談 AI 必要「七問」,Microsoft 全球執行副總裁:自動駕駛撞死人,要怪駕駛還是寫程式的人?

AI、人工智慧、AI 人工智慧、Microsoft、七問、自動駕駛

【我們為什麼挑選這篇文章】微軟全球執行總裁沈向洋分享他對於人工智慧的看法。人工智慧的發展空間中應該從何處下手?人類該如何應對人工智慧?對於人工智慧之後在人類社會中的責任該如何處理?這是人工智慧顛覆世界的未來,我們身為人類需要討論的。(責任編輯:陳伯安)

2018 年 5 月 21 日,微軟在北京舉行了人工智能大會(AI Innovate),展示了從全球到中國的研究成果。自從薩提亞‧納德拉(Satya Nadella)2014 年就任微軟 CEO 以來,微軟確定了「AI 和雲為先」的戰略。4 年以來,微軟股價漲了 202%。

比起 Google 等同行,微軟的 AI 研究似乎「藏」得更深。除了會打電話、會寫詩和會聊天的微軟小冰,微軟的 AI 還做了哪些事?微軟對一些前沿 AI 應用的理解是什麼?微軟如何看待人們對 AI 的過度恐懼?以及,微軟為什麼不像 Google 那樣做 TPU 機器學習芯片?

「影片請看品玩文內」

圍繞這些問題,微軟全球執行副總裁、微軟人工智能及微軟研究事業部負責人沈向洋博士與 PingWest 品玩創始人駱軼航進行了一次對話,回應了關於微軟人工智能的終極「七問」。

人工智能應該被更溫暖地使用

駱軼航: 今天我們主要聊聊微軟的人工智能特色優點。我們會聊到一些 AI 教育、AI 應用和關注普適性、普遍性的問題。開始我還是想先請您講一個故事。

您跟羅徹斯特理工學院的 Brian Trager 在 Build 大會上有過對話,但 Brian Trager 本人失聰是聽不到的,而您當時講的中文。那麼兩個人是怎麼溝通的,原理是什麼?背後的場景和技術都是什麼樣?這個東西可能很多人都會很關心。

沈向洋: 是的,我可以給你講一下這個故事。Brian Trager 非常了不起,因為他天生聽不到。我以前對這些東西也不懂,跟他一起工作了兩天我才知道,失聰以後其實聽力是沒有反饋的,不像我們,講話自己還可以聽到。

雖然我們聽到的也不是完全真正的聲音,是通過耳骨傳過來的,但已經足夠好了。Brian 因為說話聲音沒有反饋,所以他講話的聲音就不太對,一般人聽起來覺得有點怪怪的。

羅徹斯特理工學院設立了一個非常好的項目,有很多專門培養聾啞學生的課程。他們後來知道我們微軟有相關的人工智能技術之後,就跟我們合作,在項目里加入人工智能技術。其中有兩大技術比較重要。

一類技術是定制語音識別服務。對於通用的語音識別,比如你講的話、我講的話,微軟的技術就可以聽懂,這是通用的模型。但是聾啞學生那樣的語音很特別,發聲很奇怪,可能以前模型里沒有蒐集到過這樣的數據。

所以,在微軟人工智能的認知服務裡面,我們提供了定制服務。這是我們的強項,可以用少量的數據令你做得很好。不光是語音識別,還有語音合成。

另外一類技術是翻譯。翻譯這一塊,我們做了很長時間,最近取得了非常大的進展。今天會場上黃學東博士演示的一款魔芋 AI 翻譯機,賣得非常好,後台就是微軟做的。

駱軼航: 所以概括一下,其中主要用的是兩個技術,一個是語音識別,包括定制化、識別特殊的人聲,通過大量的數據把它合成成普通人能夠聽得懂的人聲、機器能夠聽得懂的發聲;第二是翻譯技術。結合這兩者做到這樣的事情。

沈向洋: 其實很了不起。像我的英語,其實是 Chinglish;我的中文,也有南方口音。所以你提到 Brian 這個例子,今天我也很激動。

我們還有一個類似的例子。有一個叫做宋昊旻的南京孩子,從小就已經聽不到了。他非常了不起,唇語閱讀的能力非常強。他今天跟我做了一次交流,而且我反過來用英文跟他說話。

這是一件很感動的事情。我覺得更加重要的是,微軟讓人工智能有正能量。對盲人、聾啞人這類人群而言,技術上已經好到足夠的地步了。做人工智能不見得要完全從商業利益出發,我們很希望能夠做一些這樣正能量的事情。

微軟小冰會打電話是真的,但 Google AI 給餐廳打電話是真的還是假的?

駱軼航: 我們剛才提到了微軟兩個非常重要的引領性的 AI 技術,我很感興趣。這個牽出第二個非常感興趣的事——微軟小冰。小冰是一個溝通式、對話式的人工智能。小冰打電話這件事兩年前我們就見過,不過上周另一家總部在 Moutain View 的廠商(Google)也演示了一個很酷的 AI 的打電話的演示,當時我也在現場。

沈向洋: 很激動人心,那個演示得很好。

駱軼航: 能不能簡單評價一下,讓人工智能跟人打電話能夠做得很順暢、很無阻,聽起來不像是一個機器,最需要做到的東西是什麼?以及在這個方面微軟和那家公司(指 Google)做得更不一樣的地方是什麼?

沈向洋: 首先我覺得 Google 做得蠻好的。當時演示以後大家都非常激動,因為他做了一個全雙工(Full Duplex)。視頻演示出來之後,我們也去看了一下,認真學習了一下,其實是很認真地研究了一下。

這個跟我們在一年多、兩年前跟小冰打電話不太一樣的地方是在這裡:

第一,我們在中國做了以後,沒有想到把這件事情包裝一下,講的範圍更大一些。因為對整體技術的成熟度來說還比較早。我待會兒會講到裡面真正的技術難點。

第二,他們選擇了一個場景,這個特定場景對於用戶來講,能讓他們一下子就明白技術是什麼。

駱軼航: 但人工智能通電話不僅僅是給餐廳打電話。

沈向洋: 對,人工智能不僅是一個服務型的場景,它其實是一個專業領域。我們現在技術落地有兩個領域。

小冰是一個大眾領域,她是一個聊天機器人,你什麼都可以跟她聊。你打電話去餐館就是定餐,不會是跟餐館的人說我明天去哪裡旅遊之類的話題。所以相對來講比較容易一些,技術上的難點反而少一點。

如果要講到其他領域的事情,它就會講,你問這個問題我不知道,問的人其實可以理解這種回答。

人跟小冰一起聊天的話,總希望小冰慢慢變得越來越聰明,什麼都知道一些,但這需要時間。不過,我覺得這個特定場景是 Google 做得很好的地方,我們要不斷向他們學習,希望我們以後有更多更新的技術去做得更好。

既然大家這麼有興趣,我就再講一下我們剛發佈的「全雙工語音技術」,Full Duplex。

我們不光做了中文的,日語也做了,未來會把它推廣到英語和其他語言。最重要的是,我們會把這個技術開放給三方開發者,大家——包括其他的開發者——都可以用我們的技術來開發他們的應用。

駱軼航: 開發者開發後,會把它變成自己的專業領域的應用。

沈向洋: 對,為什麼大家覺得做「全雙工語音技術」很有道理呢?其實全雙工語音技術已經應用到一些 IoT 的產品里,比如小米之家。

從演示的視頻可以看出,你有沒有連續對話的能力,用戶有直觀的感知。不然老是講「什麼什麼同學」,問一句;接著講「什麼什麼同學」,再問一句;它只能是一個玩具。不像我們兩個人講話,不需要反復提及人名。講幾句提一個「Harry」好像親切一點,但不能每句話提一次。

在這些方面,大家逐漸在重視這個問題。如果我們把技術開放給第三方的話,對這樣的對話式人工智能的發展具有非常有正面的促進意義。

駱軼航: 我理解在人工智能對話中,雙方的努力點不一樣。微軟更多是大眾領域,Google 更多是先在一個專業領域。但是微軟正在努力把這個 Full Duplex 的技術開放給第三方,讓第三方基於大眾領域創造自己的專業領域。

這樣能驗證人工智能在不同場景、和非常特定條件之下的對話能力。

沈向洋: 我們也做專業領域,很努力地做專業領域。我們覺得有一些非常有價值的專業領域,比如客服。餐館訂餐當然也很有趣,但相對來說,客服的商業價值更加可圈可點。

其實我們非常希望 Google 能很快做出他們的產品,我們可以真正地試一下。最近我不知道你有沒有看到有人挑戰說這個演示是假的。

駱軼航: 對,結果第二天 Alphabet(Google 母公司)董事長出來講我們這個已經通過圖靈測試了。

沈向洋: 後來有一個媒體就挑戰說演示是假的,為什麼是假的?你聽整個對話當中一點噪聲都沒有。而且記者很認真,說你不是在 Mountain View 嗎?他就在 Mountain View 打了二十幾家餐館的電話。結果發現電話接通後,餐館的人一定會說「Hello,XXX Restaurant,May I help you?」但整個演示裡面都沒有。

那個記者很執著,就問他們能不能告訴我是哪家餐館,我要驗證一下是不是真的有人給餐館打過這個電話。Google 拒絕給出名字,記者就生氣了,說你是不是假的?Google 不肯回應。

我覺得這都是小插曲。技術肯定會越來越進步,但是現在肯定還會有很多難度。

首先是語音方面,接下來是語言理解方面,這是一個長期的過程。但有一件事情是肯定的,就是質量會越來越好——隨著數據越來越多,用戶越來越多,大家用得越來越多,毫無疑問質量會越來越好。

對人工智能來說,EQ(情商)比 IQ(智商)重要

駱軼航: 這很有意思,之前人們對於小冰的很多理解是娛樂性的:小冰跟我推測一下,我講的是哪一個人?小冰跟我聊聊天。小冰給我隨便打個電話。打一打電話,隨便聊幾句,給你祝賀個生日。

大家覺得這個是娛樂性的,但是大眾領域要做的東西很多,大家更多是期望看到在具體場景之下的應用。

小冰是 AI 一個出口,尤其是中文的角度。它有中文自然語義處理、語義分析,還有翻譯都要用進來。所以小冰寫詩,是對我比較震撼和刺激的一件事情。因為過去我們認為創作是人面對人工智能最後一道心靈壁壘。

前不久我跟劉慈欣聊天,我們說這個壁壘沒有了。劉慈欣開導我說,你不要這麼去想這個問題。你管它是怎麼創造的,管它有沒有情感,創造出來比你厲害不就夠了。

所以我非常想知道,我們為什麼要做小冰寫詩這件事情,以及微軟內部這件事情的看法,這件事情之後有哪些反思?

沈向洋: 這是很好的話題,這個話題可以聊很久。做小冰聊天機器人的時候我很支持。但一開始我總覺得聊天機器人這件事情可有可無,結果產品團隊跟我說:其實聊天是剛需。

後來我做了一下研究,原來真是這樣。一個人一天內,聊天要聊幾千句,女生還要再多一點。

中國互聯網還有相對特別的地方,就是網民中大概有三分之一,上網發表一個意見以後,從來沒有人回應。比如說一些到城裡來打工的人群,就算有一個朋友圈,大家相互之間的隔膜也比較多。

他們其是希望有一個可以相互理解、交流的過程。我同事說像你這樣的人,微信隨便發個東西,只有 200 個贊,就好像很不滿意。但是很多其他人不是這樣的情況,通常沒人理。所以後來我們做了聊天機器人。

其實小冰最最了不起的,是促使我們真正研究 EQ 這件事兒。我們今天整個大會議程里也專門提到了 EQ(情商)。人工智能是在增強人類智能,當然有不同的方法定義智能,你可以講 IQ(智商)和 EQ。但 EQ 究竟是什麼?它是有定義的,EQ 包括你自己的理解和別人的理解。

我們覺得小冰最了不起的事情,就是在所有聊天機器人裡面,對 EQ 這件事情是真正去建模、真正去研究、真正去實現的。再回頭講到,小冰有很多很多技能,像寫詩、唱歌,我們產品團隊的確有很多思路。

比如寫詩,在微軟亞洲研究院已經有很多年的歷史了。很多年前,我們做過一個對聯繫統,現在可以上那個網站還可以看到,出個上聯它給你對個下聯,還有橫批,對這個對聯不滿意還可以固定幾個字重新生成一下,做的還挺好。

後來開始有人說,說不定可以寫詩,比如寫個七律什麼的。而小冰寫詩,稍微有一點取巧了。因為創作的東西,最難的一件事情是創意,是 Cold Start(冷啓動)。而寫一首詩需要的是感覺,所以當時他們就走了一個捷徑——說那這樣吧,感覺在圖裡面,你上傳一張圖,我給你分析一下這個圖的大概樣子。

駱軼航: 這就是人和機器理解事物方式的不同,機器要從視覺識別才可能有「靈感」。

沈向洋: 對,從視覺識別開始的。我們有一個研究隊伍寫了一篇論文,講的就是怎樣從一張圖找出它的意境里的關鍵詞,再用這樣的一些詞串起來。寫的挺好。現在小冰寫詩越做越好,今天我們還跟中國青年總社一起合作做了一個工具,讓人和小冰聯合創作寫詩。我們希望在不遠的將來,選一批寫得很好的詩出來。我們相信以後人類和小冰可以共同創作,說不定可以創作出更好的內容。

駱軼航: 可能不只是詩了,人和 AI 一起創作關於 AI 的科幻小說。

沈向洋: 也可以的。人其實最難的就是出個初稿,有了初稿以後,你就有了一些想法,然後這裡改改那裡改改,越寫越好。我自己也和小冰寫過一首詩,就改了一些字。

我們講好,所有 IP 都是用戶的,小冰不會佔你的 IP,你直接發表。你改一個字改兩個字好也好,這都是你的 IP。所以大家都很高興,當時上了線一個星期還是一個月,就好像有幾百萬,我忘記那個數字了。

那個詩歌數量的總數,比中華人民共和國建國以來所有發表詩歌的總和還要多。

駱軼航: 所以機器下起棋來比人可怕,這是 Google 證明的,因為人和機器理解圍棋的方式是不一樣的,現在看寫起詩來也是。

沈向洋: 其實 AlphaGo 這個事情對亞洲人、對東亞人而言,不是觸動很大,而是打擊很大。我們小時候,小學進圍棋隊就很聰明瞭;中學進圍棋隊就說明你很牛了;你進了清華還能進圍棋隊那就不是一般人了。但在今天,這些都不算什麼了,因為機器隨便就能把你乾掉。我們小時候人家都說最了不起的、很聰明的,智能的,就是下圍棋了。

駱軼航: 既有意志又聰明,甚至有對哲學和「形而上」的感悟,現在這些東西徹底被消滅了。

沈向洋: 對,就徹底被消滅被殺害掉了。

駱軼航: 所以對亞洲人打擊非常大。其實小冰,它也瓦解了人們另外的一部分,就是人們覺得我智能上不能跟機器相比,但是創作上可以——現在這件事看起來也沒有那麼重要了。

沈向洋: 沒有那麼重要了。我覺得很多新生事物剛出現的時候,大家不是很清楚,不知道怎麼理解。

我小時候在鄉下長大,人家老講鄉下農民的故事:以前剛裝喇叭的時候,喇叭裡面播新聞,農民總是跑喇叭後面看看人在哪兒。新生事物大家總是得慢慢接受,我們沒有什麼選擇,我們是第一代跟人工智能共生存的一代,所以必須要找出方法和人工智能一起生存,甚至怎樣利用人工智能讓我們的生活更豐富。

想了解 AI,你需要來 Connect

人類對人工智能的過度恐懼,來自對「AI 服務於人類」的懷疑

駱軼航: 所以接下來說另一個我們想去探討的話題。您講的農民回到喇叭後面看那個事情,他是一種好奇,未必是一種恐懼。

我過去覺得中國是一個非常「Pro Technology」(熱衷科技)的國度,尤其是互聯網給中國過去十年的改變太大了,美國人相對保守一點。但是去年我發現整個全球範圍之內,人民對人工智能恐懼心裡普遍嚴重了。

而中國是對人工智能有過度的憂思。比如我正在跟媽媽聊關於裝修的事,怎麼突然某個工具給我推了一條裝修廣告,它是不是開啓了我的語音麥克風推了一個東西?

我們雖然知道不可能,但這種恐懼非常普遍。在美國,有 Open AI 這個組織,他們在過去一年反復提醒人們關於人工智能的一些警惕,比爾·蓋茨也曾參與過他們的一些討論,也與扎克伯格有一些爭論。

在中國,AlphaGo 給大家的刺激挺大的,大家知道機器的「可怕」了,所以有過度恐懼在裡面。我現在想瞭解的是,微軟包括您個人在這樣的一個過程中是什麼樣的看法和角色?

沈向洋: 非常好的問題,其實對人工智能的擔憂,我個人覺得有幾個不同的層次。

大概三年前,尼克·鮑爾森的文章就說,當 AI 出來,這個世界就要完蛋了。特別是他寫的很詳細什麼叫 Super Intelligence(超級智能),什麼時候會超越人類。

另外因為 AI 用了你很多數據,你覺得很恐懼,比如甚至會影響到大選和你平常的生活,這是另外一個層次。

微軟研究人工智能的技術已經很多很多年了。這些年我們開始做產品,做人工智能這些產品的時候,我們認識到,以後人工智能一定會進入到所有的產品里。

所以我們非常認真的思考一些事情,比如 AI 是不是應該有倫理道德,我們為什麼要做 AI?倫理這件事情,最基本意思是說,不能為所欲為,要有約束。

微軟對人工智能的觀點是很清楚的,做人工智能的目標是幫助人類,方式就是要讓人工智能普及化。

所以最重要的一點,是看大家是不是對這個事情足夠重視?微軟一年前成立了一個 AI 倫理委員會(AETHER),這個委員會把全公司的產品部門、業務部門,還有更重要的法務部門集合在一起,研究院的一個同事和法務部同事做聯合主席。

我們覺得這裡有多方面的問題。第一,偏見的問題,人工智能是不是公正的;第二,透明性,為什麼人工智能會是這樣一個情況;第三,可靠性,如果你利用 AI 導致了怎樣的結果,最後是誰來負責,是誰來做這個決定的?比如自動駕駛出事故了,往左邊會撞死一個老頭,往右邊會撞死一個小孩,那該往哪邊撞?或者往左邊撞的是一個人,往右邊是一頭豬,你會往哪邊撞?

這些事情,今天還沒有法律約束。再比如自動駕駛突然出車禍了,警察來了,你說我都蒙掉了。警察很同情你,他可以理解,肯定所有的事情都是預先編程在裡面的。但這個問題很嚴重,誰來負這樣的責任?

所以,有很多很多這樣的問題需要解決。我們剛起步,在這個行業中還需要大家認真對待、真正去研究這些問題。不光是高科技企業,包括社會、包括政府、包括法律,都需要不斷的跟上。

AI 不是互聯網上的「風口」,而是 next to 互聯網的下一代基礎設施

駱軼航: 其實微軟的人工智能,包括我們談到的對話式人工智能、翻譯、神經網絡、自然語義處理和分析,我們提到這些應用,還是在和人溝通一些層面上的應用。大家還沒有更多的往實際場景去做,比如自動駕駛,那麼微軟對這些事情的想法是什麼?

沈向洋: 首先,微軟是一個「藍領階層」的公司,我們做的都是比較初始的工作。我們一直都覺得微軟是一個平台公司,我們的使命是去予力全球每一人、每一組織,成就不凡。我們相信,能夠讓其他人做的好,就很好了。

說到自動駕駛,我們有很多技術應用在自動駕駛裡面。我們幾乎跟所有的車廠都有合作,但是自己沒有去做一個自動駕駛,然後把整個汽車行業顛覆掉。微軟不是這樣的方式。

我們在智能雲這方面有四大部分:

第一,認知服務。我們有一批 API,所有想要寫 AI 應用的開發者都可以用這個服務。第二,對話式人工智能。懂語言者得天下。這是人的交流,一定要對自然語言有理解。其實人的一生就是不斷在學語言。

第三,開放的平台和工具,讓你的開發更加方便。第四,基礎設施。特別是實時的人工智能基礎設施,讓開發者和企業,能夠用微軟的雲和 AI 進步得更快。

同時我們也對垂直行業很重視。比如,客服是一個巨大商機,不過現在沒有很好的產品和平台。另外,我們覺得必須要認真對待和鑽研人工智能醫療。在這方面,我對中國的情況不太瞭解,但美國現在全國 GDP 的 18.5% 是用在醫療上的。

駱軼航: 美國是相對來說比較高的比例。

沈向洋: 非常高。我老是跟同事開玩笑說,一幫老美,身體沒有比英國人好。英國一年只有 9% 的 GDP 用於醫療這塊,美國用於醫療方面的經費超過人家的一倍,也沒看到身體比人家好。所以我覺得,在這方面,AI 會給我們帶來一些新的機會。

駱軼航: 也就是說 AI 是相當於「互聯網」這樣的基礎設施,而不是互聯網之上的某一個「風口」?

沈向洋: 對,不是這樣的。AI 實際上是注入到所有的東西里去的。我最近經常跟美國一些大企業的領導交流,我老是跟他們講:你一定要明白一件事情——AI 到來的時候,你肯定會被顛覆掉的。

那時,你只會有兩個選擇,要麼被別人顛覆掉,要麼你就自己顛覆自己。

你自己顛覆自己的話,需要有技術合作夥伴。那麼微軟可能是一個很好的合作夥伴,我們可以幫助你,讓你自己能夠顛覆自己,走向一個新的自我。

基礎研究在雲和 AI 時代的微軟,比 Windows 時代有哪些不同?

駱軼航: 其實 2009 年左右我就見過微軟總部研究院的一些演示,我們會覺得這個東西好好,這個東西好有意思,但是就是沒法用,離現實有點遠。

那麼產品在哪裡?那時是 Windows 時代的微軟,前沿技術研究和現實產品的距離很遙遠,現在我們到了一個「雲和 AI 時代」的微軟。而且您身處的這個位置,又是從全球研發、基礎研究,邁向到商業化、產品化的角色。

現在,前沿的基礎研究和實際產品之間的距離,這個距離比過去大概有一種什麼樣的拉近嗎?

沈向洋: 這個問題非常非常好。這也是我自己不斷思考的問題。我自己比較幸運,可能我是很少幾個做過很多年非常深的科研——我博士以後進微軟大概做了 11 年自己的基礎研究——後來接下來 11 年在商業、產品也有經歷的人。很好談不上了。

我覺得很幸運有這樣一個經歷,life is a journey,這樣一個很好的機會令到我兩邊都可以觀察到。很多年來,我在微軟研究院一直提倡一件事情,叫做 Deployment-oriented Research(基於實施的研究)。

研究不是只是寫寫論文,而是在於你東西做出來了以後,應該把它建立出來,放出去。放出去最大的好處就是,你有了用戶,有了數據,你可以看到新的問題,甚至可以看到原來做的是不是真的有道理。

如果你真正是一流的高手,有幸到微軟研究院做科研的話,有一件事情是重要的——你是不是真正想做了不起的事情,這件事對這個社會,對這個行業,對這個專業會不會真正產生影響。公司里的小成功是必然的,問題就是在於你是不是追求一個大成功。

我舉一個例子,微軟在 Azure 上面做的一個我個人覺得非常激動人心的項目,叫做 Azure Sphere。它實際上是物聯網的一套整體解決方案,我們做了一個非常小的芯片。做嵌入式系統的時候,冰箱里會有這種很多很多這種小的東西,以前所有這種東西都不聯網,所以很便宜。而我們做了一些改變。

第一,我們把整個東西改進了,以後可以上網,並且是嵌入的。第二,它是安全的,一旦東西聯網了以後,最大的問題就是安全。所以我們首先做了一個安全的芯片設計,然後在上面做安全的操作系統,聯網到安全的雲端服務。

這個就是接下來大的風口。我覺得這是我們看得很清楚的地方。手機慢慢變成一個夕陽產業,手機整體的量已經往下走了,不要講 PC 了。

接下來大的東西在哪裡?肯定是物聯網,因為這些設備數目還在拼命漲,而且會越漲越多。這些可以連接網絡的設備,以後會給你帶來無限多的商機。現在已經是 90 億數量的級別了,但是到現在為止,不到 1% 的設備是互聯的。這裡面有一個非常大想象的空間。

一旦連起來,就有數據了,一旦有數據就可以做分析,一旦有數據就可以有智能,很多很多都可以連接在一起。我們做了四年的研究項目,一開始的時候,大家覺得這件事情不能做。

駱軼航: 離當時的現實太遠。

沈向洋: 我覺得很了不起的地方,就是到最後,還是有這樣的一批研究人員或者是工程師,想要做一些前人覺得做不了的事情。這個才是最最了不起的。

駱軼航: 如果沒有當年這樣基礎研究技術投入的話,今天就不會迎來這樣的物聯網連接的市場。

沈向洋: 對,需要有這樣的一個技術投入,而且你真的願意去做。為什麼我講 Deployment-oriented Research 呢?不是我有一個方法、有一個算法就結束了,真正有用的東西實際上是需要經過一個用戶檢驗的過程。

為什麼微軟不做 TPU?

駱軼航: 既然說到了芯片,看來微軟在芯片的領域,AI 和物聯網芯片的領域有一個更早的接觸和積累。這個非常有意思,我們隨便聊聊,微軟為什麼不做類似於 TPU(張量處理器,tensor processing unit,Google 為機器學習定制的專用芯片)這樣的事情?

沈向洋: 也有做。其實每家公司芯片都是心中之痛,都是在學蘋果,基本上就是做行業集成。大家可能不知道,微軟一直有做芯片,我們做有做 Xbox 的,也做 HoloLens 的芯片。

其實,剛才提到 TPU 和數據中心。我們走的一條技術路線跟 TPU 不太一樣,我們走的是 FPGA(Field-Programmable Gate Array,現場可編程邏輯門陣列)的道路。

今天我在會場也給大家放了一段 Real-time AI(實時人工智能)的視頻。FPGA 現在是非常適合在 AI 方面執行的。

AI 分為兩個部分,一個是建模,你會用很多 GPU 去運行。另一個是 AI 的執行,算法弄好了、調好了,你要跑起來,而且要跑得很快。我們現在 FPGA 整個這套體系做得非常好,已經全面鋪開。兩個星期前我們發佈了 FPGA,你可以把它想象成可編程的硬件。

我們也非常關注 GPU,因為一旦你的工作流很清楚了,你把這些東西帶到芯片層面,這是很正常的事情。

駱軼航: 是,但是這個過程也是需要錢的。到現在谷歌 TPU 那邊,還完全是自主的,完全沒有跟大廠合作生產,自己做。

沈向洋: 他們做了一個 TPU Tools。其實它技術上不是那麼簡單,還是有一些挑戰。比如說 Batch Size(計算批量),什麼樣的 Batch Size 才可以用到它這個性能做得更好。我們寫了一篇 FPGA 的文章,跟像 TPU 這一類的東西做過比較。

相對來講,微軟是有一些技術上的優勢的。但是做技術人都有自己不同的看法,真正的贏家是能夠把這些東西做到產品、做到服務,真正有用戶,真正有用戶能夠從中得益。這才是最了不起的事情。

(本文經合作夥伴 品玩 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈对话微软全球执行副总裁沈向洋:关于人工智能的终极“七问” 〉。)

延伸閱讀

Google 11 條準則建立 AI 高道德標準,是在維護正義還是在作繭自縛?
你的退休金應該要給 AI 操盤嗎?專業經理人:不好說
【蝦米吃掉大鯨魚】AsiaYo 如何利用 AI 取代 Airbnb ,成為亞洲訂房平台之首?


【徵求產業線編輯 3 名】

工作內容與需求:

1. 高度關注國際科技趨勢、台灣產業新聞
2. 根據月度編輯台企劃,執行編輯、採訪與撰稿工作
3. 進行線上、線下媒體策展
4. 根據不同策展專案進行跨部門溝通
5. 針對網站數據做解讀與優化分析
6. 具有 2~3 年工作經驗的媒體工作者
7. 習慣閱讀《彭博社》、《財富雜誌》、《金融時報》、《Fast Company》者更佳
8. 目標導向思考,對準目標、彈性工作

【應徵方式】

意者請提供履歷自傳以及「相關文字作品」,寄至 [email protected]。來信主旨請註明:【應徵】TechOrange 社群編輯:您的大名

點關鍵字看更多相關文章: