科技猎沈向洋：微软培养了中国几乎所有IT公司的CTO，5000人撑起AI四大方向
2017年05月10日， 微软 全球执行副总裁、微软 人工智能 及微软研究事业部负责人沈向洋博士（Harry Shum）在微软全球开发者大会（Build）发表主旨演讲后，接受了包括新智元在内的几家受邀媒体的采访。
采访中，沈向洋博士认为Cortana代表了AI的未来，他多次提到Conversational AI，也即对话式AI。在他看来， 智能语音 市场远远没有饱和，各大巨头都在做智能语音助理，正表明这是一个正确的方向，而在亚马逊Alexa/Echo，谷歌Google Home等先入产品面前，微软的机会仍然有很多。微软将利用小娜、小冰的优势，从语音方面发力。
所不同的是，沈向洋提到，他认为“AI对人类情感的理解将会是非常了不起的一件事”，“大多数的人还没有认识到能够不断聊下去这件事情的重要性”。而在这一点上，微软的小冰遥遥领先于其他智能语音助理，平均多轮对话次数是目前业界最高的23次。不过，沈向洋也表示，微软的Conversational AI会“两条腿走路”，既要发挥Cortana的商务助理优势，也要充分挖掘小冰在情感聊天方面的优势。
当被新智元问及去年微软组建的5000人规模AI团队的具体组织架构时，沈向洋并没有直接回答。但他表示，搜索引擎、以Cortana为代表的智能语音助理、用AI帮助微软现有产品转型，以及用AI开发全新的产品线，是当前微软AI团队主要发力的4个方向。尤其是最后一点，沈向洋坚信，AI将颠覆所有的商业应用，那么在这其中，决定去做什么、不去做什么，是微软AI当前最重要的事情。
至于关注度很高的微软AI人才流失，沈向洋似乎对此并不是太担心，他告诉新智元 ：“我觉得人才流动非常正常，一个大公司培养了很多的人才，最重要的是一个公司你要知道你存在的价值和理念，这体现在优秀的员工为什么会选择留在你这里，不光是你到外面挖人，你给在这里员工提供什么样非常了不起的环境，让他在这里面有非常好的发展。”对于其他公司来微软“挖角”，沈向洋反而感到非常自豪，认为体现了微软为中国AI乃至整个IT行业培养了优秀的人才。
沈向洋还表示，在去年微软重组构建5000人规模AI团队后，他就成立了一个“微软人工智能学院”，培养相当一批微软内部人才，“我们希望通过这样的方式，可以吸引更多外面的人才来微软。这么做，并不是我们担心又有人挖我们AI的人才，更重要的是，要把我们的人才培养成‘AI capable’。”
接下来，在回答其他媒体记者提问时，沈向洋表示，未来10年左右，计算机视觉可以识别一切。他认为未来3到5年，垂直领域AI将有所发展，看好toB的业务，而未来5到10年，他认为“可解释的AI”是一个非常值得研究的方向，这方面肯定会有重要突破。此外，沈向洋还表示，认知计算将成为Azure的“重中之重”，看来在智能云（Intelligent Cloud）方面，谷歌与微软也势必有精彩的角逐。
采访中，沈向洋提到他非常享受做研究的过程，可惜他“后来被鲍尔默赶出来去做产品”。 此外，沈向洋认为“可以从安卓兴起的过程当中学习很多东西，深度学习下一波浪潮当中怎么样可以做的更好，我不觉得微软一家公司可以把这些东西都做出来。”
新智元： 有一个问题，微软怎么应对人才流失？说实话，像腾讯已经把研究院开到西雅图了。
沈向洋博士：上次我跟马化腾讲，我说你太不像话了，把研究院开到我们门口了。小马哥还有点不好意思，还有点腼腆。我觉得人才流动非常正常，一个大公司培养了很多的人才，最重要的还是说任何一个公司你要知道你存在的价值和理念，这体现到优秀的员工为什么会选择留在你这里，不光是你到外面挖人，你给在这里的员工提供什么样非常了不起的环境，让他在这里面有非常好的发展。你去问问腾讯，腾讯的人才也在不断流失，腾讯以前没有AI的人才，所以他必须就要去挖人，去百度挖也好，去别的地方挖也好，都很正常。大家到西雅图开研究院，对西雅图本地经济太好了。在中国还出去招商，把人拉过来，像微软、亚马逊或者到其他的大公司，我们也有责任把西雅图本地经济带动起来。
新智元：就像您刚才说的一样，如何要留住AI人才，就是这个公司的实力了。不过，从现在的新闻来看，从微软研究院出去的人很多。
沈向洋博士：对，我上次在乌镇，跟刘云山书记报告的时候，跟大家说微软公司在中国，为中国IT产业培养了无数的优秀人才，我说你不仅要看到中国几乎所有IT公司的CTO都是我培养的，从联想到海尔到小公司，我说你更加要看到微软研究院在过去18年，培养了5000个学生，那些才是真正了不起的，新一代的创业公司出来——现在可能不会是这样的情况——当时计算机视觉、AI公司刚起来的时候，那些投资人来问我一些情况，我说你不要跟我讲，在中国开计算机视觉的公司，要么是我的学生开的，要么是我的学生的学生开的，这都非常光荣的事情。回过头来看，微软研究院、微软公司对中国的IT发展，很多方面都起了巨大的正面作用，特别是为中国培养了非常多的一流人才。
新智元：那您现在也觉得微软继续对外输出人才也是很自豪的？
沈向洋博士：我们一直觉得非常自豪，微软研究院一直觉得非常自豪。我们培养了李开复，我们培养了张亚勤，我们培养了赵峰、我们培养了芮勇，芮勇还是我学弟，这些都非常好，我们都觉得非常光荣。
新智元：接下来继续有高级的研究员离职的话，你们仍然觉得很光荣？
沈向洋博士：你具体应该去问问那些离开的人，他们是不是还是研究员，你听懂我的意思啊？你问问他们最近研究了什么，叫他写个算法给你看一看。
我再补充一下，微软最近在做一件非常重要的事情，就是人才方面的。6个月前我率领的AI这个部门组建后不久，我就成立了一个“微软人工智能学院”，培养相当一批微软内部人才，我们希望通过这样的方式，可以吸引更多外面的人才来微软。这么做，并不是我们担心又有人挖我们AI的人才，更重要的是，要把我们的人才培养成“AI capable”，所以我们就有一字头的课、二字头的课、三字头的课，一直到六字头的课，类似研究生这样的课。我最近刚刚做完一期AI 611这门课，专门做hands-on project，深度学习具体项目。有10个项目，非常了不起，他们这门课结束的时候，我专门用了2小时去听了他们的报告，非常好！所以，我们现在就是在不断培养AI的人才，既包括内部的人才培养，也包括吸引外面的人才参加。
在LinkedIn发布的全球和中国科技企业最佳雇主的排名上，微软在全球排名第二，仅次于谷歌。但是在中国，微软超越了谷歌，成为最佳雇主。详细情况参见新智元公众号的二条报道：《LinkedIn 技术VP王迪专访 | 全球AI人才聚集，Top10中美公司排行榜》。
新智元：微软去年做了重组，您率领一个5000人规模的AI团队，但是对具体的组织架构，我们一直都没有太多的了解，希望您能在这方面介绍一下，这5000人的团队具体的侧重点、方向、人事架构是怎么样的。我相信5000人还是分布在世界各地吧，这时候你们采取怎样的联系方式？
沈向洋博士：我们通常都不会对外部讲具体的架构和人事，内部当然任何一个单位都有一个组织架构。不过，我可以简单跟你讲一下，微软发展AI主要还是在4个方面。
第一，搜索引擎方面。 你可以同意，也可以不同意我的意见，那就是今天世界上最大的人工智能可能还是搜索引擎，微软Bing这么多年下来做了知识图谱，超过25亿的实体（entities）。这里面就有很多的知识，搜索引擎本身不仅仅是一个业务——当然现在Bing也很赚钱，我们在美国占22.6%的搜索市场份额，再加上雅虎的11%（后台技术是微软做的），所以我们在美国有1/3的搜索份额，在英国最近涨到16.5%。从AI的角度来讲，搜索引擎主要就是World Knowledge——对世界知识的积累。
第二，非常非常重要的一件事情就是Cortana，这是一个私人的智能数字助理，我觉得Cortana代表了AI的未来，对人的了解。 要做好AI需要三个方面的知识，一个是你对世界的理解，一个是你对工作的了解，一个是你对用户的了解，这三件事情在一起的话，才可以做得非常好。我觉得小娜在朝着这个方向走，要去做这个事情当然要有很大的投入在里面。
第三，其他的公司和微软一起合作，怎么样令AI帮助微软（所有产品的）转型。 我刚才提到Office，也提到Cloud，也提到Windows，我们一起做。同时，我们把这样的一些技术拿出来给其他所有Microsoft开发者去做，比如认知服务（Cognitive Service），这也是我在演讲的重点。认知服务这么多年一直都是我们AI部门在做，其中有很多的技术是从微软研究院做出来的。
第四，也是我自己觉得非常激动的一点，我在主旨演讲的最后稍微提了一下，没有机会展开讲，那就是Every Business App is going to be Disrupted by AI——“所有的商业应用都会被AI颠覆”。 所以，我们微软正在这里面选择哪些方向，哪些商业的AI机会我们会去挖掘，希望能够在不久的将来有机会跟大家再分享这边的进展。
新智元：目前这些方向还是在探讨阶段中吗？
沈向洋博士：我们已经做了很多的产品原型，甚至很多的产品和服务已经有很多人在用了。我在我的演讲中也提到，从销售到市场到售后，这些我们都有在做。
新智元：现在有很多公司都将Conversation AI作为一个入口，但也有人认为对话是一个伪需求。从刚才您的介绍当中，我是否可以这样理解，微软跟其他公司所不同的，是微软的对话平台是从情感这个角度去切入？
沈向洋博士：微软不仅从帮助你完成任务的角度，微软同时也非常关注情感方面的研发，我觉得我们是两条路同时在走，我们小娜是帮助你，你有什么事情，我帮助你找到需要的问题，同时我们小冰更加是从情感的角度，陪你聊天，试图理解你，跟你不断对话。这里面大家的设计理念是非常的不一样，比如你要帮人完成任务，你希望越快越好，你要陪人聊天的话，你要能够聊越久越好，这两件事情从产品和设计上是非常不一样的。
大多数的人还没有认识到能够不断聊下去这件事情的重要性，我给你讲一个数字，大家都不见得知道。一个人一天讲几句话？事实上，人一天可以讲6000句以上，你可能都没有认识到这一点。为什么人要不断讲话，这绝对不会是因为要完成一件事情，它是人类自身学习的过程，通过对话、通过交流，跟不同的人学到不一样的东西，这一点是微软做AI，特别是对话式的AI，非常注重的一点，其他的公司不见得都很注重。
以下是专访现场沈向洋博士回答其他记者提问的实录。
问：微软全力投入AI，您的部门会继续扩编吗？
沈向洋博士：你这个问题要问我们CEO（笑），我觉得一定会的。
问：接下来的首要任务是什么，有没有一个发展的进程，比如短期和长期的规划？
沈向洋博士：是有的。任何一个企业，一个单位，特别是大了以后，一定要去想短期的目标是什么，中期的希望是什么，长期的愿景是什么，一定要从这个角度去想。我的部门比较特别的地方就是，我除了AI以外，还管研究院。在研究院我们有1000多位科学家，刚才新智元的同事也问道，我觉得最重要的就是，要不断培养一代一代新的了不起的研究员，去做更了不起的技术。
例如我刚才提到，人工智能（更多在离散的空间做符号处理）和脑科学（更多在Neural神经元做连续处理）这两个空间的融合。符号可解释的空间和连续的脑空间之间的关系，三五年前基本上没有什么人研究这些方向。我认为更重要的就是应该培养新一代，看到这样的问题。如深度学习，要去解释它。
回到您刚才问的，微软有些什么样的目标？我觉得看得蛮清楚的，短期的话AI还是要看到短期业务，哪里有真正的商业价值。就是我们可以挣一些钱，定个小目标，这都非常重要。但是，更重要的事情是AI这个部门成立之后，我们要想清楚如果我们真的觉得AI会颠覆更多的行业应用，在颠覆的过程当中，我们的机会在哪。
主要是两个方面： 一个是在现有的产品，比如Office等跟AI结合，将会有哪些颠覆性的内容产生，有什么新的产品出来，有什么新的功能出来，这边的话我们进展得非常好；另外一个你要去想，新的产品线在哪里，你有没有一条新的产品线出来，三五年以后可以做到十亿美元的生意。要思考，你有没有这样的业务，五到十年可以做到一百亿美元的生意。如果有，当然要放马去追求这样的机会。所以我们现在整个AI部门最重要的事情，就是决定要做什么，决定不做什么。
问：Harry你好，您之前提到的人工智能研究方向大致可以分为感知和认知两方面。我想请您以更加技术的语言来说明一下两者的趋势，可以举个例子讲一讲。
沈向洋博士：说到人工智能，大家今天激动得不得了，我自己也觉得有些东西是真的已经在发生了。首先，你要回过头来看，为什么会有“人工智能”这个词，“人工智能”实际上是对应于“人类智能”提出来的，就是human intelligence。
为什么觉得人有智能，人的智能基本上分成两部分，一部分是感知，另一部分是认知。 感知是里面最了不起的，而其中最大的一部分就是视觉的感知。以前有人做过这样的研究，一个人大概91%的信息是从视觉收集过来的，我忘记了他用什么样的方法算出来这个数字，但是我想大家基本上会同意，人绝大多数感知都来自于视觉。然后是听觉，然后才是其他的感知，比如触觉。
我觉得这边的进展非常大，过去这一年我都在讲，计算机语音识别的突破最多是5年的事情，也就是说5年之内计算机语音，不管你怎么去讲它都能识别，而且肯定会比人类强。然后，接下来10年左右的时间，计算机视觉也会达到这一点，今天视觉很多东西已经超过人，具体来讲比如人脸识别。但我讲的是一个很general的，anything is recognizable，到一个新地方，AI看到一个新东西能够联想到其他东西，这些我认为大概十年左右的时间可以实现。
但是在认知方面，今天我们远远没有获得突破，都谈不上跟人类相比的地步。首先是自然语言处理的问题，然后就是知识获取的问题。越来越多的人更应该去做这方面的工作。自然语言处理，我刚才也提到机器阅读，语言这个问题，相对来讲的确是比较复杂。用今天现有的方法，包括深度学习的方法，解出来的效果还不是足够好，当然用深度学习已经可以帮助到我们很多东西，比如像翻译也用了很多自然语言的东西。
更重要的，今天大家对整个“认知”这样的一件事情的定义，还在一个比较初级的阶段，什么叫做常识（Common Sense）？ 你怎么知道见到这个人以后，为什么会对他很有一种亲近的感觉？这些我们还不是很理解，而这是一个很大的问题。稍微岔开一点讲，很重要的问题，今天我们个人工智能做的这些东西，和脑科学的结合不够，理解也不够。很主要的原因就是对“智能”的很多东西，只有人脑这样一个范本，但人脑结构很特别，今天我们还不够理解。脑科学作为一门科学，今天也还处在一个早期的阶段，我们还不能做太多的实验，也不能随时把一个人的脑袋打开塞一些东西进去。
这个是一个长期的问题，现在越来越多的人也在想这样的问题。连接人工智能和脑科学，今天有一个方向我们觉得是很激动人心，现在在微软研究院很多的人在做这方面的事情，我也跟很多大学有一些合作，就是所谓的“可解释的AI”（Explainable AI）。我认为，Explainable AI在接下来5到10年，肯定可以做出非常了不起的成果。今天我如果有研究生的话，我就会让他们做这个方向的工作，原因非常简单，因为今天AI最大的突破就是深度学习，但是深度学习的一个最大的问题就是，出来的结果非常好，但是你没法解释。
我自己看到的，这方面写得最好的一篇文章，是最近在《纽约客》的一篇有关医疗AI的。 为什么看同一张图，医生会跟你讲，你没问题，原因是一、二、三。但今天AI还做不到这点，深度学习做不到这点，很大的问题是大家解问题的空间不一样，医生是在一个所谓的neural，脑的这样一个连续的空间在解，而AI很多的理解是在符号的离散的空间上去做。
所以，如何把这些东西连起来，从技术上有讲有很多有待突破的地方，也是我们现在研究院很认真在做科研的一个方面。
问：微软现有的一些成果或者说优势都有哪方面？
沈向洋博士：我刚才提到在一些感知方面，从计算机视觉到计算机语音，我自己是觉得我们都是领先的。
问：有没有这方面的数据，或者特别强有力的案例？
沈向洋博士：我们是第一个做到语音识别达到人类水准，特别是在最难的数据级switch bot data set，在我演讲里面提到，6个月之前我们已经做到这一点。在计算机视觉方面，我们两年前第一次做到物体识别（Object Recognition）跟人一样的准确率。接下来，我希望我们在自然语言理解方面也能有所突破。翻译也是这样，翻译的质量特别是Spoken Language（口语语言），我们肯定也是世界领先的水平。但是有那么多的语言要去做，还有很多工程方面的问题要去解决，今天微软也只提供60种语言而已，世界上有6500多种语言，怎么样把人工智能普及化，也是我们要考虑的。
问：怎么样把研究院里研究实际去产品化和商业化。您在成立这个团队的时候，从研究到产品的流程有什么变化吗？ 另外一个是开发新的产品，比如大会第一天上的Demo，帮助患帕金森症的设计人员重新执行作画，怎么样把这样的研究个案去扩展开来？
沈向洋博士：这是一个非常好的问题，不知道在座有多少人做过研究，科研是很不一样的东西，很多人不明白，说这么多人做科研，怎么还没有产品化。科研就是一个很长期的东西，你要么就不要说自己做科研，要做科研就要有耐心。比如今天大家谈的热火朝天的量子计算，具体哪天量子计算机可以做出来，没有人知道。有人知道还得了，VC会像狼一样扑出去了（笑）。在这一点上，美国的这套系统还是值得我们学习。从大学开始，到研究所，再到工业界。以前的AT&T和IBM，再到现在的微软，很多公司愿意花很多的钱出来做长期的科研，而绝大多数的科研成果不仅仅属于本公司，只是自己的公司有可能得到利益。这一点我们盖茨讲得非常清楚，比如苹果和微软早期的成功，很重要的就是图形用户界面，而graphic interface最早是施乐做出来的，我们跟他们学习。同样，今天微软做了很多了不起的事，但是可能其他一些公司，甚至一些初创公司还会做得更好，这都是很正常的。
而且，做科研是非常愉快的一件事情，做科研最愉快的事情就是根本不用担心别人在想什么，你自己拍拍脑袋想想就可以，要有一个了不起的想法——我以前是多么的享受做科研，后来被鲍尔默赶出来去做产品。
最近我跟微软亚洲研究院同事交流，其实我们能够提供最了不起的东西是一个环境，这个环境里面不光是大家的待遇还不错，更重要的是边上有比自己更聪明的人，你可以向他们学习。第二，在微软研究院我们提供一个自由的空间，从来没有要求你一定要做什么，研究员你自己想做什么，你觉得应该做什么，就去做什么。因为你已经是最聪明的人之一了，才进得了微软研究院。有几个人选择要走了，出去做VC啊，换一家公司啊，这都很正常，我们就不断再培养下一代的人，重要的就是你要有一个能够不断培养人才的环境。
当然，因为你不是一个公益的研究院，当然对公司是有责任的，包括最重要的一件事情，就是从技术到产品的转化。目前，AI本身今天很多的东西还在研究阶段，所以今天微软重组，把AI和研究院放在同一个部门——我觉得非常荣幸能够领导这样的部门——我们看到了非常多的机会。怎么从技术到产品转化这个问题，可能今天最好的例子就是认知服务，其中大概2/3的技术是原来微软研究院做的，而且做了很多年，以前我们不是很清楚，一些计算机视觉的技术怎么转化成产品。但是因为有Azure，有认知服务这样的机会，很多很多的微软研究院的技术，都已经通过认知服务转化成为产品。
我再给你举两个例子，今年7月份在夏威夷，我会去计算机视觉最大的国际会议CVPR，今年他们请我做主题演讲，我演讲的题目就是“Commercialize Computer Vision – Success Stories and Lessons Learned”。 这里面我会举三个例子，一个是认知服务，另外一个例子是我们最近推出了一款很了不起的相机iOS App，叫Microsoft Pix，大家有机会可以试一试。第一版出来的时候，里面就有12篇以前的论文做基础。当然有很多其他的公司相机应用做的非常好，包括iPhone本身的camera做的也相当好。
第三个例子是我最喜欢的HoloLens，它研发的过程是“研和发，研和发”不断循环的过程。 HoloLens这帮人之前就是做Kinect，Kinect做出来微软研究院就做了Kinect Fusion，又做了一个项目叫Holodesk，如果是三维的东西，你怎么样加一些三维的虚拟物体进去。后来微软有一批非常了不起的做产品和设计的工程师，他们想到要在此基础上做成HoloLens，在这个过程当中，里面很多计算机视觉、语音的技术都是微软研究院一起做的，是一个共同研发的过程。
到最后你还是要有产品，因为对普罗大众来讲，他不会去看论文，也不知道你的论文有多了不起。你要跟人解释，最容易解释的方法就是你给人看看你的产品，HoloLens马上就会被人看到，我们希望有机会做一些更了不起的产品，不光是对消费者，更多是针对企业用户的产品。我个人认为，三五年内，对AI而言最大的机会还是在企业市场中。
问：您刚才把微软的Cortana还有Google、亚马逊的相关产品对比，讲到各家service都是很不同的，您能不能给我讲个例子展开一下。此外，国内AI公司有一个观点，认为如果做纯2B的开发者的生意，如果提供工具，本身可能不是一个在国内环境下很好的商业模式，觉得很苦不赚钱。但您对Cortana 的定义就是一款2B的工具。我比较好奇您怎么看？
沈向洋博士：第一个问题比较简单，我想强调一下，其他公司在做digital assistance都做得很好，但都非常难做。最近有个人在网上做了一些调查，好像75%的时候，如果你问Alexa问题，她会说“我没有答案”（I don’t have an answer）。实际上，今天语音这个东西，不会是因为有一家已经做了怎么样，其他人就不用做了，［市场还］远远没有［饱和］到这个地步，谷歌也在做，亚马逊也在做，苹果也在做，微软也在做，国内很多公司也在做，非常好，这个方向至少大家都看得很清楚。就像 无人驾驶 车一样，大家都在做无人驾驶车，已经没有人讨论这件事会不会发生。
在这样一个设计的过程当中，因为它本身就叫digital assistant，帮助你把事情做好。 大家想的都是怎么样尽快找到你需要的东西，尽快帮你完成这样的工作，在这样的设计过程当中，完成任务的时间越短越好。另外一条思路，很特别的地方，我觉得还没有太多的人做的是从聊天 机器人 ：我是你的同伴，我是陪伴你的，我不帮你解决任何问题。从微软研究院来说，我们是在两条腿走路，这肯定是我们最不一样的地方。
刚才新智元的记者也问到，微软是不是只做情感方面？不是这样的，我们是两条腿走路。这里面就像我刚才讲的有world knowledge、work knowledge、user knowledge，能够帮助你解决问题。另外一个怎么样可以得到你的信任，怎么样可以跟你继续做朋友，怎么样跟你继续聊下去，在这个过程当中不断积累知识。我们用的产品设计metrics，你能够和你这个Agent可以聊多少个来回。Cortana也好、Siri也好，Google Now大概就是三个来回，相当于对话一个半来回。你问Siri，西雅图的天气怎么样？它说，还是下雨，你就没什么问题问了。但小冰就不一样，小冰我们今天的最高对话次数是23个来回，你不断有这样的机会可以和它交流，在交流当中再去学习。我想强调的，并不是我们只做一个不做另外一个，就是助理（服务）和情感（陪伴）我们两边都要做。
第二就是你讲的2B的问题，我也听很多人讲，对于一个提供商用AI服务的初创公司来讲，面对像微软这样能稿提供很好的AI服务的公司，小公司有没有这样的一些商业的机会继续活下去？这个问题我自己是这么看：今天提供这样所谓的API，我也觉得一般小公司可能比较难做，因为有很大的投入，收费的方式各方面还要跟很多大公司竞争。
我认为很重要的一件事，接下来商业的机会还是在于所谓的business AI。因为它每一个vertical都必须要用AI，要去做这样的东西，你得一定要真的深入到某一个垂直行业中，必须要有很特别的data，你必须要有这样的用户，能够用到AI的应用部署出去，这样你可以做反馈。大多数的AI今天的技术不可能做到100%，甚至都不可能做到90%，它里面有很多的错误。比如Alexa、Siri、Cortana，今天来讲，很多时候它都没有真正回答你的问题。但是你需要有足够多的用户，他愿意继续用你这样的AI应用，给你提供反馈，给你提供数据。我自己是很看好垂直行业的。
问：您刚才的演讲里面主要是两大块，一块是AI怎么帮助开发者更好的去开发更customize应用场景，另外一块说重新定义（redefine）。我想问一下，微软通过人工智能对产品重新定义具体怎么做，有什么样的规划？
沈向洋博士：这个问题非常好，我今天讲的主要是三个方面。 AI的三大方面，第一，你要有非常强大的运算能力；第二，你要有非常了不起的算法；第三，你一定要有自己的数据。
我用微软的例子来介绍一下，在微软，我们当然相信，微软所有的产品都必须要AI化，重新去定义这样的产品。我们现在很注重的地方是两个方面，一个是在所有的Office产品，在主旨演讲中我给大家看了 PowerPoint一个功能，就是翻译（translate）。其实PowerPoint他们还做了另外一个，我自己非常喜欢的，所谓的图说生成（image caption）：来一张照片，PowerPoint图说生成可以自动给你出图片说明，这个我们已经做得相当好了。
PowerPoint很多人用。这样的数据可以帮助我们不断改善一些算法。前不久我们也发布Word，Word里面使用AI技术，这也非常非常重要。
这里面还有很多AI的技术都才刚刚开始，我自己觉得Office最激动人心的技术就是所谓的机器阅读。前不久微软买了一个加拿大的初创公司叫做Maluuba ，主要就是做这方面的工作，用自然语言、深度学习的方法来做这个东西。深度学习里面一个很重要的问题，就是回答问题。我觉得对Office的影响会非常巨大，所以我们AI部门的同事和Office的同事一起在做。
另外一个就是在云这里，大家合作非常多，你到Azure.com主页的产品里面，Cognitive Services的内容放置最显著的位置上，这是Scott和我，跟我们产品团队的同事review了以后决定，Cognitive Services会变成Azure的重中之重。Windows还有很多AI，像HoloLens还有很多AI的技术，计算机视觉、计算机语音方面。
问：您刚才讲到微软在vertical领域跟一些服务商、应用商之间的合作，在平台方面，像谷歌、亚马逊、百度这方面的合作，怎样去解决社会责任和公司商业利益方面？另外，陆博士去了百度之后，百度和微软在中国人工智能的会有什么合作吗？
沈向洋博士：你这几个问题都问的非常好，微软比较特别，我们有一个微软研究院，研究院本身是非常开放的，所有科研的东西每年我们都发很多论文，几乎所有的公司都没法跟我们比，到今天为止，过去这20多年下来，在所有的计算机领域最一流的位置上，最佳论文奖获得者，微软研究院遥遥领先全球第一。我们今天微软对社会仍然有这样的责任，继续做最了不起的计算机科研，包括AI这方面，并且以开放的方法去做。
从一个商业公司的角度来讲，我们还是有两个方面，你看的很准确，第一我们提供一个平台和工具，大家都可以用的，包括科研人员、大学的老师、学生都可以用。我们公司也做垂直行业，office AI会越做越好，比如讲云里面的应用，比如database，这些东西我们都可以继续做。你作为一个商业的话，跟其他产品竞争很正常。这些大的公司之间，大家可以怎么合作，可能有几个不同的层面。
在工具层面，我举个例子，比如讲TensorsFlow，有一些新的工具出来，像深度学习做到这样的地步，大家都觉得有道理，它就自然会出现一些工具出来。在TensorFlow出现的同时，至少有4、5个工具，比如讲亚马逊最近收了公司去做MXNet，大家各有所长。TensorFlow谷歌推的比较早，推的比较猛，用户很多。很重要的一点，我们作为一个community，大家应该把一些力量聚集起来。
我觉得大家可以从安卓兴起的过程当中学习很多东西，在深度学习下一波浪潮当中怎样才可以做得更好，我不觉得微软一家公司可以把这些东西都做出来。
国内公司你提到，我们就是跟国内的公司非常开放的，你刚才提到陆博士，我刚才提到很多其他的同事去其他的公司，大家的关系都非常好。大家可能知道去年11月的时候，我回去微软亚洲研究院成立了一个院友会，亚勤、我、洪小文，我们一起组织其他人一起过来，大家这么多年是很好的朋友，即使大家不在同一个公司一起工作的话，我觉得最重要的是大家还在一个行业，大家应该互相帮助，我当然是希望每一个同事在微软都做的很好，希望以前的同事可以继续做的很好。
问：微软会不会越来越多的考虑Open Source的工具？
沈向洋博士：肯定，微软其实现在已经非常开源了，你看我们CNTK现在完全是开源的。开源是一种文化，有不同的方法可以做开源。我自己是觉得开源对这个世界的科技发展产生了巨大的深远影响。微软发展很迅速，我们完全是拥抱开源。
