Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

太浪编译

微软沈向洋自述:在实现职业目标的道路上,我得到了七个教训

<mark data-type=institutions data-id=5aeddbda-558d-4b36-932d-c160b5cff30f>微软</mark><mark data-type=experts data-id=047fbaa5-8172-4cc5-9a95-31d426fa797c>沈向洋</mark>自述:在实现职业目标的道路上,我得到了七个教训

沈向洋微软全球执行副总裁、微软人工智能微软研究事业部负责人、微软亚洲研究院第三任院长。

当从卡内基梅隆大学获得机器人学博士学位时,沈向洋曾想成为一名计算机科学教授,但后续的一系列选择使他偏离了最初的职业目标。

3月1日,沈向洋在他的LinkedIn上分享了自己在实现职业目标的道路上得到的七个教训,笔者对其进行了编译,全文如下:

编译 | 太浪

当我从卡内基梅隆大学获得机器人学博士学位时,我的职业目标是成为一名计算机科学教授。我将帮助塑造年轻人的思想,并为该领域贡献世界级的研究成果。

我渴望效仿我的教授,比如 Raj Reddy(雷伊·雷蒂),他给我上了人生中最重要的一些课。一切都安排好了。我将在十年后成为一名终身教授。

但这并没有发生。

我做了一系列选择,使我偏离了那个目标。我觉得,我没有意识到这一点,但事后看来,我发现,我被另一股力量驱使着。

几年前,数学家 Richard Hamming(理查德·汉明)发表了一篇演讲——《You and Your Research》(你和你的研究),让我印象深刻。他问道:「你所在领域最重要的问题是什么?如果你正在做的事情并不重要,如果你认为它不会取得什么重要的成果,那你为什么还要做呢?」

我们很多人都有明确的职业目标——成为一名经理,成为一名副总裁,等等。相较于「我想要什么?」也许我们应该问:「我的领域需要什么?」

如果我们这样做了,Hamming(汉明)提出的、紧跟最迫切的问题的建议,可能会把我们带到我们应该去的地方。

以下是我在追求这种哲学的过程中(或许是在不知情的情况下)得到的七个教训。

第一个教训:你不能什么都做。

一出校门,我就决定成为一家致力于 VR(虚拟现实)技术的初创企业的第 4 号员工,当时,VR 是一项远远超前于时代的技术。

在一个创业公司,你必须做所有的事情,但这仍然不够。那时,我有了一个孩子。我很快意识到:照顾孩子和创业是无法兼顾的。我选择了孩子!

我第一次意识到,我的时间和精力并不是无穷无尽的。你不能同时做所有的事情。

第二个教训:要想走得宽广,先要走得深入。

我加入微软研究院(MSR)时,它才刚刚起步。不知怎的,我认为这将是一个开辟新天地的地方。

我遇到了很多杰出的人,比如 Rick Szeliski(里克·赛利斯基),他们教会了我真正深入挖掘计算机视觉中运动估计等基本问题的重要性。我学到了,当你接受一些东西,理解它,用令人信服的方式书写它,并且把它做得真的非常好,你将会取得更大的进步。他是对的。

我和 Rick 一起,写了很多东西,包括 1997 年一篇很有影响力的论文,题目是「创建全景图像马赛克和环境地图」(Creating full view panoramic image mosaics and environment maps)。今天,当你用手机拍摄全景照片时,你可能正在使用我们的算法!

你越是寻求迫切的问题、解决艰难的挑战,你就越能走上领导的道路。成为某方面的专家,真正做出自己的成绩,然后拓展业务。

第三个教训:讲故事很重要,即使对工程师来说也是如此!

在研究、商业和生活中,你如何传达自己的想法可能比工作本身更重要。

这是我从 SIGGRAPH(计算机图形学与交互技术领域的 TED)中学到的一点。十多年来,SIGGRAPH 通过高标准的演示文稿教会了我新的质量标准。

即使是工程师做技术报告,你也需要故事来向同行解释你的想法,激励人们为你的工作做出贡献,推进你的工作。如果没有人相信,即使你做的工作再好,它也什么都不是。

第四个教训:你的定位是什么,就会得到什么。

在北京担任微软亚洲研究院院长的四年多时间里,我真正明白了,作为第一负责人意味着什么。

当我们出发的时候,我们不知道一个跨国公司在中国的工业实验室会取得怎样的成功——我们是第一家!我们定了三个目标:(1)推进计算机科学领域;(2)为微软的产品贡献技术;(3)使中国学术界和本土产业受益。

我们为实现这些目标不懈努力。在早期定义成功的度量标准,确实能让实验室出名。我在中国的同事们将把微软亚洲研究院变成世界领先的实验室之一。明确地定义你的目标。

第五个教训:控制可控制的,观察可观察的,不去管其他的。

尽管我在项目管理、测试或开发方面几乎没有工程经验,但我还是被要求回到美国,加入微软当时的新项目 Bing,担任产品开发副总裁。我必须重新学习最基本的东西:如何生存、快速学习和增加价值。

我发现解决 Bing 中最重要的问题需要深入的研究知识: 搜索质量的机器学习和搜索基础设施的分布式系统,而我们只有几个人!所以我回到微软研究院(MSR),招募了 50 多人。

我们这支缺乏经验的队伍在与谷歌的竞争中承受着巨大的压力。我们必须在最困难的时候坚持下去,但是我们意见不一致。在这段时间里,我总结了一句话:「控制可控的,观察可观察的,不去管其他的。」人们太容易被那些没有意义的事情弄得焦躁不安,或者他们会抵触那些很难改变的事情。你必须先看看你周围发生了什么。如果你不能退一步观察全局,那么你也就无能为力了。

第六个教训:把你的职业生涯想象成一系列的项目。

我在微软研究院遇到了 Jim Gray(吉姆·格雷),他是图灵奖得主和伟大的技术领袖。

我曾经问过 Jim,「你在 MSR 工作过,也在 SQL 工作过。你似乎从不担心自己是在产品团队还是研究团队。」

Jim 的回答是,你不应该用头衔或学科来定义你的职业生涯,他说:「我关注那些我能产生影响的项目。」他并不担心是产品还是研究。

相反,他会思考,有哪些有趣的项目可以参与,有哪些大的难题可以由团队一起解决。不要被类别所束缚。相反,你应该投入其中。

第七个教训:秉承中庸之道。

无论你在职业生涯的哪个阶段,你都会做很多事情——你会做决定,你会写代码,你会创造,你会实现目标。但不仅仅是做,比这更重要的是,你会是谁? 你会因为什么而为人所知?

很久以前,当我还是一名年轻的中国学生的时候,我初次受到孔子的教导:中庸之道。中庸之道的字面意思是,走在路中间,并坚持你的方向。

在我看来,孔子教导的精髓是倾听、平衡、不偏不倚、有思想、恭敬。人们可能会在不知道自己的极端立场是否正确的情况下走极端。

当你走在中间时,不要过河拆桥。你永远不知道你的哪个同事会成为你的下一任老板,你的哪个实习生会接着创造下一个独角兽。

要慷慨、开放、善良。

你永远不知道将会发生什么。也许有一天,我会成为一名更好的教授。

产业微软微软亚洲研究院沈向洋
2
相关数据
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面、智能多媒体、大数据与知识挖掘、人工智能、云和边缘计算、计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的创新,助力微软实现长远发展战略。

http://www.msra.cn
沈向洋人物

微软全球执行副总裁,美国工程院院士。

计算机图形技术

图像数据处理、计算机图像(英语:Computer Graphics)是指用计算机所创造的图形。更具体的说,就是在计算机上用专门的软件和硬件用来表现和控制图像数据。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

虚拟现实技术

虚拟现实,简称虚拟技术,也称虚拟环境,是利用电脑模拟产生一个三维空间的虚拟世界,提供用户关于视觉等感官的模拟,让用户感觉仿佛身历其境,可以及时、没有限制地观察三维空间内的事物。用户进行位置移动时,电脑可以立即进行复杂的运算,将精确的三维世界视频传回产生临场感。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

推荐文章
暂无评论
暂无评论~