|
华刚：在微软，我们有一个研究的周期（cycle），在选题（研究方向）、实验等各个环节，花费时间和精力最更多的其实是在选题上。2001年我还在西安交通大学读研究生的时候，沈向洋博士到学校做了一个报告，当时他提到：最好的研究员发现新问题，好的研究员创造新方法解好问题，一般的研究员跟随别人的方法解问题。也就是说，创新是研究的本质，只要你把问题或者方向想清楚、想透彻了，别人还是很难catch up的。当然，你说的被人抢先发表的情况偶尔也会有，那就是执行力的问题了。 以下是微软研究院软件工程研究（RiSE）组研究经理Thomas Ball在今年，也是他进入微软第17年写下的文章《微软研究院的产业研究周期》（Microsoft Research and the industrial research cycle），介绍了微软研究院的Research Cycle： 微软研究院不仅为你提供了如学术界一样充分探索和增进科学知识的自由，也需要你将自己的科学追求与公司的问题结合起来，致力推动微软的发展，这一要求也会随着你的年资增长而提高，这也反映了微软研究院在推进科学前沿研究的同时也要给公司带来正向推动的双重使命。
Thomas Ball写道：“［微软研究院的］研究人员可以自由地选择研究问题，并在各自学科（周期的左侧）探索，从而推进科技的进步。同时，他们也有责任和机会在进行了充分探索后，将注意力集中在他们认为可能对公司（周期右侧）产生影响的领域。理想情况下，研究人员对科学研究问题解决方案的探索最终会对公司的技术应用产生影响。” 在如上多次循环的过程中，研究人员的个人影响力如下图中的阴影面积表示：横轴表示科学影响力，纵轴表示对微软的影响力。在初期探索阶段，个人影响曲线的形状一般是水平的，因为主要受众还局限于科学界；后期在找准方向开始专注的阶段，个人曲线的形状通常是垂直的，并且建立在先前探索阶段的基础之上。
Thomas Ball还在文章里写道：“我们鼓励研究人员积极著述，但微软研究院并不强调发表数量。质量是我们的首要目标。” “微软研究院在科研上的投资可能不会立即对微软产生影响，但从长远来看将为公司培养新的力量/能力。要将科学结果转化为公司影响力离不开协调而长期的努力。”
计算机视觉发展：AI各子领域合久必分，分久必合 新智元：此前新智元采访李开复老师，他提到优秀企业的稀缺造成资本过度追逐，仅做人脸识别的初创公司估值接近独角兽不合理。李开复还预计一年后计算机视觉会出现一个短暂的寒冬。您认为单做人脸识别的创业公司价值如何？一年之后计算机视觉会迎来短暂的寒冬吗？ 华刚：我尊重李开复老师的看法，但我持比较中立的态度，主要是我对这些创业公司的具体业务细节并不是很了解。单从技术角度说，计算机视觉发展这么多年，作为一项生物识别技术，在图像识别、金融、安防等很多领域技术已经成熟，到了可以商业应用的阶段。我对计算机视觉商业化一直有自己的兴趣，最近也进行了一些深入的思考。在微软计算机视觉多年积累的基础上，我今后的工作有一部分也会关注将相关技术产品化，参与相关商业化策略的制定和整合上面。 从商业的角度看，在亚洲做人脸识别整体而言是有优势的，主要是公众对个人隐私的关切度相比之下没有那么高。实际上，美国政府早在30多年前就开始了人脸识别项目，联合了政府、高校、研究所等众多机构的力量。然而，这么多年的投入，在民用领域的应用并没有特别多——在美国，人脸识别主要还是用于国土安防和反恐等政府应用。在中国，人脸识别的民间应用渗透度很高，前段时间不是有新闻提到，北京天坛公园卫生间里安装了人脸识别系统限制固定时间内用户取纸的数量么？，抛开别的不谈，我认为这可是一个巨大的商机（笑）。 (责任编辑：本港台直播) |
