微软全球副总裁洪小文：应对数字化转型挑战，跨界共创正当时

Posted 2021-06-28 AI科技大本营

2021年6月16日，以“跨界共创”为主题的第四届微软亚洲研究院创新论坛在北京举办。今年，大会讨论的主题围绕“跨界创新”，数十家来自不同行业的企业代表，与微软亚洲研究院的计算机科学家就跨领域融合创新、共创精神推进数字化转型、如何让技术创新成果成功落地等业内焦点话题展开了深入交流与探讨。

持续至今的新冠疫情已经深刻地改变了企业的生产方式和人们的生活方式，也给全社会的数字化进程按下了“快进键”。在这样的背景下，越来越多的企业开始把数字化转型作为强化业务韧性、应对危机和实现复苏的关键。“十四五”规划也全方位对中国的数字化转型提出了新的要求。以人工智能作为内驱力的智能转型，是提升产业生产效率和实现产业现代化的根本性改革举措，拥抱人工智能技术推动的数字化转型已经成为每个企业的必修课题。

“随着人工智能等新兴技术的快速发展，来自真实世界的复杂场景和业务需求，决定了数字化转型已不再是一个企业，甚至一个行业可以独自完成的任务，‘跨界共创’是应对这一挑战的最好形式。“对于跨界创新，微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文发表了自己的观点，以下为演讲全文：

微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文

各位嘉宾，首先我代表微软和微软亚洲研究院欢迎大家今天来参加微软亚洲研究院创新论坛。这个会议是属于你们大家的，希望大家今天畅所欲言，我们也希望把微软在科技上看到的一些新的趋势，特别是跨界合作上看到的一些方向跟大家充分地交流。

今天跟大家介绍一些我个人有关跨界的经验及想法。

不用我讲大家都知道，AI非常的红火。我自己是在80年代学习AI的，做语音识别相关的研究，我记得那个时候AI里面最早用的是大数据统计的方法，我记得之前的AI研究会参考一些我们人的智能的方法，特别是用很多的规则式系统（Rule-based）、专家系统这样的方法做。一开始我们用大数据的方法，用的是隐马尔可夫模型（Hidden Markov Model，HMM）和今天的神经网络（Neural Network）非常相似。我特别记得1972年的时候，我的一个学长叫James Baker，后来他做了很有名的Dragon系统。微软在今年也收购了他的公司Nuance。他是我们AI界、语音识别界的大牛，当时他是第一个拿隐马尔可夫模型来做语音的。

很有趣的一件事情是，当时这也是跨界，而且这个跨界是从生物科学领域跨到我们的计算机和AI界。事实上，二十世纪四、五十年代，隐马尔可夫模型在生物统计领域就已经用得非常广泛了。

James Baker是学生物统计的，他就很自然地把这个东西用到了语音领域。后来不管是多媒体、计算机视觉，还是计算机影像，都用到了隐马尔可夫模型，至少从1972年到2010年一直是主流，即使到今天还有很多模型需要这一技术。

大家所熟知的神经网络，它的灵感也来自于生物，来自于人类大脑神经网络的结构，我们给它加上了数学的模型，其实更早可能在上世纪四、五十年代就开始做了，到80年代的人工神经网络（artificial neural network）也是从生物领域来的。等于说我在做技术刚起步的时候就受益于跨界，做了语音系统。

新冠疫情让很多人和企业，包括微软都做了更多有关于生物医疗方面的事。当然我们本来就很关注生物医疗，但现在做了更多与生物医疗最基本的病理、免疫系统相关的研究。我们跟美国一个叫Adaptive Biotechnologies的生物技术公司有多年的合作。

一般大家都知道，我们的免疫系统中有抗原和抗体，抗体是B细胞。我们身体里还有T细胞，T细胞是打标签的，当遇到一个病毒的时候，T细胞会打上标签，从而会产生B细胞的抗体，最后抗体就会像我们玩游戏一样，看到被T细胞打上标签的感染细胞，就会把它吃掉。

Adaptive这家公司一直是在做TCR（T细胞抗原受体）方面的研究。他们需要计算机技术来做机器学习和AI，这就是微软和他们合作的点。这里面用T细胞来做诊断，也可以做治疗。这种检测与我们现在直接测抗原，也就是所谓的检测病毒相比，有什么好处呢？第一，T细胞可以更精准、更灵敏；第二，T细胞能够提供更多信息。

但是T细胞非常复杂，因为我们身体里面，病毒也好，细菌也好，非常多，会产生各种不同的打标签的T细胞。在T细胞里做这项工作就是大量的模式识别问题，要想解决这个问题，用今天的深度学习就是最好的方法。所以我们就提供了这样一个深度学习的模式，跟他们一起用T细胞来做新冠病毒的测试。这个技术叫T-Detect。这一技术在去年年底成功得到了FDA（美国食品药品监督管理局）的批准，是世界上第一个也是唯一一个基于T细胞的新冠检测方法。它可以测得更准，有更高的灵敏度。因为包括T-Detect在内的创新技术，微软最近被Fast Company（快公司）评选为“年度改变世界的公司”。

我们非常自豪有这样的机会，跨界跟生物医疗领域的伙伴，一起在很短的时间内做出了一些创新。我们还在继续跟Adaptive公司合作，将来希望在T细胞上做治疗。现在我们打疫苗是打入病毒让人体产生抗体，另外一种治疗方法是直接打抗体，我们可以想到再有一种治疗方法就是打入T细胞让人体的抗体来工作。事实上，Adaptive公司在新冠疫情以前就与我们有合作，我们探索用这种方法来做很多癌症的精准治疗。我们希望在不久的将来也有更多跨行业的成果可以与大家来分享。

另外，我相信大家知道去年的一个突破性技术—AlphaFold，谷歌用深度学习的方法能够预测蛋白质的结构。我们知道生命的组成部分，比如氨基酸，以及药物、病毒都是蛋白质。蛋白质最初是直线的序列，不断地折叠以后就变成了不同的物质。AlphaFold可以用深度学习很准确地预测蛋白质的结构，这当然非常了不起，它的准确率比之前高了至少10到20个百分点，这当然是一个很重大的突破。但接下来，不管我们是做病毒、病理、治疗、测序或者是新药研究，更重要的是动态的分子动力学的模拟。AlphaFold出现以后，包括施一公教授、颜宁教授都在讲，下一步我们能不能预测动态的结构。现在微软也在用深度学习的方法，配合物理学的方法来做AI2MD（Molecule Dynamics），也就是分子动力学模拟。

大家知道今天生物医疗用很多的AI技术，用很多大数据，用很多我们计算机科学的技术。让我觉得非常有趣的是，刚才我介绍上世纪七八十年代，生物学怎么帮助AI走到今天，不管是深度学习，还是隐马尔可夫模型。今天我们反馈回去，我们今天做的AI+，以及所谓的数字化转型，基本上是用数字科技、AI、大数据，反馈回生物界。这样不仅能够帮助我们找到好的治疗方法，好的诊断方法，甚至来探讨生命的来源，刚才讲到的蛋白质折叠，一个生命如何从氨基酸、蛋白质变成生命，等等。这是非常值得期待的，能够再一次证明跨界合作在科研上的重要性。

也因为这个原因，我们在四年前就看到了这一点，并成立了“创新汇”。微软是一家平台公司，我们不涉足各个垂直的领域，就是服务我们的伙伴，让我们的伙伴能够成就更多。我们知道技术的重要性，数字化转型的重要性，所以我们希望能赋能各个行业。

四年来，有很多公司、合作伙伴参与了“创新汇”，我们也跟合作伙伴一起做出了很多很不错的科研成果，我们希望能够继续与大家合作，为整个社会、整个国家、整个世界做出更大的贡献。

今年我们办了第四届的创新论坛，同时我们也有很多的研讨会与大家做技术的交流。我们也很高兴，“创新汇”的成员涵盖了各个领域，特别是大家所关注的金融、物流、教育、电信、医疗等各个行业。在这里，我们一起也做了很多很不错的并且已经在行业落地的技术。同时，我们也把这些技术开源，比如基于我们和东方海外航运做的物流优化的技术，我们在Github上开源了MARO的项目，已经有很多的下载，很多人拿去做不同的应用。我们和华夏基金做的与AI投资相关的技术也开源成了Qlib，也放在了GitHub上面。同时我们也把这些技术更精准地做成PaaS、SaaS的服务，放到我们的云平台上，希望能辐射到更多我们的伙伴以及客户。不仅是在中国，我们也已经开始跟全球的团队探讨如何用中国的创新来服务全球的客户。

谢谢大家！