版权归原作者所有,转载请联系原作者。


本期 Robin.ly 人工智能专访特邀哈尔滨工业大学人工智能研究院院长、IEEE Fellow 刘劼教授,在硅谷分享他的对于人工智能、智能物联网、以及 AI 技术产业落地模式的思考。


刘劼教授此前曾担任微软研究院的首席研究员、公司合伙人和研发总监,在研究之外成功孵化了商业智能产品,并领导了环境智能研发团队。他在物联网、移动和边缘计算以及智能物理信息系统方面发表过超过 120 篇的论文,拥有超过 100 项的专利。他于 1993 年和 1996 年在清华大学自动化系取得学士和硕士学位,2001 年在加州大学伯克利分校得获得工程和计算机科学博士学位。



刘劼教授在硅谷接受 Robin.ly 创始人 Alex Ren 专访

1. 微软的发展和成功之道

Alex: 您是 2004 年加入微软研究院,直到今年离开,大概有 15 年的时间,您一定经历了微软的很多变革。在这个过程中您最大的收获是什么?


刘劼:


我觉得这是一个成长的过程。回想 2004 的时候,我还是一个初级研究员,只顾着自扫门前雪;后来慢慢的开始带团队,定义产品,把产品推向市场。大概就是这么一个职业发展过程。但同时我也经历了微软从一个以 Windows Office PC 为核心的公司转型成以服务和云平台为主的过程。所以不论是从个人的职业成长,还是整个转型过程中,我都学到了很多东西。


Alex: 您提到了模式转换,微软从以操作系统为中心到了专注于 Cloud AI 的平台公司。正好昨天微软的市值也超过了 1 万亿美元。从技术上来说,作为微软的 Partner Research Manager,您觉得您的工作在这个过程中起了什么重要作用?


刘劼:


我觉得从微软研究院的角度来说,比尔·盖茨带领的团队建立这个研究院实际上是很有前瞻性的,很早就为一些很基础的研究打下了很深厚的底子。等公司转型之后需要用到这些能力的时候,就可以通过一个丰富的 talent pool 借鉴原来的这些经验。


从我自己的经历来说,在物联网相关的数据处理方面经验比较丰富。大概是 2004-2005 年的时候——当时还不叫物联网,叫传感器网络——从那个时候我们就积累了很多的经验。在微软研究院里面,我们是一个相对比较小的团队,做的东西当时应该说跟微软的核心产品并没有直接的关系。但是从整个技术发展的角度来说,研究院对这方面还是很重视的。现在看起来,这项投资是相当明智的。现在 IoT 变成了公司一项重要的发展策略,直接推动了云技术的发展。所以从这个角度来说,我觉得在工业界设立这样一个研究院还是很有远见的。


Alex: 咱们刚才提到了微软这十几年的变化,让一个公司变成一个人类历史上市值最高的一家公司。其中有没有在管理或者文化上的一些变化,让您印象比较深刻?


刘劼教授接受 Robin.ly 专访谈微软管理生态变化


刘劼:


我觉得这种模式创新是很重要的一部分。就是从一个天下第一,唯我独尊,让大家都用我的产品,遵从我设计的架构,包括 API 或者 platform,转变成本着为大家服务,为大家负能的一个思路。我觉得这个转型是非常明显的,特别是 2012,2013 年以后的这些转型,给我留下了很深的印象。


Alex: 就是说微软比以前更开放了,对吧?以前有自己的生态,而现在又打造了一个新的生态。


刘劼:


对。以前是把大家强行限制在了在自己的生态系统中,因为这是业界主流,也鲜有对手。后来跟大家合作打造了一个新的生态体系,开始积极的为开源社区提供帮助,也把自己一些核心的成果开源,让大众能够从中受益。这是一个很典型的例子。整个公司的文化和运作方式都开始变得更加开放,支持把 computing 打造成一个全球化的开源领域,而不再是一家独大。


Alex: 您所在的机构,也就是微软研究院有什么独特之处?如何区别于比如说 Google 和 Facebook 在内部建立的研究机构?


刘劼:


曾经在很长一段时间里,微软研究院都是被誉为工业界里最学术化的一个地方。基本上研究的课题和方向都是非常自由的,也就是说,你在这个环境里面可以找到自己觉得最值得解决的问题,然后利用各种资源找到解决方案。这一点跟大学很像。慢慢的获得了更多经验之后,或者是公司慢慢的转型之后,更多的导向性的研究工作就是用产品,用问题来导向。比如说这个产品组里面有一个很急需解决的问题,有相关专长研究人员就会着手帮助解决;或者是有新的研究成果,可以转化到产品里边。


我觉得更有挑战性的一个模式就是孵化一个新产品,就是我们后来成立的 MSR NExT 机构,主要是做产品孵化。孵化新产品不光是包括在现有的产品体系里面找有趣的问题去解决,更多的是关于怎么去定义一个新的产品,既要在技术上有突破,又不偏离公司的大方向,还要有新意。所以在这方面我觉得自己学习到了很多东西,比如怎么去摸索开发一个新产品,先从技术出发,一直到能够了解客户需求,然后去着手解决。我觉得这是纯研究人员很少面临的一个问题。

2. 微软工作经历

Alex: 您当时的工作主要集中在哪几个方面?


刘劼:


在微软的 15 年,大概系统性的做了三个方面的工作。


一个是数据中心的传感,控制,优化,设计等等,这当时对微软来说也是一个新鲜事物。我们从 2005 年开始建 Mega Data Center,一直跟那个团队合作了很久。


第二个是 mobility,也就是室内室外的定位技术,还有手机位置的服务,包括围绕人的各种传感。


第三个就是个性化,也是从手机做起来的。比如手机的一些信号,特别是围绕物理信号的一些个性化的服务。这个实际上最后就演化出了后来智能零售的孵化和环境智能的孵化——从一个端的传感器开始,慢慢的能够理解人的各种行为,到后来的环境智能化,对人跟物,跟空间的交流的理解。这些实际上都是一脉相承的。



图片来源:Wikipedia


Alex: 所以用现在的话说,涉及到的就是 AIoT:从 AI 到物联网(IoT)的应用,整个架构的搭建,从 cloud 到 edge,到 sensor 这一整套的技术。您的研究是覆盖整个领域的对吗?


刘劼:


是的,这就是我刚才讲了为什么具有前瞻性。举个例子来说,2006 年,2007 年的时候我们开始跟数据中心合作。当时能耗的 40%是在制冷,空调这一套系统里面。但是这个温度到底怎么分布的,对操作人员来说是一个未知数。所以我们当时在深圳做了 1 万个传感器,铺到微软的数据中心里面,在 2007 年应该是全球最大的传感器网络。


这个经历也蛮有意思的。当时的体系结构就已经跟现在的相差无几了,当时还不叫云,也不叫物联网。每个数据中心都叫 colo,就是 Co-location,大概几万平方尺的样子,里面有上千个传感器。然后通过一个 edge 的 server,在当时就是一个 PC 的 server 连接起来。那么数据有的时候会漏包或者丢失,edge server 就负责管理这些数据和通讯,以及 firmware update。我们在 Edge 上面有一个数据的 staging,之后连接到云端,是一个集中的,管理所有数据中心,包括可视化和数据分析的数据库。现在回过头来看,这套体系结构跟现在的云端体系结构是一样的。


Alex: 这就是您现在想要建立跟哈工大的人工智能研究院类似的一个机构,实现研究到技术再到产品的转型,对吧?


刘劼:


对。我也是加入哈工大之后发现有这么一个机会能够打造一个从学术研究到产品孵化,甚至到最后金融运作等等的整个生态圈,这是非常难得的。所以我选择走出这一步,在出国 22 年之后回国开始建立这个研究院。

3. 哈工大 AI 研究院的特色

Alex: 大家都知道,哈尔滨工业大学是中国顶尖的人工智能研究大学和研究机构,从之前的自动控制机器人,到最近几年的自然语言处理方面都处于领先的水平。他们有王海峰,周明这样世界级的自然语言处理的专家,也是在刘劼博士带领的人工智能研究院整个的体系里。现在刘劼博士的加盟为哈尔滨工业大学在 IoT 以及整个 AI 落地方面打下了更好的基础。这个研究院有什么特色?


刘劼:


我觉得还是比较独特的,包括三个方面,一个是跨校区,一个是跨学科,一个是跨模式。跨校区是因为哈工大有本部在哈尔滨的校区,在深圳有个校区,在威海还有个校区。


跨学科是因为人工智能本身是一个交叉学科,跟各个行业和领域都能很好的融合。它面临的也不是单纯的计算机,无人系统控制,或者机器人的问题。所以这个研究院跟学校的在人员方面是有重叠的,比如说有计算机学院的教授在这边兼职。研究院本身是以全职的研究人员为主,其中如果有人有博导资质的话,也可以到各个学院里边去做兼职的博导,在学校里面可以带学生,建设自己的梯队。这就打造了一个氛围,让不同方面的专家协同合作


跨模式就是从学校里边相对纯的学术研究模式过渡到产业落地,应用导向和目的导向的模式,到最后可能是资本的模式。最终的目的是要解决问题,是要产生影响。从学校里边可以实现学术上的一个提升,在社会上能够实现产业落地,为社会带来经济和生态的价值。另外,对于不是研究院自己研发的结果,那么我希望可以打造一个生态圈,用利益绑定的方式激励大家合作。这算是我心中的一个愿景吧,希望有朝一日能够实现。



图片来源:Pixabay


Alex: 在产业孵化这个过程中,你们有一些什么新的模式?因为学校其实相对来讲是离产业有点远,你们今后是希望起到桥梁的作用,还是采用一些新的模式?


刘劼:


我现在的设想是这样,研究院是一个学校的机构,产业公司是由一个独立法人运营的机构。因为你要让研究成果产生真正的社会经济价值,在学校的体制或者机制之内很难完成。比如说工程师的体系,产品经理的体系,市场推广和售后服务的体系,在学校里边很难做到完善,就必须要在市场里边建立。那我就希望这两个之间是强铆定,就是说有一个分界,主要是知识产权的分界。比如学校的研究成果可以以知识产权的形式为公司所用;或者公司面临的技术问题和市场问题可以反过来由学校的研究人员来解决,并以公司的股权和期权等等作为报酬。


这种薪酬模式也是从微软带来一个经验。其中包含三个部分,一个是基本工资,比如说研究人员的基本工资是学校的基本工资,这个本身就蛮高的,因为研究人员的工资要比教授要高一些。第二个是绩效,就是如果这个研究院的项目发展得比较好,今年就能够分一部分收益给大家作为绩效奖金。第三个就是产业公司的期权。如果以后这个产业公司发展壮大了或者上市了,那么研究人员就会得到更大的回报,就等于你为这个产业化做了贡献,就能拿到相应的回报。我希望把这个正反馈打通,让两边同步发展。


Alex: 听起来是比较有意思的一个模式,应该有很多的研究人员有兴趣更快的将产品落地。

4. 中美 AIoT 生态对比

Alex: 您觉得就现在比较火的 AIoT 的整个生态系统来说,中国和美国有什么区别?


刘劼谈中国在 AIoT 上的优势


刘劼:


单说 AIoT 的话,中国还是挺有优势的。一个是市场规模很大,另外产业链也比较全,从生产设备到 protocol,到后台的边也好,运营商也好,云也好,整个这一套产业链在中国是打得通的。


另外行业需求也很迫切,比如中国的传统产业的改造,包括医疗康养,社会老龄化,包括生态环境的一些需求都是刚需。我回去虽然时间比较短,但是就我跟一些人的交流和接触到的一些项目来看,大家对这方面的需求都非常强烈,愿意投入,愿意尝试。我觉得这个可能是国内跟美国相对比较大的一个差别。我感觉国内的政府部门,企业和个人用户想要尝试新技术的迫切度非常高。美国在这方面可能考虑的因素更多。有的时候是想要更谨慎,希望少走弯路;但有的时候也可能是错过了一个机会。所以我觉得国内是有一定优势的。


另外一个优势,我觉得国内现在的确越来越多的开始接受技术上的创新。原来可能更多的是商业模式上的创新,或者是 social network 上的创新,但是现在真正有技术的人,能够创造核心技术价值的人越来越受到重视和认可,业越来越能够发挥自己的作用。

5. AIoT 趋势展望

Alex: 您是 IEEE 的 fellow,也是 ACM 的 distinguished engineer。您怎么展望未来几年,比如说 5~10 年 AI 技术以及落地这方面的发展?我记得有一次您跟我提到说,您认为 AI 目前的问题是系统工程的问题。您在技术方面有什么看法?


刘劼:


我觉得 AI 是一个赋能的技术,特别是这一轮的 AI,更多的是数据驱动,深度学习的这一套体系。这是有颠覆性的,如果没有认识到这一点,过去 5 年没有认真去适应和学习 AI 的话,有可能会被时代的潮流抛弃。我感觉这是将所谓的非线性系统做得比较成熟的一个模型,大家找到了一个通用的边缘系统模型和一个建造模型的方法,原来的很多思都会重新改写。


AI 对各行各业都能带来一个很大的冲击,我对此坚信不疑。但同时,AI 本身并不能解决所有的问题。比如说简单的数据收集,数据标定,现在做的比较多的比如语音和图像处理,这些都是很容易人为标定的。IoT 的数据不是一个很容易标定的东西。比如有一条温度曲线,要知道是不是什么地方绝缘做得不好,这是人都很难判断的事情。所以 AI 要跟物理模型相结合,怎么把物理世界生成的数据变成一套让机器能够学习的数据,我觉得在将来 5~10 年里会是很有前景的一个方向,也能推动 AI 在更多的物理环境里落地。


比如我们现在规划的哈工大人工智能研究院的几个方向,比如说制造业,农业,健康,医疗,还有社会环境,教育跟社会治理等几个方面,更多用到的就是 IoT 的系统。那么这些系统怎么获得数据,怎么标定,怎么建立模型,怎么正确的应用这些模型,一旦这些问题解决了,就会对整个社会经济生态产生非常大的影响。


Alex: 听上去很激动人心。AI 通过 IoT 这样的传感器网络去收集数据,然后产生了更大的影响和更大的价值。那么另外一点,今天看我们视频的有很多工程师和研究人员,尤其是在 AI 领域的工程师和研究人员。您对他们有什么建议?他们怎么才能加入你们?


刘劼:


我觉得这是一个很大的趋势,有很多急需解决的问题——从基础性的研究到应用性的研究,然后再到产业落地。如果大家有兴趣跟我们一起合作,可以通过各种方式加入我们,兼职也好,建立伙伴关系也好,我希望能够有越来越多的朋友加入到这个行业里。大家齐心协力把 AIoT,或者通用人工智能的这个方向往前推进,真正实现落地,同时也能在这个过程中实现自己的价值。


Alex: 刘劼博士从清华到 UC Berkeley,到 Xerox PARC,再到微软这二十几年里积累了很多跟 AI,尤其是 AIoT 落地,以及从 cloud 到边缘,到终端相关的研究经验和产品落地经验。这些经验也让我受益匪浅。大家有兴趣可以跟刘博士交流学习。(完)


查看采访原文https://www.robinly.info/blog/jie-liu-dean-of-ai-research-institute-hit


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
2019-05-25 08:0011034
用户头像
Robin.ly 硅谷AI科技、创业、领导力访谈

发布了 49 篇内容, 共 18.0 次阅读, 收获喜欢 59 次。

关注

评论

发布
暂无评论
发现更多内容

医疗机构如何释放数据要素价值 推动数据资产化

用友BIP

数据资产

Postgres 中文周报:PostgreSQL 2023 热门回顾

酷克数据HashData

面向研发使用、全栈开发、前后端分离的低代码平台

互联网工科生

软件开发 前后端分离 低代码 全栈开发

业务无忧:稳定云虚拟主机让您的在线业务更加顺畅

一只扑棱蛾子

虚拟主机 云虚拟主机

如何选择适合自己的外贸独立站域名?

九凌网络

NeurIPS’23 Paper Digest | 如何把 LLM 的推理能力应用于事件序列预测?

机器智能社区

人工智能 机器学习 推理 推理模型 算法、

阿里云 EMAS & 魔笔:12月产品动态

移动研发平台EMAS

GaussDB(for MySQL)新特性TDE发布:支持透明数据加密

华为云开发者联盟

数据库 后端 华为云 华为云开发者联盟 华为云GaussDB(for MySQL)

软件测试开发/全日制/测试管理丨用户端 Web 自动化测试

测试人

软件测试 自动化测试 测试开发 Web自动化测试 web测试

软件测试开发/全日制/测试管理丨用户端 App 自动化测试

测试人

软件测试 自动化测试 测试开发 app自动化测试

亚马逊云科技助力施耐德电气加速AI技术在制造场景的落地与创新

财见

一文详解VScode 的远程开发

快乐非自愿限量之名

远程开发 vs-code

Apache Flink 和 Paimon 在自如数据集成场景中的使用

Apache Flink

大数据 flink 实时计算

AE脚本-图层分布路径形状高级控制 Tweaks

Rose

音视频小程序在教育行业的应用发展是短期爆发or未来趋势?

Geek_2305a8

UV映射技巧和窍门

3D建模设计

3D渲染 3D材质编辑 3D材质纹理贴图 UV纹理贴图 UV映射

UV贴图和展开初学者指南

3D建模设计

3D渲染 3D材质编辑 3D材质纹理贴图 UV纹理贴图 UV映射

如何选择适合自己的外贸独立站域名?

九凌网络

2023年国内AI Agent下项目大盘点,科技大厂与创业公司齐头并进

王吉伟频道

创业 融资 大语言模型 AI Agent AI智能体

CAE技术的局限性讨论-CAE咨询

智造软件

CAE CAE软件

DAPP、链游、交易所和区块链钱包开发

区块链软件开发推广运营

交易所开发 区块链开发 链游开发 公链开发 区块链开发DAPP开发

低代码平台几分钟构建一个内部应用程序

高端章鱼哥

开发工具 低代码开发 JNPF

关于 IntelliJ IDEA 中 Schedule for Addition 的问题

Rose

IntelliJ IDEA

AE脚本-快速创建微风摇曳摆动波浪动画 Breeze

Rose

2024年最热门的15个科技工作岗位

互联网工科生

程序员 科技 岗位

鸿蒙系统应用开发之开发准备

EquatorCoco

华为 系统开发 鸿蒙系统

软件测试开发/全日制/测试管理丨接口功能测试

测试人

软件测试 自动化测试 接口测试 测试开发 测试管理

使用AI搭建SpringBoot服务

X.F

AI Openjdk Java' openai Bard

了解什么是UV纹理?

3D建模设计

3D渲染 3D材质编辑 3D材质纹理贴图 UV纹理贴图 UV映射

什么是多边形网格以及如何编辑它?

3D建模设计

3D渲染 3D材质编辑 3D材质纹理贴图 UV纹理贴图 UV映射

软件测试开发/全日制/测试管理丨接口测试抓包与 Mock/接口自动化

测试人

软件测试 接口测试 测试开发 Mock

哈工大人工智能研究院院长刘劼:打造从科研到产业的创新生态_AI&大模型_Robin.ly_InfoQ精选文章