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。
《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
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”
扫一扫
7986
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
