深耕AI領域17年, 比爾·蓋茨寫郵件感謝他對微軟、對AI做出的貢獻

2017年11月，“共享科技，連接跨越”聚合大會在蘇州落下帷幕。來自微軟（亞洲）互聯網工程院常務副院長張祺，發表了“人工智能賦能商業”的主題演講。會後創業邦對張祺進行了專訪。

由張祺帶領的團隊和微軟亞洲研究院（負責人王堅博士，現任阿裏巴巴技術委員會主席）合作開發的Windows7手寫輸入識別率技術，實現重大突破。並且把訓練速度提高了250多倍，意味著以前要跑1天的數據，現在5分鍾左右就能完成。

此番貢獻，使得張祺獲得了比爾·蓋茨的關注和賞識，比爾·蓋茨從微軟退休當天曾特別給他發郵件表示感謝。

對於人工智能，犀利觀點如下：

環境在變，算法在變，精準的結果也在變，用戶的體驗、用戶的需求、期待值也在變，技術在更新，你永遠不可能到達100%，永遠有改進空間；

AI要有同理心，AI要有它的行為的準則。AI第一設計準則就是我們要提高人類的聰明才智，而不是代替人類；

這次浪潮AI非常不一樣，技術的壁壘到底在哪兒，其實這件事情是可圈可點的，很多東西都是開源的，基於以上情況初創企業和大公司的距離被無限拉近；

10年以後，真正的大公司，今天你可能連名字都不知道。今天大的公司如果不能很好的把握這個機會，10年之後很可能就已經沒有名字了。

以下是采訪實錄：

記者：張院長您好，感謝您接受我們的采訪。能否先請您分享一下今天您演講的主要內容？

張祺：今天演講的內容主要是關於人工智能（AI）賦能商業的一個分享。AI發展很快，但在真正賦能商業方麵，我覺得做的還是不夠。在AI賦能方麵，有哪些場景是需要嚐試的，有哪些需要注意的方式方法，通一些案例和大家分享，希望能夠獲得業界更多的關注。

記者：請您介紹一下微軟在商用AI方麵的應用。

張祺：主要體現在視覺、語音識別、自然語言等方麵。微軟在技術方麵還是非常強的，我們可以做很多需要做的事情。

在產品上的投入大概可以分成三類：第一類，純粹的AI產品，包括微軟搜索引擎、小冰這樣的具有EQ的對話機器人等；第二類，通過AI技術去賦能現在微軟現有的產品，通過AI的技術把微軟現有的產品做的更好，比如實時翻譯插件等；第三類，怎麼樣把AI當成一個解決方案的方式賦能商業，就是剛才講的商用AI，通過這個方式，能夠把AI的能力更好的賦能給一個企業。

記者：我查了一下微軟主要有兩個AI研究院，一個是微軟研究院，一個是微軟亞洲研究院，它們和您所在的互聯網工程院之間是一個怎麼樣的協同關係？

張祺：研究院更偏向基礎研究，他們做的有些東西不會立即產品化，有可能是5年以後、3年以後，才真正具有產品化這樣的一個機會。工程院更偏工程，偏向真正發布的產品。

今天兩個團隊合作非常緊密，這也是我們非常強的一個方麵。通過工程院和研究院的合作，能夠把前瞻性的技術更好地用在產品裏麵。對於研究院來講，產品團隊能夠給他們提供一些AI的數據的反饋，沒有數據支撐AI很難做。同樣，有實際的場景能夠把數據反饋出來，通過工程的方式，把它們的算法、研究能夠更好的落地，這實際上是一個相輔相成、雙贏的關係。

記者：微軟聯合Facebook一起發起了“ONNX項目”，華為、IBM、英特爾也都加入了這個合作協議，能不能具體說一下這是一個什麼樣的項目？有哪些企業加入進來了？除了這些大的巨頭，還有哪些負責小的項目到一個什麼樣的企業？

張祺：這是一個關於“開放神經網絡交換和性質互換”的協議，由微軟和Facebook一起發起。

一個平台上訓練的神經網絡結果，是很難在另外一個平台運行的，這就帶來很多不方便的因素。兼容性是非常重要的，開放的神經網絡互換協議是讓大家在有一套協議的基礎上，能夠允許一個平台上訓練的模型，可以無縫的在另外的一些平台運行，這樣就給大家開通了很大的可能性。

當然，目前還是比較早期，具體怎麼樣把它真正的落地，能夠讓用戶、各個企業受惠，還需要大家一起投入。這個想法，我覺得是個非常了不起的事情。

記者：聽說比爾·蓋茨先生在微軟離職前的一天在給您發了一封郵件，以此感謝您對微軟做出的巨大貢獻。由您帶領的團隊和微軟亞洲研究院合作開發的Windows7手寫輸入識別率接近完美，您能給我們介紹一下這是怎樣的一種突破嗎？

張祺：這個現在想想還是很自豪。當時微軟在推平板電腦，微軟在平板電腦方麵是非常領先的，領先於蘋果。我們從硬件到軟件到數據識別，包括智能數控方麵做了很多很前瞻性的研究和產品的實踐。

這是一個很好的和研究院合作的實例，當時我們在這個部門專門給微軟做平板操作係統，到後來變成了Windows7的手寫識別。這是和王堅博士的合作，另外王堅博士團隊裏麵有一個很資深的研究員—張冬梅博士，她現在是微軟亞洲研究院的副院長。

這個輸入識別的精度有幾個難題：

文字的精準識別。僅僅我國就有兩萬多個漢字，怎麼樣能夠把這兩萬多個漢字以精確的方式把它識別出來，在當時就是很難的技術，何況全球有多種語言；

速度。GPU顯卡的訓練現在非常熱，但是在那個時候，我們就已經能夠做GPU深入轉基因的訓練。通過GPU顯卡的訓練，把序列效果速度提高了250多倍（因為文字不同，每個版本提高的速度也不一致，250倍隻是一個估數），意味著以前要跑1天的數據，現在5分鍾左右就能完成。

比爾蓋茨對這個比較關心，恰好趕在他在微軟的最後一天得到了非常好的結果。我給他發了封郵件，說了一下現在的成果。大概二三十分鍾後，我收到了一封來自比爾蓋茨的郵件，使我非常感動。我當時坐在辦公室裏麵，十幾分鍾說不出話來。

記者：取得這麼大的成就，研發周期有多長？

張祺：當時我們蠻大的一個團隊做了好幾年。像搜索引擎、AI這些方麵，都是要上千人、上萬人的團隊要做好多年，才能取得巨大的成果的。

環境在變，算法在變，精準的結果也在變，用戶的體驗、用戶的需求、期待值也在變，技術在更新，你永遠不可能到達100%，永遠有改進空間。

記者：AI發展到一定層麵的時候，在哲學、人性上可能是不容易被接受的。您覺得哪些地方AI是需要控製的？

張祺：微軟在這方麵其實想的還是很多，比較深刻。我們一直強調，AI要有同理心，AI要有它的行為的準則。AI第一設計準則就是我們要提高人類的聰明才智，而不是代替人類。我們希望我們的合作夥伴、商家變得成長更快，讓他們變得更有成就，而不是代替他，這是很重要的。

另外一個關於透明度、隱私性。包括數據怎麼用，其實都有一個很強的道德準則。不光是政策上，還需要體現在法律上，而且也需要社會上的道德規範來影響。我們不光要把它的技術用好，而且要把它對社會的影響用好。

記者：您已經在AI領域深耕17年了，可以說非常資深。AI發展史可以說經曆了幾次潮起潮落，那麼您認為這次AI又怎樣的特點？

張祺：講幾點我自己的看法。第一，我覺得這次的嚐試是非常真實的一次，因為大數據、互聯網、IoT互聯網，這個大數據的數據的量是無與倫比的，你可以學習的樣本很多。

第二，雲計算的計算能力大大提高，以前即使有數據的話，你算不了，或者沒有數據給你算。現在有這樣的計算能力，你就可以做更多的事情，做更多的探索。

第三，算法方麵的進步，比如現在的深度學習，深度學習在AI方麵是非常重要的技術。這不光是算法上的更新，包括在一些和常理結合的功能的優化，怎麼把它便利，能拿到的數據通過算法把它發布出去，體驗提高了以後，能夠得到更多的數據。這樣的話，整個螺旋式上升的過程會越做越好。

記者：AI是一個非常浩大的工程，對技術要求又比較高。巨頭紛紛入局，對於初創企業來說，直接切入AI，您覺得還有希望嗎？或者初創企業從哪些細分領域切入可能性會更大？為什麼？

張祺：其實我對這個問題很樂觀。

可能有一些方麵你真的需要很大的財力，多年的積累去做，這些方麵是對創業公司一步介入可能比較難。就跟非常龐大的幾家公司去競爭可能很難做。但是現在有幾點不太一樣的地方。

第一點，很多的東西是開源的，這次浪潮AI非常不一樣，技術的壁壘到底在哪兒，其實這件事情是可圈可點的，很多東西都是開源的。比如像剛才講的，我們在“普惠AI”項目能，整體是把很多的東西已經賦能給大家了，在這種情況下，基於這些功能前提下，其實初創企業和大公司之間的技術上的壁壘是被無限拉近的。

我覺得更大的機會是在場景和實體經濟的融合，和行業的緊密結合，這方麵我覺得是初創企業應該集中量關注和發力的地方。

還有一點，要看這個領域的盤子到底有多大，機會有多大。痛點在哪裏，可以改進的空間有多大，現有的這些有誰在裏麵做的很好，你是不是進去以後能把現有的模式顛覆掉，用什麼樣的方式顛覆，這個方麵是要考慮的。

在這樣大的變革裏麵，我對這個機會的看法一定是非常樂觀的。10年以後，真正的大公司，今天你可能連名字都不知道。今天大的公司如果不能很好的把握這個機會，10年之後很可能就已經沒有名字了。

記者：非常感謝張祺院長今天能夠接受我們的采訪，感謝。