沈向洋 | 书写未来科研的二十年
沈向洋
微软全球执行副总裁
微软人工智能及微软研究事业部负责人
最近，我在北京与洪小文博士一起参加了微软亚洲研究院（MSRA）建院二十周年庆典。洪小文博士作为微软亚洲研究院的院长，在过去十多年中带领微软亚洲研究院创造了令人骄傲的成绩。置身于这些杰出的科学家、研究员、工程师中间，我的脑海中不免浮现出当年微软研究院建院之初的情景，我们从 1998 年到现在所走过的一段段历程，仿佛就在眼前。
20 年来，微软亚洲研究院发表了超过 5,000 篇科研论文，成为了世界上最受赞许的企业研究院。高质量的科学研究始终是我们取得成功的核心所在。
成功从何而来？或许有运气方面的缘由。但我想，这其中还有些更关键的原因。从在北京建院时起，我们就确立了开放的研究环境，在 20 年前， 对于一家企业研究院来说，这绝对是开创性的。其次，我们得到了最高领导层对于科研的坚定信念和鼎力支持，首先是比尔 盖茨，然后是史蒂夫 鲍尔默，直到现在的 CEO 萨提亚·纳德拉。还有，就是我们奠定了敢于质疑过往、挑战现状、不断创新的研究文化。
从全球来看，真正让微软亚洲研究院脱颖而出的是我们的科研实力。20 年后的今天，我们仍在持续推动顶尖的研究。借庆贺建院 20 周年的机会，我们回顾了微软亚洲研究院每一年最具科学成就代表的论文。在文章最后面，我也附上了这些论文的链接，与大家分享。
在每一篇论文的背后，都有一支了不起的研究团队。每一篇论文都代表着突破性的成果和创新的思路，不断塑造着我们的未来。每一篇论文都掷地有声，它们有的转化成了前瞻性的科研项目，有的带来了令人瞩目的重大突破，有的孵化出了驱动创新的技术应用，还有很多已经融入到服务亿万用户的产品之中。
今年 2 月，我在一篇文章中分享了我对写作的看法。我相信写作能帮助我们更深入地思考，以最佳的方式展现自己，并且激发出周围每个人的智慧。
撰写科研文章更是如此。上面这 20 篇论文，每一篇都凝结了作者数百甚至数千个小时的深入思索、创造和孜孜不倦的刻苦研究，每一篇论文的目标都旨在不断拓展计算机科学的前沿发展。这不仅是一个既雄心勃勃又至关重要的目标，也是我的整个科学研究和职业生涯的指南。
仔细想来似乎有些不可思议，这 20 篇论文都不过开始于简单的文字——但这些文字却承载了个人和团队的奇思妙想，而这些人在用他们的满腔热情，为我们勾画出一个不一样的未来。这些文字，经过一系列的行动、决策以及巧夺天工的精巧设计得到转化，最终以各种实际的方式改变着我们的世界。
无论你是计算机科学的研究者，抑或想要为这个世界创造或者改变些什么，这都是非常重要的一课。
正是这些研究，让微软亚洲研究院在全球产生了深远的影响，我们今天看到的只是这些影响的一些初步端倪。微软研究院在全球的投入得到了不俗的回报，而从中获益的不仅是研究院本身，我们也在改变整个行业，并且通过将技术创新融入产品，造福于全世界的每一个人。
具体来说，微软亚洲研究院为全球计算科学研究的五个领域带来了重大影响：
互联网和搜索——重新定义了搜索体验，从简单的关键字检索，进化到融入了排序、图像、视频搜索的智能体验。
网络和系统——专注于为传感器、设备、云计算开发新一代的基础设施和平台。
机器学习和智能——不断开发和改进算法，帮助计算机从数据中学习，并由此创造出更先进、更智能的计算机系统。
语音和语言——让计算机能够理解人类的自然语言，并且以更像人类的方式与我们交流。
视觉和图形——推动渲染、建模、人脸识别、目标检测等技术的进步，创造出能够像我们一样“看”的机器。这也是我自己的研究领域，因此我对于一步步走到今天的艰苦历程，可以说是深有体会。
回首微软亚洲研究院过去 20 年来所取得的不凡成就和走过的精彩历程，让我备受启发。微软亚洲研究院培养出了数千位年轻的研究员和实习生，和从微软亚洲研究院毕业的院友们一起，在各行各业、大大小小的企业中发挥着关键作用，让新技术得以造福世界上每个人生活的方方面面。
中国文化讲究天时地利人和。在过去的二十年中， 位于北京的微软亚洲研究院正是在正确的时间、正确的地点，有一群靠谱的人创造出了优秀的学术环境，并培育出了具有批判精神的科研文化。我希望，微软亚洲研究院独特的科研文化，将传承并启发未来的计算机科学家研究员工程师们，创造更多更好的世界一流科研成果。
中国有句俗语：十年树木，百年树人。
我无比期待微软亚洲研究院的下一个二十年！
微软亚洲研究院 20 周年研究成果
互联网和搜索
Detecting Web Page Structure for Adaptive Viewing on Small Form Factor Devices(2003)
Learning to Cluster Web Search Results(2004)
Adapting Ranking SVM to Document Retrieval(2006)
Learningto Rank: From Pairwise Approach to Listwise Approach(2007)
https://www.microsoft.com/en-us/research/publication/learning-to-rank-from-
网络和系统
R2: An Application-Level Kernel for Record and Replay(2008)
Sora:High Performance Software Radio Using General Purpose Multi-Core Processors(2009)
Performance Debugging in theLarge via Mining Millions of Stack Traces(2012)
机器学习和智能
Support Vector Machines Classification with a Very Large-Scale Taxonomy(2005)
Comet: Batched Stream Processing for Data Intensive Distributed Computing(2010)
Global Illumination with Radiance Regression Functions(2013)
Deep Residual Learning for Image Recognition(2016)
语音和语言
Conversational Speech Transcription Using Context-Dependent Deep Neural Networks(2011)
Gated Self-Matching Networks for Reading Comprehension and Question Answering(2017)
Joint Training for Neural MachineTranslation Models with Monolingual Data(2018)
视觉和图形
Renderingwith Concentric Mosaics(1999)
Plenoptic Sampling(2000)
Real-Time Texture Synthesis by Patch-Based Sampling(2001)
A User Attention Model for Video Summarization(2002)
Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(2014)
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks(2015)
了解更多：
后台入驻微软小冰
如果你很萌，请跟她一决高下！