返回 登录
0

科研的秘诀——对话微软研究院负责人Peter Lee

本文为《程序员》原创文章,未经允许不得转载,更多精彩文章请订阅2016年《程序员》
记者:卢鸫翔

四十年前,位于加州Palo Alto的Xerox PARC发明了个人电脑和Bit-Map显示器、GUI、WYSIWYG和桌面出版、面向对象编程、激光打印机、以太网、Peer-Peer和Client-Server网络,以及“半个”互联网。而这些至今仍影响我们生活的发明,仅由25位研究员,在5年中完成,每年的项目经费,仅约合当下的1千万美元。

创造为何在那个时代涌现?如今计算机科学研究高效运行的关键在何处?未来是否能带给我们更多期许?Peter Lee作为微软全球资深副总裁,执掌着当今最多产的计算机科研究机构之一——微软研究院(Microsoft Research,简称MSR)中的体验与新技术部门(New Experiences and Technologies, 简称MSR NExT)。带着这些疑问,我们试着在与他的对话中,寻找解开答案的线索。

图片描述

《程序员》:你所负责的MSR NExT,是个怎样的部门,与我们通常了解的计算机科研有哪些不同?

Peter Lee:“研究”可以围绕两种方式组织;一种是基础领域,例如机器学习、计算机安全、网络等,这是种重要且有力的研究方式。而在MSRNExT,我们选择了另一种——并非围绕领域,而更聚焦于特定目标和问题。例如我们能消弭网络间用户的语言障碍吗?社交媒体如何保障隐私?是否能开发出新的处理器技术延续摩尔定律?一组研究员围绕这些具体的目标展开研究。

为确保能真的解决关键问题,需要新的组织方式。为此,我们投入巨大的精力,厘清研究目标,确定会对世界和微软都能产生巨大影响的目标,然后聚焦于此。这与人们通常说的“进一步理解计算机网络或者机器学习”完全不同——虽然这些研究仍在微软研究院中进行。

MSR NExT成立于Satya Nadella就任CEO之后,甫一年余,Satya希望MSR成为微软创新的中坚力量,赋予我们更多权限,同时又寄以厚望,MSR在微软的整体战略中从未如此重要。而今我们同在飞驰的过山车上,既兴奋,也深知责任重大。

《程序员》:你选择项目还是研究员?

Peter Lee:项目创意从研究员中来,因而我们非常看重研究员。我们要做的是将这些创意分享,让模糊的想法更具体更合理,以及确定从何处开始。这个过程有点儿像风投,挑选投资哪个初创企业。

《程序员》:你与许多杰出的研究者朝夕相处,他们身上有哪些共同点,与一般人不同?

Peter Lee:与众不同的之处有两点,首先,他们甘愿长时间全身心投入一项研究,他们能耐心专注一个问题许多年,在所有杰出的研究者身上,我都看到过这一点。

我想起好友Eric Horvitz,他是位世界级的AI研究者,其研究领域为Bayesian Graphical Models,在他眼里,整个世界都能用这种概念表示。有次,我们在一家精致的饭店进晚餐,犹豫开胃菜该点什么时Eric说,何不用Bayesian Graphical Model算算,或许能找出最可口的那种。结果我们点了菜单上列出的每一种开胃菜,摆满了整桌子,现场开始计算——你能看出来他对科学有多痴迷。

其次,杰出的研究者对与人合作能敞开胸怀,他们愿把自己的成果倾囊分享,而不是有所保留。我常见到奇妙的研究,始于拥有完全不同背景的研究者合作。

《程序员》:去年我曾请教Ivan Sutherland如何做出好研究,他说有三个要素:首先要有个好问题,其次需要资金支持,最后,也是最难寻觅的,是需要一位睿智的管理者。你曾是研究员,而如今领导着拥有多位图灵奖得主在内的研究机构,如何才能让这所研究机构高效运转?

Peter Lee:我刚到DARPA担任研究经理时,也曾恳请Ivan Sutherland指教。他坦诚无私,专程坐飞机赶来华盛顿,与我共度了两天时光。他也给我三个建议,与给你的完全相同。不过他额外告诉我一条规则——信赖人,而非提案。假如有一位屡获成功的研究者,寻求经费和支持,就该为他提供——哪怕你并不相信提案本身。这点很重要,在我的职业生涯中,屡获见证。管理科学研究是项不同寻常的工作,当研究员需要支持时,我需要恪守准则,不以提案是不是个好点子来判定。我通常会不断提问,挑战研究员和他们的提案。

《程序员》:通过哪些问题?

Peter Lee:例如为什么采用此方案,而非其他?又或者为什么我该相信,这项研究能令世界变得更好?还有些是更具体的技术问题。提问的意义在于迫使对方思考,重新检验他们的假设。在这个过程中,方案往往会优化,有时还能发现更有潜力的方向。不过设想你是位研究员,兴高采烈地找我聊聊自己的新想法,却不断收到质疑。好多人的第一反应都是自己被冒犯了。你可能会想,这个愚蠢的家伙怎么那么多问题?不过随着时间推移,便会逐渐理解我提问的初衷。

而一旦确认立项,我就得闪开了,不再以任何方式影响课题发展。通常我们会提前敲定一个时间点,在项目推进几个月甚至几年之后才碰下头,不过在那之前,我绝不干涉。聚集一批杰出的研究者,为他们提供资助,然后闪到一旁去——这是Sutherland教给我的。

例如在MSR,Catapult(将FPGA用于数据中心,以提升效率的同时降低能耗)是项耗资巨大的研究,负责人Doug Burger需要争取用于测试和部署Catapult芯片的资金。我的第一个问题是:过去二十年,许多人曾提出使用FPGA的想法,但结果均不尽如人意,为什么这次我该信你?

“为什么你的想法现在很重要?”是我常提出的第一个问题。研究员往往就此陷入冥思苦想——为何是现在?之所以难回答,因为这需要预测未来——或许时机尚早,研究不能产生广泛的影响,又或者有赖于其他技术成熟。

第二个问题是:假如研发出这种FPGA,并在数据中心投入使用,它能解决哪些棘手的麻烦?这是个关于“应用场景”的问题。Doug思索了一年多,终于找出了具体场景——对Bing的搜索Web页面做排序。在许多人看来,场景似乎不难寻觅,但真要找到恰当的,绝非一蹴而就——就像你明知屋里有蚊子,但等开灯去找,它们却都藏起来了。

接下来的问题是“ 最简可行产品”(MVP,Minimum Viable Product)该怎么做,来证明你的观点?见微知著,研究不可能总是从宏伟的设计开始。为了回答这些问题,Doug殚精竭虑,但也正因为如此,Catapult项目才得以成功,其成果如今已在我们的数据中心广泛部署。

《程序员》:有种观点认为,昔日的研究机构如Xerox PARC、Bell Labs,创造胜于今日——即便是在有限的资源条件下,一如Alan Kay在“The Future Doesn’t Have to Be Incremental”中提到的。你觉得是这样吗?

Peter Lee:我很喜欢这个问题。MSR颇有Xerox PARC、Bell Labs基因,因为众多研究员曾在那里工作。

而作为MSR管理者,我也渴望和梦想自己所在的科研机构能做出改变世界的创造,就像Xerox PARC创造了个人计算机,Bell Labs创造了晶体管那样。不过你也知道,晶体管发明7年后,世人才逐渐了解这项创造的价值,并在更久之后获得诺贝尔奖;Xerox PARC也耗费多年,才让世人认识个人计算机,而它自己却失去了将其推向大众的机会。我有时在想,会不会我们已经做出了这样的创造,只是尚不自知,说不定十年之后会有分晓。

Alan Kay的观点使人深思。现如今,科技公司对科研及研究员的重视程度前所未有,微软、Google、Amazon、Facebook、百度都在吸纳越来越多博士生,因为企业明白,这些博士研究生能创造出巨大的商业价值。然而仔细思量却会发现,这些创造是渐进的(Incremental)——令Bing的搜索结果更准确,或者让Windows系统更上一层楼,诚然可嘉——能为企业带来可观的商业收益。但在MSR,我也会提醒研究员,帮助公司创造利润固有其价值,但还应时刻铭记,我们真正的使命和内心渴求,是通过自己的创造改变世界。但意识到这一点却绝非易事,因为当你的提案被快速实现,并应用到数以亿计用户使用的产品中时,似乎能带来更直接的满足感。

这是长久萦绕在我脑海中的问题,我总是鼓励别人当树雄心壮志,希望我们足够勤奋也足够幸运,有朝一日做出这样的成就。


订阅2016年程序员(含iOS、Android及印刷版)请访问 http://dingyue.programmer.com.cn
图片描述

订阅咨询:

• 在线咨询(QQ):2251809102
• 电话咨询:010-64351436
• 更多消息,欢迎关注“程序员编辑部

评论