【AICon】探索八个行业创新案例,教你在教育、金融、医疗、法律等领域实践大模型技术! >>> 了解详情
写点什么

从 AI 医疗到量子计算,亚洲研究院如何成为微软发展的生命力?

  • 2018-12-10
  • 本文字数:3063 字

    阅读完需:约 10 分钟

从AI医疗到量子计算,亚洲研究院如何成为微软发展的生命力?

11 月 6 日,微软亚洲研究院举行了 2018“二十一世纪的计算”学术研讨会暨微软教育峰会,同时这也是微软亚洲研究院成立的第二十个年头。微软现任 CEO 萨蒂亚·纳德拉也亲自到场致辞祝贺。


热闹之后,让我们回到微软本身。对于亚洲研究院来说,20 年的光景不仅培养出了无数优秀的人才,同时还为全球技术发展提供了源源不断的新兴技术支持,而对于整个微软,技术的变迁也印证着微软的改变,如何看待微软在这些年的变化?我们采访到了微软全球资深副总裁,微软医疗负责人 Peter Lee 来为我们解答。

从 AI 医疗讲起···

Peter Lee,现任微软全球资深副总裁,微软医疗负责人。


在微软不断变迁的过程中,他的工作也有了一些改变,除了医疗领域的工作,Peter 告诉记者,他还在做基础的 AI 的算法、网络安全、数据中心的一些技术,前一阵刷屏的水下数据中心就是 Peter 主导的。



Peter Lee


微软在医疗领域的业务十分庞大,现在全世界有超过 17 万家医疗相关领域的公司和机构都是微软的客户。随着医疗行业的数字化转型,医院对于 IT 科技的依赖也逐渐增加,微软顺势而为,把云和 AI 技术带入了数字健康、数字医疗的领域里。


在医疗领域的工作可以划分为三大块平行的内容:精准医疗、数据分析、医疗辅助。


Peter Lee 认为,未来很多医疗可能是以数据为驱动。所以会有更多的数据源,比如像基因的数据、免疫系统的数据,包括下一代医疗图像系统所积累出来的数据。这些数据对于云的应用来说非常重要,从数据量来说,一个人的基因数据可能能够达到 200ZB 这样一个级别的数据量。所以,未来人类的治疗,很多时候取决于基因方面的问题,比如通过 AI 对你的基因进行分析,对于整个算力的要求也是非常高的,实际上未来很多东西都需要在云上、在 Azure 上来实现。


而在医疗数据和人口分析的运用上,Peter 表示,中国现在无论是大医院、小医院,还是诊所都有自己的一套病例数据,但是现在的问题是这些病例数据之间没有实现互联互通,如果放在云上,未来可以把整个数据拿到一起,当然前提是保护病人的隐私,可以在全国范围内做一个整个的统筹规划,因为通过数据可能会发现有些地区糖尿病的病人比较多,有些地方是肥胖的病人非常多,有些地方是癌症的病人比较多,这样可以更好的调配资源。


AI 辅助医生和护士的工作也将成为一个趋势,现在在三甲和二甲医院当中,有些好的医生一天看 100 多个病人,一个病人也就是看 5 分钟时间。对于医生来说,这个工作也非常辛苦,效果也不是特别好。所以,之后如果可以用 AI 技术,一方面可以减少医生的工作量,减少对于数据记录的工作量,另一方面也会对病人有更精准的治疗。


Peter 说,在这三个方面微软现在都有非常好的团队,而微软亚洲研究院在其中发挥了非常重要的作用,一方面提供很多 AI 算法和工具,另一方面也能够帮助微软在医院、诊所、初创企业,以及从中央到地方的卫生部门,建立起很好的联系。


但是“医疗+AI”有它的独特之处,而独特之处是有一些困难的。


医疗行业其实是一个涉及到个人信息程度非常高的行业。人们在其他行业本就非常担心隐私的问题,再叠加医疗,这个问题就变得更加敏感。但是,Peter Lee 表示:中国也出台了非常好的政策,并且实施了一个非常强大的《隐私法》来保证个人隐私,这点和欧洲的《GDPR 数据保护法案》是有很多相似之处的。


其次,现在大多数的 AI 或者是基于对于模式的识别,或者是基于统计学关联程度的结果,但医疗其实是基于因果来判断病因的。但是,AI 给出的结果很多时候是基于数理统计的关联度,而不是基于因果判断。所以,Peter 说,其实 AI 给医生提供的是辅助性的工作,而不能取代医生。


AI 仍有不足,技术尚需完善,人工智能虽然已经拥有半个多世纪的历史,可是真正取得爆发也只是近 3-5 年的时间,以 Peter 所负责的医疗领域来说,AI 也只能起到辅助作用而非最终决策。


那么,人工智能发展到底应该做些什么?微软又是怎么做的呢?

发展 AI 要两条腿走路

2015 年,微软亚洲研究院发明了 ResNet,而现在这一技术已经广泛应用在医疗图像、自动驾驶、摄像头等领域。


Peter 认为,任何一项技术的成功发展都是令人惊讶的,以微软为例,他本人也没有想到这么多技术可以在今天如此广泛的落地在各个行业。



可是,Peter 补充道:


“一些技术发展的很成熟,可以为大众所使用,但总会有一些技术是属于那种站在人类已知和未知边缘的那种前沿技术。


在 AI 这个领域,其实这种边界每天都在不断的向前推进。所以这就需要在某些领域,其实一直都需要有一些新的,包括对模型,或者 AI 技术进行训练的需求。


正是基于这样的原因,我们采取两条腿走路的方式,一方面对于简单易用的技术也会去做,需要进行特殊训练的技术也在做,这样我们就能有更多机会让我们自己的员工、工程师在两个方面都能够做研究工作。”


他进而又举了一个例子:曾有位负责 AI 的同事说过,如果真的想 AI 存在的所有问题,可能需要在 50 个方面都取得进展。现在我们可能在两个方面已经取得了进展,也使得我们能够解决很多现有的问题了。这两个方面取得进展,当然非常重要,它们能解决很多问题,但是可能剩下未知的另外 48 个领域也是非常重要的。


所以,Peter 说,这也是为什么现在两边都要去做,既要让更多人用上已有技术,还要不断的推进这个技术的边界,不断的向前发展。“现在的科技能够把计算机做的更加智能,能够像人一样去回答问题,但是另一方面我们却无法让计算机像人一样能拥有人的常识。”他补充说。

“微软一直在创造未来”

在当天的演讲中,微软现任 CEO 纳德拉提到了微软正在发力的三个方向:混合现实、人工智能以及量子计算。


混合现实也好,量子计算也罢,科技的本质是为了创造更加美好的生活,具体来说,量子计算其实就是使得未来做分子模拟的时候速度更快,做分子模拟速度更快,意味着未来研究人员可以更好的设计分子结构,可以用于碳捕捉、用于农业、用于更快的计算,或者也可以用于研发出更好的药物。Peter 认为,量子计算如果真的可以实现,其实能够解决很多问题。比如说,能够解决空气污染的问题,也能够彻底消除贫困。


至于人工智能,他觉得可以做这样一个类比:研究生物学其实是为了更好的了解整个生命的运作机理,这样就可以开发出更好的医疗技术,能够让人们活的更长、更健康。研究 AI 其实就是研究人们大脑的思维方式,当然 AI 研究并不会直接让人们更加长寿,但是能够让人们变得更加聪明。


除了技术上的创造,微软在人才培养方面也向来是不惜工本的。被称为中国 AI 人才“黄埔军校”的微软亚洲研究院培养出了大批的人才,就像很多人说的那样,微软亚洲研究院更像是一所巨大的学校,培养出的每一个人才都是值得骄傲的。


作为管理者来说,Peter 认为,管理微软亚洲研究院是一个非常困难的事情,因为每当看到一个优秀的人才离开去其他公司的时候都是非常伤心的,尽管内心非常骄傲,但是伤心也是难以避免的。



而微软亚洲研究院从不担心招不到新人,在人才的吸纳能力方面,微软有着绝对的信心。虽然一直在进行着人才的更替,但正是因为这样的模式也使得微软亚洲研究院有如此顽强的生命力,并且能够一直吸引全中国优秀的人才来这里。


不久前,微软的市值超越了亚马逊和苹果,重新成为世界第一的科技公司,老牌软件大厂再次焕发生机,似乎在告诉我们这家公司未来还有无限的可能,就像 Peter 所说:“微软一直在创造未来。”我们期待“刷新”后的微软能够给世界带来怎样的惊喜。

会议推荐:

12 月 20-21,AICon全球人工智能与机器学习技术大会将于北京盛大开幕,学习来自 Google、微软、BAT、360、京东、美团等 40+AI 落地案例年终总结,与国内外一线技术大咖面对面交流,不见不散。



公众号推荐:

跳进 AI 的奇妙世界,一起探索未来工作的新风貌!想要深入了解 AI 如何成为产业创新的新引擎?好奇哪些城市正成为 AI 人才的新磁场?《中国生成式 AI 开发者洞察 2024》由 InfoQ 研究中心精心打造,为你深度解锁生成式 AI 领域的最新开发者动态。无论你是资深研发者,还是对生成式 AI 充满好奇的新手,这份报告都是你不可错过的知识宝典。欢迎大家扫码关注「AI前线」公众号,回复「开发者洞察」领取。

2018-12-10 19:021084
用户头像
陈思 InfoQ编辑

发布了 576 篇内容, 共 262.7 次阅读, 收获喜欢 1293 次。

关注

评论 1 条评论

发布
暂无评论
发现更多内容

阿里内部首发1000页涨薪面试宝典:Spring+SpringMVC+MyBatis框架整合开发实战

Java架构追梦

Java 源码 架构 面试 SSM框架

零基础IM开发入门(三):什么是IM系统的可靠性?

JackJiang

网络编程 即时通讯 IM

后李健熙时代的三星,将迎来怎样变局?

脑极体

狼人杀背后的秘密,实时语音你不知道的那些事

anyRTC开发者

音视频 WebRTC 语音 RTC 安卓

数字“异化”生存

脑极体

智能安防的普惠密码,在华为好望手中的三根“线头”上

脑极体

调包侠的炼丹福利:使用Keras Tuner自动进行超参数调整

计算机与AI

学习 keras 超参数调优

直播带货大战在即:账号交易灰产猖獗

石头IT视角

极客大学 - 架构师训练营 第六周

9527

只有基于区块链才可能实现“大众创业、万众创新”

CECBC

区块链 分布式技术

甲方日常 40

句子

工作 随笔杂谈 日常

通过GUI界面更改 Ubuntu 20 LTS apt 源为阿里云

jiangling500

ubuntu 阿里云 apt

小白学算法:买卖股票的最佳时机!

王磊

Java 算法

极客大学 - 架构师训练营 第六周作业

9527

【JSRC小课堂】Web安全专题(二)逻辑漏洞的burpsuite插件开发

京东科技开发者

Web

Flink在窗口上应用函数-6-9

小知识点

scala 大数据 flink

面试官:面对千万级、亿级流量怎么处理?

艾小仙

Java 缓存 分布式 高并发 中间件

架构师训练营作业:第五周

m

快速掌握并发编程---线程池的原理和实战

田维常

程序员

为产业AI去障:联想的边缘突破

脑极体

当 TiDB 与 Flink 相结合:高效、易用的实时数仓

Apache Flink

flink #TiDB

总结年初到10月底Java基础、架构面试题,共计1327道!涵盖蚂蚁金服、腾讯、字节跳动、美团、拼多多等等一线大厂!

Java架构追梦

Java 架构 字节跳动 面试 蚂蚁金服

ConcurrentHashMap核心原理,彻底给整明白了

AI乔治

Java 架构 分布式 线程

第6周作业

饭桶

码农会锁,synchronized 对象头结构(mark-word、Klass Pointer)、指针压缩、锁竞争,源码解毒、深度分析!

小傅哥

小傅哥 虚拟机 synchronized mark-word Klass Pointer

架构师训练营第二周课后作业

天涯若海

极客大学架构师训练营

《Maven实战》.pdf

田维常

程序员

频繁操作本地缓存导致YGC耗时过长

AI乔治

Java 架构 JVM GC

web worker的介绍和使用

程序那些事

多线程 Web Worker 异步模型 异步编程 web技术

分析和解决JAVA 内存泄露的实战例子

AI乔治

Java 架构 JVM 内存泄露

第6周学习总结

饭桶

从AI医疗到量子计算,亚洲研究院如何成为微软发展的生命力?_AI&大模型_陈思_InfoQ精选文章