(本文阅读时间：10分钟)
编者按：2023年是微软亚洲研究院建院25周年。25年来，微软亚洲研究院探索并实践了一种独特且有效的企业研究院的创新模式，并以此为基础产出了诸多对微软公司和全球社会都具有积极影响的创新成果。借此机会，我们特别策划了“智汇对话”系列内容，邀请全球各领域顶尖专家学者，与微软亚洲研究院院长周礼栋博士共同畅谈研究文化，探讨跨学科创新，展望技术未来。
2022年，微软研究院成立了科学智能中心（AI4Science），专注于将科学发现的第五范式变为现实。前不久，周礼栋博士与微软技术院士、微软研究院科学智能中心负责人 Chris Bishop 进行了一次深入的交流。Chris Bishop 分享了他对科学智能中心的期待，以及 AI for Science 实践中的机遇和挑战。他们还探讨了在科学研究新范式崭露头角时，研究机构应如何转变思维，重塑科研文化，以促进跨学科合作，从而让科学研究对世界产生更积极的影响。
微软亚洲研究院院长周礼栋（右）与微软技术院士、微软研究院科学智能中心负责人 Chris Bishop （左）对话
周礼栋：非常高兴能与 Chris 进行这次对话。微软研究院科学智能中心（AI4Science）已经成立近一年了，团队的发展是否达到了你的期望？科学智能中心有怎样的发展规划？
Chris Bishop：成立科学智能中心是微软研究院的一次“实验”，我们还处在起步阶段，发展道路上必然会充满各种挑战，我们还有很多事情要做。但总体来说，科学智能中心的发展非常令人满意，我百分之百确定它的成立是微软做出的一个正确的决策。
我们都知道，科学的发展并不是在所有领域和所有时代都是匀速的，在某些领域在某些时期会出现爆发式的进步。毫无疑问，未来五年甚至更长的时间里，深度学习将会推动自然科学取得非常迅猛的发展。这也是我们开展这个有趣“实验”的原因之一——建立一个全球化的团队，专注于 AI for Science，我们的研究不受地域限制，这与微软研究院的传统组织方式有所不同。
AI for Science 的研究对微软至关重要，也是公司的战略布局。目前为止，科学智能中心的进展非常顺利，我们正以每小时500英里的速度向前奔跑，因为科学创新也是“唯快不破”。
周礼栋：微软首席科学官 Eric Horvitz 曾说过，微软研究院发展的关键原则是开放、合作和自由的研究氛围。多年来，微软研究院的研究员一直在这样的环境中工作。但近年来，使命驱动的研究成为了一个新的趋势，它与传统的开放、自由的研究模式有所不同。你认为如何在自由的研究和使命驱动的研究之间更好地取得平衡？
Chris Bishop：研究机构有很多不同的运营模式，不同研究机构多年的实践也证明了没有一种模式是绝对正确的，不同模式在不同的时期和不同环境下都可能取得成功。
1997年，微软开设了美国以外的第一个研究院——微软剑桥研究院。那时剑桥研究院只有三名员工，他们都来到了当时我所在的艾萨克·牛顿研究所（Isaac Newton Institute），邀请我加入他们。我大概只思考了几秒钟，就决定加入这个新兴的研究机构。
我之所以提到微软剑桥研究院，是因为它有一位杰出的创始人 Roger Needham。Roger Needham 从本科开始就一直在剑桥大学工作和生活。他按照自己熟悉的类似于大学的方式来运营微软剑桥研究院，比如相同的组织结构和激励机制。我认为这是一个正确的模式。如果是我，我也会采取相同的方法。
如今我们正处在人工智能、机器学习的时代，微软在这些领域有着领先的研究和产品，大家希望来微软工作是很自然的事情。但在26年前，微软要怎样吸引一个对机器学习感兴趣的理论物理学家加入一家软件公司呢？这样一种更加学术化的机制是吸引优秀科研人才加入微软的重要方法。过去几十年中，微软研究院一直稳步发展，保持增长，也建立了新的研究院。随后，我们进入了一个发展相对平缓的时期。
微软是一家坚信技术和创新都至关重要的公司，这也是微软研究院存在的根本原因。只有创新才能生存，而研究就是创新的源泉。因此，微软必须开展研究工作。问题在于，是需要一个独立的研究组织，还是把研究嵌入到产品部门中？我认为应该两者兼顾，事实上，微软也是这么做的。
两者之间的区别在于，微软研究院应该专注于那些只有我们才能做到的事情，也就是更具颠覆性和变革性的研究，尽管这些研究可能伴随着更高的风险，甚至在大多数情况下不能取得预期的结果。我们肩负重要的使命，除了与产品团队紧密合作，将一些技术交付给产品团队之外，还要作为一个独立的组织，开展更具雄心的工作，确保微软始终在创新的前沿。
周礼栋：如你所说，在微软研究院，我们做的都是非常前沿的工作，具有极大的风险。你认为如何改变文化，转变思维、心态或者工作流程，来支持微软研究院的变革，完成科学智能中心的使命？
Chris Bishop：首先，明确一个方向非常重要。我们已经定义了科学智能中心的使命，即通过深入的研究，对一些关乎人类命运的重大课题，包括气候变化、药物发现等，取得突破性的进展。想要对全世界产生积极的影响，在这些问题上有所突破，必须进行规模化研究，而微软提供了实现规模化研究和达到这一目标的理想平台。我们要将其打造成一个有前景的业务，并确保其可持续发展。
我们之所以如此兴奋，是因为我们可以通过积极的方式推动世界的发展。要想取得成功，我认为有三个要素至关重要：首先研究必须具备深度，这样才能在产品之外有所作为；其次，要借助微软的平台实现规模化，让研究更具可持续性；最重要的是，我们的研究必须对现实世界产生积极的影响，这也是我们最关心的。这些因素构成了我们当前工作的核心内容。
周礼栋：合作在当前的环境下非常关键。我们要如何鼓励大家进行合作？特别是在跨地区和交叉学科研究的背景下，如何通过合作取得更大的成就？
Chris Bishop：这涉及到自下而上和自上而下的研究模式。纵观微软研究院的历史，尤其是我所熟悉的剑桥研究院，所有研究员都有充分的自由，可以专注于自己感兴趣的问题，这是一种自下而上的研究模式，促成了百花齐放的成果。
现在很多事情都在发生变化。例如，机器学习初期的神经网络可能只有三四百个节点，而现在的规模已经超出了我们的想象。要取得世界级的研究成果，我们需要进行跨学科、跨团队的全球合作，这需要出色的项目管理。
因此，我们也需要融入自上而下的模式，但这并不意味着我们要告诉研究员应该从事哪些研究。研究员们都非常聪明，对自己的领域了解更多，管理层的作用更像是倾听者，并提出自己的期望。
这也涉及到如何激励人们更好地开展团队合作。我们鼓励大家更大胆和更具雄心，冒险就意味着有可能失败。但是如果一个团队团结一致朝着合理的目标努力，即使最终因为无法控制的因素而失败，我认为这是可以理解的，团队也应该获得奖励。而在微软，这也不是难事，因为我们的三条相互关联的奖励原则中，只有一条是关于个人技术贡献的，另外两条都与他人协作有关，我们会奖励那些在团队中合作的人。
当然，合作也意味着要放弃一些自主性、自由和能动性，但有时我们确实要做出妥协，以获得更大的回报。有时候看似放弃一座金山，实际上可能会获得更宝贵的财富。换个角度看，我们不必独自发表大量论文，而是可以加入一个更具影响力的团队，成为一篇颠覆性的论文中的众多作者之一，与他人一起改变世界。
在协作方面，科学智能中心就面临跨时区工作的挑战。我们的全球团队分布在三个不同时区，这可能给团队成员带来很多困难，我们需要在实践中找到一种更明确和更本地化的工作流程。我认为，拥有优秀的项目管理专业知识可以帮助我们梳理工作流程，以更异步的方式思考，我们会逐渐提高效率。在微软研究院30多年的历史中，这也是前所未有的一次尝试。
周礼栋：我们注意到当前研究领域的一个显著变化是，我们的研究已经超越了计算机科学的范畴，跨学科的研究变得越来越重要。你一直在推动不同领域和学科之间的交流与合作，请分享一下你在跨领域和跨学科工作的经验，以及我们要如何弥合跨学科之间的鸿沟？
Chris Bishop：这是一个我们仍在不断探索的问题。在为跨学科研究而努力的过程中，我们领导团队意识到，要将人才聚集在一起，需要转变思维方式，从强调不同学科形式化结构上的区别，转向以使命和任务驱动。如果我们的目标是在现实世界中应用人工智能，那么我们不仅需要机器学习，还需要工程学知识。同时，我们还必须考虑人工智能对人类的影响，这就需要社会科学的参与。
我们正在努力将不同的学科融合在一起，但必须承认，这些学科之间存在着很多差异。同时我们还要面临不同的语言、文化，跨区域协作等多方面的挑战。这些问题都很棘手，有时候需要放弃一些东西，虽然困难，但却是值得的。因为只有通过真正的跨学科合作，全球化的运营、吸纳不同学科、不同地区的顶级人才，才能做出真正能够改变世界的研究成果。
我没有所有问题的答案，但我们有一个明确的愿景，我们也清楚地知道只有通过团队协作，我们才能取得成功。我们已经踏上了这条困难重重的道路，并将坚定不移地砥砺前行，寻找解决问题、改变世界的途径。
你也许还想看：
继续阅读
阅读原文
关键词
机器学习
微软研究院
问题
领域
团队