基礎科研的創(chuàng)新為技術落地應用提供了動力，而來自真實世界的業(yè)務需求則為基礎科研提供了靈感和方向。當人工智能進入大模型時代，什么樣的技術創(chuàng)新才能更好地落地于產(chǎn)業(yè)？對此，微軟亞洲研究院資深首席研究員邊江有著切身的體會和獨特的見解。

自2016年重回微軟亞洲研究院后，邊江一直專注于人工智能的快速開發(fā)和應用，助力行業(yè)企業(yè)提高生產(chǎn)效率，加速智能轉型。在加入微軟亞洲研究院的第七個年頭，邊江將面臨哪些新“技癢”？

微軟亞洲研究院資深首席研究員邊江

身處第四次工業(yè)革命的進程中，機器學習、深度學習等人工智能技術已成為公認的核心驅動力。近幾年，在各大研究機構的努力下，人工智能技術已取得眾多突破性成果，并在產(chǎn)業(yè)中落地生花。

多年來，微軟亞洲研究院在探索計算機基礎科研創(chuàng)新的同時，也在持續(xù)推動人工智能技術與現(xiàn)實產(chǎn)業(yè)場景的融合，通過與各行業(yè)合作伙伴的聯(lián)合研究，目前已經(jīng)讓 AI 在智慧金融、物流運輸、醫(yī)療健康、能源與可持續(xù)性發(fā)展等行業(yè)場景中得到應用。這些項目的成功，離不開微軟亞洲研究院資深首席研究員邊江和同事們多年的努力。從出走創(chuàng)業(yè)，到回歸七年，邊江一直奔走在創(chuàng)新技術與產(chǎn)業(yè)融合的第一線。

帶著創(chuàng)業(yè)視角

重回微軟亞洲研究院

學術界是邊江職業(yè)生涯的起點。在美國佐治亞理工學院完成計算機科學博士學業(yè)后，邊江加入了美國雅虎研究院，負責雅虎首頁內(nèi)容推薦和垂直搜索模塊的研究和優(yōu)化工作。但異國的漂泊終究難抵對故土的深情，沒多久，他選擇了回國發(fā)展，加入微軟亞洲研究院繼續(xù)從事推薦算法相關的研究。

2013年，各行各業(yè)掀起了一輪創(chuàng)業(yè)熱潮。懷揣著“科技改變世界”的夢想，邊江短暫地離開了熟悉的科研圈，加入了一家新成立的算法推薦新聞資訊公司，成為其初創(chuàng)團隊的一員，將一腔熱血投入到產(chǎn)業(yè)界中，期望可以將實驗室的創(chuàng)新技術應用到現(xiàn)實場景中。

“相比純粹的學術研究，我更喜歡將技術應用到實際產(chǎn)業(yè)的過程。除了發(fā)表論文和在公共數(shù)據(jù)上做實驗之外，產(chǎn)業(yè)界還要考慮更多的實際問題。做產(chǎn)品需要系統(tǒng)性的思維，包括對數(shù)據(jù)的考量、KPI 的設定等，比如如何彌補模型優(yōu)化和產(chǎn)品實際上線之間的差距，這其中存在許多新的挑戰(zhàn)。”邊江說。

創(chuàng)業(yè)的幾年間，邊江在將機器學習技術應用于產(chǎn)品實踐方面積累了豐富的經(jīng)驗。而扎實的學術功底加上創(chuàng)業(yè)實戰(zhàn)經(jīng)歷，讓邊江得到了眾多科技公司的青睞。但在比較了若干機會之后，邊江還是選擇了回歸微軟亞洲研究院?！盁o論是產(chǎn)業(yè)界，還是在學術界，我一直都對前沿技術很感興趣，微軟亞洲研究院一直走在新技術研究與探索的前沿，并已經(jīng)發(fā)展成為了一個橫跨產(chǎn)、學、研的機構，給科研人員提供了更廣闊的舞臺。重新回到這里，讓我可以探索新技術從想法到研發(fā)，再到產(chǎn)業(yè)落地的全過程。而且研究院擁有眾多頂尖的人才，我也能夠與這些優(yōu)秀的同事和實習生合作，一起做出更有影響力的研究成果。”邊江說。

身處AI大模型時代浪尖

科研方向也需應勢而變

重返微軟亞洲研究院后，邊江主要聚焦于機器學習、深度學習技術的研究，他和團隊陸續(xù)將這些技術成功應用到了物流、金融、醫(yī)療等行業(yè)。例如，在物流領域，他們與東方海外航運（OOCL）合作，通過深度學習和強化學習技術大幅優(yōu)化了航運網(wǎng)絡運營；在金融領域，他們探索出了金融 AI 通用技術平臺 Qlib，幫助金融 AI 研究者和從業(yè)者使用更先進和多樣的人工智能技術來應對更復雜的金融挑戰(zhàn)；在醫(yī)療領域，他們訓練的新冠疫情（COVID-19）預測模型被美國疾控中心采用，其表現(xiàn)優(yōu)于全球其它四十多家科研機構的預測模型。邊江和團隊還與醫(yī)療健康服務提供商美國哈門那公司（Humana）合作，基于深度學習技術構建了健康預測模型，幫助用戶及時了解自身的健康狀況，獲得個性化的醫(yī)療服務。

邊江（第二排右三）與團隊部分成員合影

2023年是邊江回到微軟亞洲研究院任職的第七年。在這期間，邊江見證了人工智能技術發(fā)展與產(chǎn)業(yè)化的起伏變化。如今，隨著基礎大模型的成熟，人工智能賦能產(chǎn)業(yè)發(fā)展又迎來了新的機遇。面對新一輪的人工智能應用浪潮，邊江與團隊成員也在重新思考產(chǎn)業(yè)界的新需求，定位新的科研方向，并確定了從智能決策、工業(yè)數(shù)據(jù)智能、差異化隱私安全和智能認知學習四個方向著手，深化人工智能技術的應用研究。

在之前與東方海外航運的合作研究中，邊江和團隊使用了多智能體強化學習來優(yōu)化航運網(wǎng)絡，但在實際工業(yè)界的智能決策中，外部環(huán)境時刻變化，智能體要如何適應這種變化是一個問題。對此，邊江團隊積極探索環(huán)境強化學習（Situational RL），從而讓強化學習模型可以更好地適應外界環(huán)境的變化。

與此同時，邊江與團隊還在積極探索將大語言模型（LLM）和強化學習結合，以構建更強大的智能決策能力。一方面，他們在探索通過基于 LLM 的預訓練方法構建可以從交互環(huán)境中獲取常識知識的世界模型（World Model），憑借預訓練世界模型的能力，使決策智能體適應不同的工業(yè)場景。另一方面，團隊也在研究如何集成 LLM 與在線學習的能力，在無需承擔大量訓練或微調(diào)成本的前提下，實現(xiàn)決策智能在工業(yè)控制場景中更強的泛化能力。

與純學術研究相比，將工業(yè)數(shù)據(jù)應用到深度學習時，數(shù)據(jù)質量和特性等方面都存在較大的差異。比如 COVID-19 和 Humana 預測模型都有獨特的數(shù)據(jù)特性，其中 COVID-19 模型預測的美國各大州數(shù)據(jù)具有空間關聯(lián)性，即一個州的新冠確診和死亡趨勢與另一個州有相關性，而在 Humana 模型的數(shù)據(jù)中，既有病人定期檢查信息這樣的有規(guī)則數(shù)據(jù)，還有用戶吃飯、運動等不規(guī)則數(shù)據(jù)。另外，在工業(yè)環(huán)境下，還會遇到數(shù)據(jù)缺失的情況。面對這些挑戰(zhàn)，如何利用深度學習挖掘數(shù)據(jù)中的規(guī)律，是邊江與團隊的重要研究方向之一。

隨著基礎大模型的成熟，邊江與團隊正在進一步探索構建具有跨領域數(shù)據(jù)知識的工業(yè)基礎大模型，使其能更有效處理工業(yè)數(shù)據(jù)中的數(shù)值和結構化信息。借助新的工業(yè)基礎大模型，邊江和團隊期望創(chuàng)建工業(yè)數(shù)據(jù)智能與解決方案的新范式。

而在與工業(yè)界合作伙伴的交流中，邊江也發(fā)現(xiàn)企業(yè)對隱私安全的需求越來越高。隱私安全一直是學術界重點關注的問題，也是微軟亞洲研究院持續(xù)探索的一個方向。如何在利用好個體數(shù)據(jù)的同時保護個人隱私也是邊江和團隊未來關注的重點之一。

另外，微軟亞洲研究院機器學習組在智能認知的研究上也取得了諸多成果，包括機器翻譯、語音識別、自然語言處理等。邊江希望將這些技術融入數(shù)字虛擬人（Digital Human）中，創(chuàng)造更逼真的虛擬人。目前，邊江團隊已在以文本或聲音驅動的虛擬人面部口型（talking face）和音樂生成（music generation）方面取得了進展。

以產(chǎn)業(yè)創(chuàng)新中心為平臺

加速技術與產(chǎn)業(yè)融合

除了帶領機器學習組推進相關科學研究，邊江還是微軟亞洲研究院產(chǎn)業(yè)創(chuàng)新中心（Industry Innovation Center）的負責人。作為微軟亞洲研究院產(chǎn)、學、研融合創(chuàng)新的平臺，產(chǎn)業(yè)創(chuàng)新中心以研究院前沿研究與技術轉化的豐碩成果與豐富經(jīng)驗為基石，聚集了一批既擅長技術創(chuàng)新又具備行業(yè)知識的“接地氣”的計算機科學家和工程師，致力于發(fā)展與企業(yè)的戰(zhàn)略合作，面向真實世界的關鍵場景，通過聯(lián)合技術創(chuàng)新，實現(xiàn)共同發(fā)展，引領產(chǎn)業(yè)未來。

邊江表示，產(chǎn)業(yè)創(chuàng)新中心希望從三個方面推動人工智能技術與產(chǎn)業(yè)的快速融合：一是在工業(yè)應用場景基礎上探索最先進的人工智能技術，并將人工智能技術真正應用于工業(yè)界，賦能工業(yè)界；二是將創(chuàng)新的技術轉化成云服務和開源項目，賦能更多的產(chǎn)業(yè)客戶；三是為微軟研究院搭建一個與業(yè)界溝通交流的平臺，幫助研究人員從產(chǎn)業(yè)界中發(fā)現(xiàn)新的研究課題，也讓產(chǎn)業(yè)界了解最新的技術發(fā)展動態(tài)。

微軟亞洲研究院產(chǎn)業(yè)創(chuàng)新中心所涵蓋的研究領域

具體而言，產(chǎn)業(yè)創(chuàng)新中心計劃聚焦四個領域。在供應鏈領域，從物流、零售和制造業(yè)切入，利用智能決策進行供需匹配預測，幫助企業(yè)實現(xiàn)從生產(chǎn)、倉儲，到運輸物流的全產(chǎn)業(yè)鏈資源優(yōu)化。在能源領域，從生產(chǎn)端助力風能和太陽能等清潔能源的生產(chǎn)趨勢預測，最大化能源網(wǎng)絡效率；從消費端幫助企業(yè)減少資源消耗，構建智能樓宇、綠色數(shù)據(jù)中心等，實現(xiàn)節(jié)能減排；并在兩者之間，通過電池性能和生命周期預測以及充放電策略等研究，優(yōu)化新能源儲存方式。在金融領域，利用深度學習識別洗錢和欺詐行為，幫助金融機構更好地識別詐騙或洗錢團伙；同時模擬金融投資市場，助力金融從業(yè)人員預測極端的市場動蕩，做好風險控制。而在醫(yī)療健康領域，邊江和團隊將推動機器學習在慢性病方面的應用，幫助進行病程預測，例如根據(jù)糖尿病病人的飲食、運動行為，預測血糖變化，采用更好的胰島素治療方案等。此外，他們還將提升模型的泛化性，將模型推廣到更多慢性病的診斷與輔助治療場景中。

當然，將前沿技術應用到行業(yè)中并不是一件容易的工作，對此邊江深有體會。基于已有的與行業(yè)企業(yè)合作的成功經(jīng)驗，邊江認為將創(chuàng)新技術與產(chǎn)業(yè)更好地融合有兩個關鍵因素：一是需要有大量掌握產(chǎn)業(yè)知識的科研人員參與其中，這些科研人員要真正深入到實際的業(yè)務場景中，下沉到真實的數(shù)據(jù)里，了解行業(yè)面臨的真正問題。同時，因為基礎科研和技術落地應用之間的關系并不是簡單的線性模式，而是一個復雜的雙向生態(tài)系統(tǒng)，這就需要行業(yè)企業(yè)從上至下全面接受智能化轉型，支持創(chuàng)新技術與業(yè)務的融合，真正做到學術界和產(chǎn)業(yè)界的共同創(chuàng)新。

“AI 在學術研究領域已經(jīng)進入文本、圖像、語音等多模態(tài)數(shù)據(jù)的大一統(tǒng)和大模型時代，大模型背后所蘊藏的數(shù)據(jù)表示能力、知識能力、邏輯推理能力為更強大的數(shù)據(jù)理解、優(yōu)化決策、場景生成與模擬提供了新的可能性。而在產(chǎn)業(yè)界，經(jīng)過此前的摸索，很多行業(yè)和企業(yè)已經(jīng)建立了自己的數(shù)字化平臺，并積累了大量的行業(yè)數(shù)據(jù)，為 AI 落地應用提供了基礎。這些學術與產(chǎn)業(yè)的最新發(fā)展趨勢預示著 AI 驅動的產(chǎn)業(yè)數(shù)字化轉型將迎來新的爆發(fā)階段?！边吔f。

關注微軟科技視頻號

了解更多科技前沿資訊