周礼栋：人工智能发展需要系统创新

日前，微软亚洲研究院举办了一场关于AI时代系统创新的媒体交流会。微软亚洲研究院副院长表示，人工智能现在很热，而人工智能的创新不仅仅需要关注机器视觉、自然语言处理等等的各种各样的应用，同时也需要关注系统架构和基础设施部分，就像我们看到五彩斑斓的各种大楼在破土而出，其实地基也很关键，只有牢固的地基才能让上层的创新更随心所欲。

周礼栋表示，随着AI技术的演变，系统的发展也在与时俱进，全新的体系架构和基础设施需求、全新的编程语言和工具包、全新的AI算法……然而每个部分的发展却很不均衡，若AI从业者想要做点事情，经常需要自己去搭建底层系统，或是东拼西凑一个平台，这使得效率和品质都大打折扣。事实上，现阶段大家对于偏上层的AI算法、应用的关注度远远高于整个AI系统的基础搭建，这对于AI的发展并非利好。

“这十年来，从移动、云计算、大数据，再到如今的人工智能，大家更聚焦于这些热点本身，即便是IT从业人员，很多也都没有注意到这些变化背后最主要的推力还是因为底层计算机系统能力的不断增强，才让这些热点成为了可能。”周礼栋表示，如果没有存储技术和网络技术的突破，搜索引擎、云计算就好比空中楼阁，如果没有GPU、搜索技术、分布式系统的突破，人工智能也还是会驻足不前。

在周礼栋看来，计算机系统与应用、算法的完美结合，才是推动整个计算机行业的源动力，但是由于业界对热点的狂热追逐，使得系统研究在其中的重要性被大大低估了。而微软人工智能系统联合中心的成立，可谓恰逢其时，“我们希望能够从系统层面大力推动AI的快速发展，并逐渐形成健康、可持续发展的AI生态”。

“系统思维，就是站在全局的角度去考虑问题。从事系统研究多年，我对系统的体会是：第一，系统是一个跨学科的领域，比如做大数据，就必须要了解数据库、存储系统、数据处理方式、分析算法等等，如今要做人工智能系统也是如此；第二，从云计算、移动计算、大数据到人工智能，应用的热点一个接一个，但系统并不是追热点的领域，它永远是最底层的基本保障，当然系统也需要与新的应用场景相结合，才能做得更好；第三，系统方面的工作人员越来越重要，因为产品开发过程中遇到的难题通常并不是功能问题，多调试几次未必就能解决问题，所以很多时候是大规模系统的问题，一个节点没做好，就会牵一发而动全身，所以在微软，产品开发部门与系统研究组的合作越来越紧密。”对于系统研究，周礼栋一直有着深刻的思考，这也让他对AI系统平台的搭建充满信心。

在微软亚洲研究院首席研究员杨懋看来，系统本身很复杂，并且还在变得越来越复杂，系统的好坏并非取决于其中某一点做得特别好，而是取决于最短的那块“木板“。他表示，这么多年在微软亚洲研究院系统组学到最多的就是系统思维，甚至延展至对任何问题的系统化思考，可扩展性、效率、延迟、机器学习、AI等，每件事能否做好都与系统化思维密切相关。

周礼栋认为，系统研究必须从实际问题出发，又要能够看到将来可能出现的问题，它不仅要解决目前的问题，更是要解决将来的问题。

“一个好的系统是隐形的，大家通常感觉不到它的存在；但如果系统不够好，那么每个层面的开发者都会非常痛苦，问题也会接踵而来。”对于系统的研究和开发，微软人工智能系统联合中心的研究员和工程师的感受都是相同的，“系统”默默地在很多酷炫的应用背后做着支撑，而且成果通常不会在短期内实现，因此需要耐得住寂寞，但它却是计算机体系里最重要的存在。周礼栋表示。

事实上，系统研究的发展脉络也是随着应用场景的变化在不断变化，从最早的操作系统，到数据库、存储，再到云计算、大数据，以及现在的AI，场景千变万化，但变化之中总有不变的规律，系统要解决的本质问题始终不变：首先是可以工作；其次是追求速度、效率、可靠性、稳定性、可扩展性等；最后达到系统的自动运行，无需更多人为干预。