供职23载！沈向洋将于2020年1月1日离职微软（附沈向洋最近演讲）
沈向洋
北京时间11月14日凌晨，美国时间11月13日，微软发布内部邮件写道，经过一段时间的计划和安排，现任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的沈向洋将于2020年1月1日正式卸任微软全球执行副总裁。
微软现任CTO凯文·斯科特（Kevin Scott）将接替沈向洋的职位，任命立即生效。
微软 CTO Kevin Scott
微软CEO萨提亚·纳德拉盛赞沈向洋给微软带来了深远的影响，在计算机科学和人工智能领域留下了遗产，为未来创新打下了坚实基础，并感谢沈向洋给微软带来的贡献。并称，沈向洋正式离职后仍将继续出任纳德拉和比尔·盖茨的顾问。
不过，美国公司核心高管离职时继续担任顾问这一虚职，是惯例操作。
北京时间11月14日凌晨2时，“Microsoft资讯”官微分别推送了沈向洋的告别信、以及微软大中华区对沈向洋的感谢信。
沈向洋告别信全文：
微软大中华区致沈向洋感谢信全文：
现在回味起沈向洋在2019年8月30日下午WAIC微软亚洲研究院AI for AII分论坛上的演讲，当时认为是沈向洋对微软亚洲研究院的一个工作内容介绍，现在看，更有几分沈向洋对过去20余载工作的一个大总结。
附：2019年8月30日下午，沈向洋在WAIC微软亚洲研究院AI for AII分论坛上的全文演讲：
沈向洋：非常谢谢洪院长（洪小文），很高兴能够在今年的“二十一世纪的计算”大会上和大家一起交流下最近在微软研究院，全球一直在做的一些工作。
经常有人问我，说微软研究院到底在做什么呢？实际上我们都是希望致力于解决未来得问题，实际上在微软亚洲研究院有三个方面的事情一直很专注。
第一件事情在计算机科学方面不断地向前推进，到底最高水准的科研在哪里？对我们来讲基础的科研是非常的重要。
第二我们是企业界的研究院，我们希望把最好的技术用最快的方式转化融入到微软所有产品里面，在过去20几年中，微软所有的主流产品里面都有微软研究院了不起的技术在。
第三为了公司的未来，我们同事一起，甚至和客户合作伙伴一起在思考，到底还有什么样新的创新？新的技术？甚至是一些新的商业模式一起可以和大家为未来得产品真正做出这样的研发。
微软研究院大家都知道，是全球的范围当中，我们一共有8个研究院，分别分布在美国、中国、印度、英国、加拿大、当然我非常高兴的是去年宣布了微软亚洲研究院上海在这里去年人工智能大会上宣布了，洪院长都在非常努力的积极筹备微软亚洲研究院（上海）这边的工作。
大家可能问我，你有一千多名科学家，到底在做什么项目呢？基本上计算机科学所有的方向都在做，这个PPT也不是我故意把字弄的很小，实在是我们做的项目太多了，各个方向都有，包括也做社会科学和计算机科学方面交叉的项目。
我先给大家讲第一个过去一年当中做的非常有意义的工作，第一个有意义的工作是在存储方面，我们用磁带、硬盘存储，用SSD存储，我们还在想一些光学存储的问题，但是我们发布了用DNA硬盘做存储，有什么了不起的地方呢？今天像一个仓库这么大的数据中心，我们用DNA的存储可能只要半张麻将牌这么大。
第二个是云计算方面的工作，大家都知道云计算是非常庞大的数据中心，通常都是在一些气温不是很高的地方，我们做了一个非常了不起的工作，是在海底下的数据中心，你可能问海底下的数据中心为什么要做这个事情？最重要的是快速部署能力，大家可能都知道，全世界大多数的人口都居住在海岸线边上附近100公里的地方，当我们需要有一些活动，比如说举办奥运会我们很快在附近部署新的数据中心，那今天大会的主题是讲AI，最近AI的发展日新月异很重要的一个方向就是做了很多很了不起大的AI的模型以后，怎么样真正的AI出来的结果是可解释的？最近微软研究院做了非常好的InterpretML解开这个之谜，开源的结果在网上可以看到。
最后一个是我们为什么强调AI FOR ALL，技术对每个人生活的影响。很多人因为身体的原因不是很容易用我们现在已经有的工具，比如说盲人孩子也想学编程，其实是可以靠触觉，用感知的砖块大小也可以用这样的方式帮助孩子学习编程，创造了一套工具可以帮助有需要的孩子。
微软研究院在整个的行业当中的确是独一无二的，事实上大家都不知道，在28年前成立微软研究院的时候，并没有像今天这么庞大，28年前1991年我们成立微软研究院的时候，微软当时的营销只有10亿美元而已，但是当时比尔盖茨先生就有这样的愿景，为了公司未来得发展，必须有一批聪明的人，真正的在钻研技术，想到未来会发生一些什么样的事情，能够为公司的未来先做好铺垫，我自己这么多年非常喜欢盖茨讲的这句话，“大部分人都高估了自己在一年里能做到的事情，同时却低估了自己能在10年里取得的成就”，这个道理很简单，如果你找对了方向很有可能是指数性的，在10年当中的发展是非常的迅猛。
所以在微软研究院我们就有这样的一个很了不起的环境，不仅是说我们在想接下来的一年两年三年应该做什么？因为作为一个公司来讲，接下来的一年到两年的工作，产品部门已经有很好的计划，在这样的一个所谓的短期的视野里面，微软研究院把以前开发很好的技术可以怎么样的和产品部门的人很快的结合，实际上在微软研究院，因为我们可以不会被这个产品所托住，那3年以后这个产品是什么样的？我们就想有可能以后做的产品，会不会5G起来以后到底发生什么样的情况呢？到底在这个里面令我们从通讯，运算，存储之间到底怎么样思考这个问题呢？我们能不能走第一步，产品部门接过去。
因为我们是微软研究院我们可以做一些东西，完完全全是大家不太清楚的东西，比如说量子计算，截止到今天量子计算机还没有真正出来，但是我们已经投入10几年的时间，我们有这样的机会在研究院可以想三个短期的视野里面，我们也可以招非常多的聪明的科学家，包括学生实习生一起来做这样的了不起的工作。
我这里用一个简单的例子跟大家介绍一下，如果你能够思考这三个很长视野的情况下可以做一些什么了不起的东西？我举个大家很熟悉的，微软深受喜爱的产品是增强现实的全息眼镜，这个产品的发生跟微软做了那么多的基础科研是息息相关的，2000年的时候我们就做了很多计算机视觉方面的工作，而这些工作是奠定了基础，是后来做3D的传感器，3D的传感器在2010年出来了以后，一开始是用在游戏机里面，但是我们在英国剑桥的研究员就起来了一个很好的项目，既然有这样的3D传感器可以多放几个，就可以把整个的三维的环境重建出来，这是2011年的时候。2012年的时候剑桥研究院的同事们又起来了一个概念，就是虚拟的物体可以在真实的三维场景当中无缝拼起来。这样的项目是鼓励引导到我们产品部门的同事思考全息眼镜怎么样研发里面的技术。
到2015年的时候全息眼镜正式第一次发布，今年我们这个会有全息眼镜2版本。所以这是一个很好的例子，最近的进展是非常的神速，我给大家放一段视频，今天用全息眼镜2能够做一些什么样的场景和体验？
这个是最近刚刚做的演示，可以把整个的同事的三维重建起来，而且不是静态的，而是整个动态的系统。从做科研的角度来讲，必须要长期的投入，事实上我们在人工智能方面，微软研究院已经有20几年，实际上从微软研究院成立的第一天起就已经在人工智能方面做了很大的投入，一开始成立的3个组，就是自然语言处理组，计算机语音组，还有计算机视觉组。这几年有很大的突破，里面很多的工作在洪院长他们团队做出来的，包括2016年的时候微软研亚洲研究院做的96%的精度，到2017年的时候，我们做计算机语音识别做到5.1%的误差，也是达到了人类专业速记员的水准，甚至在翻译等等方面都取得了进步。
谈了这么多的方面实际是在游戏AI的发展，昨天大家听到我在人工智能大会主题演讲时候讲到的，我们最近在游戏AI方面的最新的突破，是我们刘铁岩研究员团队做的工作就是麻将AI，是非常有意思的事情，因为是我们全民体育运动之一，我们做出这样的麻将AI，在天凤的平台中荣升10段。
今天我给大家具体讲一下，我说麻将AI这个事情很困难，难在哪里？横轴是可以观察到的状态空间，比如说跳棋是10的21次，这个已经被人解掉了，然后就有人做国际象棋，状态空间是10的46次方，后来大家觉得围棋没有办法做，10的127次方，这个太大，也是最后要用一些新的深度学习的方法，两年前可以做到这样的效果。
刚刚过去的几个月，又做出来德州扑克，虽然状态空间没有围棋那么大，但是里面开始有隐藏的信息，因为跳棋，围棋，象棋什么东西都可以看到的，而德州扑克还有一些牌你没有看到，隐藏空间就是纵轴是10的三次方，所以这个问题就难解，而打麻将隐藏空间变的非常大，10的48次方，这个就是为什么这个事情难做的地方，我看网上大家的评论为什么麻将比围棋难，你今天听了我的演讲可以跟你爸爸妈妈解释一下。
以后也就追Suphx微软麻将AI，里面有核心的技术，今天没有时间展开讲，大家可以网上读刘博士发表的文章，当然处理的方面是这样的，第一是海量的隐藏信息，我们用的做法是做先知教练，可以看到所有的牌打的时候应该是什么样，但是你打的时候是没有看到的，但是有一个先知教练可以看到的，这个可以当训练数据。
还有复杂的奖励机制，因为打牌的时候不见得每一副都要赢，胡大一点胡小一点等等。这样就可以用全盘预测的方式，当然还有一个是巨大的状态空间，所以还有自适应的决策，再加上深度强化学习，把所有的东西串起来。
很多人就问，为什么要做麻将AI这样的技术呢？实际上这里面有很多的真正的AI本身的技术在里面，比如说如何有效的处理不确定性？如何帮助人类去学习和提升技巧，不光可以做游戏AI，还可以引申到其他的应用场景，这个是学术届的人士讲的。我觉得做麻将AI的可以影响一批人。
人工智能的发展的确了不起，以前不可思议的事情今天可以做到了，但是在这样发展迅速的同时也有很担忧的事情，人工智能的发展可能带来的社会影响，可能对我们带来的种种挑战，特别是人工智能大家很担心的事情，跟以前很多的技术创新不太一样的地方，以前的很多技术创新只是体力的延伸，人工智能的创新是脑力的延伸，所以大家也是非常的担心，事实上我们的的确确很早开始思考这个问题，早在2016年的时候，我们CEO就已经在想这个问题，和研究院一起，当时在2016年的时候发布了微软人工智能的6条准则，2017年微软也出版了一本书《计算未来》对人工智能发展的道路上可能引发的道德法律思考和社会的影响，包括以后的工作的问题进行了全面详实的讨论，一直也是希望能够在我们的未来，微软做所有的人工智能的产品，每个人工智能的产品都能够通过人工智能相关的道德伦理的审查，我们也在推动，特别是和政府，相关的法律法规的一些讨论。
微软人工智能6条原则到底是什么呢？第一条是公平，第二条是可靠和安全，第三条是隐私和保障，第四条是包容，第五条是透明，第六条是责任。
我们在以后开发和应用人工智能当中，一定要始终坚持遵循这6项原则，我们高兴的看到，特别是今年欧盟政府，中国政府也都已经公布了人工智能道德伦理的一些准则，大家已经关注到事情的重要性，当然准则很重要，大家看到有广泛的共识，但是光有准则没有用，最重要的是怎么样真正在做人工智能同行们，做的时候怎么样遵守原则真正的实践起来，这个也是为什么在微软内部成立了一个伦理道德的委员会。研究人工智能道德的缩写，内部的委员会不仅仅有工程师和科学家组成，还有一些其他的同事，比如说法务的同事、比如说HR的同事，加上一些相关的领导，负责对微软内部对人工智能整体的伦理道德相关的事情进行探讨和评估，因为有太多的事情，我们今天并不见得是那么的了解和理解，比如说人脸识别的问题，比如说隐私的问题，比如说技术越来越好以后造假的问题。
为什么这个事情这么重要？为什么要有伦理委员会？到底是怎么样的事情？原因是因为大家都在讲人工智能会不会产生偏见？大家也在讲，大多数今天有用的人能够做出来的人工智能都需要很多的大数据，大数据从哪里来的呢？要训练一些，从大数据训练一些新的模型，但很多的时候，事实上这些大的数据，我们在网上搜集，人类历史中国5000年下来有这样多文字的东西，实际上是人类把自己的思想写到了纸上，今天变成数字化的东西，不可避免带来这么多年自己本身带来的偏见，最近微软新英格兰研究院的同事们做了有趣的工作，是自然语言处理里面的单词嵌入的工作。他是在想所有的这些文章，所有的字字之间有一定的关系在里面，这里面可能就有偏见，你想想没有什么错，因为大家平时都是经常这样讲，但是今天要做人工智能，还可以教育到人工智能不要有这样的性别歧视的问题，接下来举个例子，你可能还不见得那么认识到这个事情的重要性。
比如说我们做了人工智能的系统，是去做这样的所谓的Job classification我们用了27个不同的职业，我想强调一下没有一个职业是慈善家，有一个人她老公叫比尔盖茨，她如果把这段字送到系统里面，系统就会分类预测出来，说你把这段话放进去，这个人好像应该是老师，但是你如果把这段文字里面所有的She变成He，所有的her变成his，那这个系统出来之后这个人可能是律师，什么都没有变，只是把She变成了He，所以大家是不是看到有点问题了？什么内容都是一样的。
原因是什么呢？在整个Word Embedding（词嵌入）里面出问题了，比如说有一家公司是苹果，也有一家公司是微软，苹果对应有一个词叫Cupertino（总部所在地），微软就有一个对应的地方是叫Redmond（微软总部所在地），所以有这样相对应的词。在Word Embedding还有这样一个词Proximity，比如说苹果和微软比较像，他们俩为什么比较像呢？微软是世界第一大市值，苹果也不错是世界第二大市值。比如说两个人的创始人也很了不起，比尔盖茨了不起，苹果的创始人也了不起，所以这个是很重要的。我把这个基本的道理跟你讲清楚以后，我再给你用真正的例子讲讲里面的严重性。
比如说用最简单的例子，She is a sister（姐妹），He is a brother（兄弟），那如果She is a nurse（护士），那He is a doctor（医生），那这里就已经开始有点问题了，我先给大家提示一下。那再说，She is a homemaker（家庭主妇），那训练出来的模型就说He is a programmer（程序员），这就有问题了。然后She says “oh my god“，而He says “WTF”，那这个就不太好了，我想在座的男同学都不会太讲这样的话。
接下来两个就有相当的难度了，是She is a feminist（女权主义者），大家觉得He is what? He is a realist（现实主义者），这里美化了He。那最后这个例子呢，我跟院长讲好了，如果你知道这个答案，现场就可以收你微软亚洲研究院做实习生，这个女生怀孩子了，我给你3秒钟时间看看有没有人知道？大概不会有人知道。那这个只是一个类比，这个是波士顿同事做出来的结果，有了这样的东西以后，你就可以做具体的分析，比如说这里画了一张图，就是纵轴越往上字越像是女生的，比如说往下就越来越男生，但是有一些就出问题了，比如说hero更加靠男生，越是往左边越是跟性别有关，越是往右边越跟性别一点没有关系，一旦你明白这个事情以后，纵轴这里跟性别这个事情是有歧视的，可以用简单的方法，学计算机的把这个维度干掉，可以减少偏见的地方。
也许你讲的这只是举了这样的一个例子，实际上这样的偏见在很多的地方都会出现的，其他的一些地方，比如说包括食物工作等等，我们同事最近又发表了这样的一篇论文，大家如果有兴趣可以看更多的细节，更重要的是我们把这样的工作已经放在GitHub上面，大家可以看到更多的内容，包括论文等等。
所以这件事情只是我举的一个非常简单的例子，让大家知道在开发人工智能系统的过程当中我们要思考这样的一些问题，有一些问题大家觉得好像也不见得有那么大的问题，但是有一些问题可能会出现很大的问题，我想这是一个很好的例子。
这也是为什么在过去2-3年当中，我们不遗余力努力的在做这方面的工作，实际上我们不仅仅自己在微软内部做这样的工作，我们还同时和很多的公司，好几家公司一起创建了人工智能伙伴组织，将近有100家企业，包括中国的企业一起参加PARTNERSHIP ON AI，我们希望大家一起共同分享，推广在人工智能道路上最佳的实践。
我这里简单介绍了微软研究院的工作，举了一两个人工智能方面的例子，回到一开始讲的初衷，为什么有微软研究院？到底在做什么？作为科学工作者，我们始终对现在的情况发起挑战，如果是微软研究院在过去20几年中取得了一些成绩，是因为我们一直不断地在质疑过去，我们尊重未来做的东西，我们的使命就是探索新知探索不同，我们是关心新的技术，从今天到明天的转变，我们希望做出来这样的技术能够为我们创造一个更美好的明天。
接下来如果我们这样去思考，很简单的情况就是未来是在我们不断的求索当中创造出来的，就像我今天介绍的最后一个项目，有生命的软件。大家可能都听说过电子计算机，大家都听说过量子计算机，大家可能还没有太多听说过生物计算机，我接下来要给大家介绍的实际上是通过编程生物学可以给我们获得的能力，未来是会非常巨大的，可能会创造出革命性的药物，可能带来可编程的农作物，可能变革能源生产的方式，未来充满着无尽的可能，请放视频。
谢谢大家！
