Jie Liu, Dean of AI Research Institute @HIT: Innovative AI Research Across Academia & Industry

This episode features Dr. Jie Liu, Dean of the AI Research Institute at Harbin Institute of Technology (HIT), where he develops an innovative multidisciplinary research organization across academia and industry.


Prior to joining HIT, Dr. Liu was a Principal Researcher and Partner Manager at Microsoft, directing strategy, products, and solutions on smart physical environments. Dr. Liu is an IEEE Fellow with over 120 peer reviewed publications and over 100 patents. His research focuses on understanding and managing the physical properties of computing.


During this interview, Dr. Liu shared his insights on Artificial Intelligence of Things (AIoT) and vision for the innovative AI research he is leading at HIT.


The interview was conducted in Mandarin.


Watch the full interview:



Robin.ly is a content platform dedicated to helping engineers and researchers develop leadership, entrepreneurship, and AI insights to scale their impacts in the new tech era. Sign up with us to stay updated and access exclusive event, career, and business mentorship opportunities.


Full Transcript

Alex: 大家好,我是Alex Ren,是Robin.ly和TalentSeer的创始人。欢迎来到 Robin.ly AI

访谈节目。Robin.ly是一个新的视频内容平台,主要目的是通过对AI(领域)的科学家,研究者,领导者和知名创业者的系列访谈,来提高广大的工程师和研究者对于AI,创业和领导力的认识。


今天我们特别邀请到了哈尔滨工业大学人工智能研究院的院长刘劼博士。他曾经担任微软研究院的首席研究员,公司合伙人和研发总监。他在物联网,移动和边缘计算以及智能物理信息系统方面发表过超过120篇的论文。同时他也是IEEE的fellow,拥有超过100项的专利。在学术研究之外,刘博士还领导了微软的环境智能研发团队。他在清华大学获得了自动化学士和硕士学位,还拥有加州大学伯克利分校的电气和计算机系的博士学位,在相关领域有多年的研究经验。希望刘博士今天能跟我们分享一下他对于AI,对于AIoT,以及AI从技术研究到产品和落地的思考,尤其是对在哈工大人工智能研究院工作的展望。


Alex: 您是2004年加入微软研究院,直到今年离开,大概有15年的时间,您一定经历了微软的很多变革。在这个过程中您最大的收获是什么?


刘劼:我觉得这是一个成长的过程。回想2004的时候,我还是一个初级研究员,只顾着自扫门前雪;后来慢慢的开始带团队,定义产品,把产品推向市场。大概就是这么一个职业发展过程。但同时我也经历了微软从一个以Windows Office PC为核心的公司转型成以服务和云平台为主的过程。所以不论是从个人的职业成长,还是整个转型过程中,我都学到了很多东西。


Alex: 您提到了模式转换,微软从以操作系统为中心到了专注于Cloud AI的平台公司。正好昨天微软的市值也超过了1万亿美元。从技术上来说,作为微软的Partner Research Manager,您觉得您的工作在这个过程中起了什么重要作用?


刘劼:我觉得从微软研究院的角度来说,比尔·盖茨带领的团队建立这个研究院实际上是很有前瞻性的,很早就为一些很基础的研究打下了很深厚的底子。等公司转型之后需要用到这些能力的时候,就可以通过一个丰富的talent pool借鉴原来的这些经验。从我自己的经历来说,在物联网相关的数据处理方面经验比较丰富。大概是2004-2005年的时候——当时还不叫物联网,叫传感器网络——从那个时候我们就积累了很多的经验。在微软研究院里面,我们是一个相对比较小的团队,做的东西当时应该说跟微软的核心产品并没有直接的关系。但是从整个技术发展的角度来说,研究院对这方面还是很重视的。现在看起来,这项投资是相当明智的。现在IoT变成了公司一项重要的发展策略,直接推动了云技术的发展。所以从这个角度来说,我觉得在工业界设立这样一个研究院还是很有远见的。


Alex: 咱们刚才提到了微软这十几年的变化,让一个公司变成一个人类历史上市值最高的一家公司。其中有没有在管理或者文化上的一些变化,让您印象比较深刻?


刘劼:我觉得这种模式创新是很重要的一部分。就是从一个天下第一,唯我独尊,让大家都用我的产品,遵从我设计的架构,包括API或者platform,转变成本着为大家服务,为大家赋能的一个思路。我觉得这个转型是非常明显的,特别是2012,2013年以后的这些转型,给我留下了很深的印象。


Alex: 就是说微软比以前更开放了,对吧?以前有自己的生态,而现在又打造了一个新的生态。


刘劼:对。以前是把大家强行限制在了在自己的生态系统中,因为这是业界主流,也鲜有对手。后来跟大家合作打造了一个新的生态体系,开始积极的为开源社区提供帮助,也把自己一些核心的成果开源,让大众能够从中受益。这是一个很典型的例子。整个公司的文化和运作方式都开始变得更加开放,支持把computing打造成一个全球化的开源领域,而不再是一家独大。


Alex: 您所在的机构,也就是微软研究院有什么独特之处?如何区别于比如说Google和Facebook在内部建立的研究机构?


刘劼:曾经在很长一段时间里,微软研究院都是被誉为工业界里最学术化的一个地方。基本上研究的课题和方向都是非常自由的,也就是说,你在这个环境里面可以找到自己觉得最值得解决的问题,然后利用各种资源找到解决方案。这一点跟大学很像。慢慢的获得了更多经验之后,或者是公司慢慢的转型之后,更多的导向性的研究工作就是用产品,用问题来导向。比如说这个产品组里面有一个很急需解决的问题,有相关专长研究人员就会着手帮助解决;或者是有新的研究成果,可以转化到产品里边。

我觉得更有挑战性的一个模式就是孵化一个新产品,就是我们后来成立的MSR NExT机构,主要是做产品孵化。孵化新产品不光是包括在现有的产品体系里面找有趣的问题去解决,更多的是关于怎么去定义一个新的产品,既要在技术上有突破,又不偏离公司的大方向,还要有新意。所以在这方面我觉得自己学习到了很多东西,比如怎么去摸索开发一个新产品,先从技术出发,一直到能够了解客户需求,然后去着手解决。我觉得这是纯研究人员很少面临的一个问题。


Alex: 您当时的工作主要集中在哪几个方面?


刘劼:在微软的15年,大概系统性的做了三个方面的工作。一个是数据中心的传感,控制,优化,设计等等,这当时对微软来说也是一个新鲜事物。我们从2005年开始建Mega Data Center,一直跟那个团队合作了很久。第二个是mobility,也就是室内室外的定位技术,还有手机位置的服务,包括围绕人的各种传感。第三个就是个性化,也是从手机做起来的。比如手机的一些信号,特别是围绕物理信号的一些个性化的服务。这个实际上最后就演化出了后来智能零售的孵化和环境智能的孵化——从一个端的传感器开始,慢慢的能够理解人的各种行为,到后来的环境智能化,对人跟物,跟空间的交流的理解。这些实际上都是一脉相承的。


Alex: 所以用现在的话说,涉及到的就是AIoT:从AI到物联网的应用,整个架构的搭建,从cloud到edge,到sensor这一整套的技术。您的研究是覆盖整个领域的对吗?


刘劼:是的,这就是我刚才讲了为什么具有前瞻性。举个例子来说,2006年,2007年的时候我们开始跟数据中心合作。当时能耗的40%是在制冷,空调这一套系统里面。但是这个温度到底怎么分布的,对操作人员来说是一个未知数。所以我们当时在深圳做了1万个传感器,铺到微软的数据中心里面,在2007年应该是全球最大的传感器网络。

这个经历也蛮有意思的。当时的体系结构就已经跟现在的相差无几了,当时还不叫云,也不叫物联网。每个数据中心都叫colo,就是Co-location,大概几万平方尺的样子,里面有上千个传感器。然后通过一个edge的server,在当时就是一个PC的server连接起来。那么数据有的时候会漏包或者丢失,edge server就负责管理这些数据和通讯,以及firmware update。我们在Edge上面有一个数据的staging,之后连接到云端,是一个集中的,管理所有数据中心,包括可视化和数据分析的数据库。现在回过头来看,这套体系结构跟现在的云端体系结构是一样的。

Alex: 这就是您现在想要建立跟哈工大的人工智能研究院类似的一个机构,实现研究到技术再到产品的转型,对吧?


刘劼:对。我也是加入哈工大之后发现有这么一个机会能够打造一个从学术研究到产品孵化,甚至到最后金融运作等等的整个生态圈,这是非常难得的。所以我选择走出这一步,在出国22年之后回国开始建立这个研究院。


Alex: 大家都知道,哈尔滨工业大学是中国顶尖的人工智能研究大学和研究机构,从之前的自动控制机器人,到最近几年的自然语言处理方面都处于领先的水平。他们有王海峰,周明这样世界级的自然语言处理的专家,也是在刘劼博士带领的人工智能研究院整个的体系里。现在刘劼博士的加盟为哈尔滨工业大学在AIoT以及整个AI落地方面打下了更好的基础。

这个研究院有什么特色?


刘劼:我觉得还是比较独特的,包括三个方面,一个是跨校区,一个是跨学科,一个是跨模式。跨校区是因为哈工大有本部在哈尔滨的校区,在深圳有个校区,在威海还有个校区。

跨学科是因为人工智能本身是一个交叉学科,跟各个行业和领域都能很好的融合。它面临的也不是单纯的计算机,无人系统控制,或者机器人的问题。所以这个研究院跟学校的在人员方面是有重叠的,比如说有计算机学院的教授在这边兼职。研究院本身是以全职的研究人员为主,其中如果有人有博导资质的话,也可以到各个学院里边去做兼职的博导,在学校里面可以带学生,建设自己的梯队。这就打造了一个氛围,让不同方面的专家协同合作。

跨模式就是从学校里边相对纯的学术研究模式过渡到产业落地,应用导向和目的导向的模式,到最后可能是资本的模式。最终的目的是要解决问题,是要产生影响。从学校里边可以实现学术上的一个提升,在社会上能够实现产业落地,为社会带来经济和生态的价值。另外,对于不是研究院自己研发的结果,那么我希望可以打造一个生态圈,用利益绑定的方式激励大家合作。这算是我心中的一个愿景吧,希望有朝一日能够实现。


Alex: 在产业孵化这个过程中,你们有一些什么新的模式?因为学校其实相对来讲是离产业有点远,你们今后是希望起到桥梁的作用,还是采用一些新的模式?


刘劼:我现在的设想是这样,研究院是一个学校的机构,产业公司是由一个独立法人运营的机构。因为你要让研究成果产生真正的社会经济价值,在学校的体制或者机制之内很难完成。比如说工程师的体系,产品经理的体系,市场推广和售后服务的体系,在学校里边很难做到完善,就必须要在市场里边建立。那我就希望这两个之间是强铆定,就是说有一个分界,主要是知识产权的分界。比如学校的研究成果可以以知识产权的形式为公司所用;或者公司面临的技术问题和市场问题可以反过来由学校的研究人员来解决,并以公司的股权和期权等等作为报酬。


这种薪酬模式也是从微软带来一个经验。其中包含三个部分,一个是基本工资,比如说研究人员的基本工资是学校的基本工资,这个本身就蛮高的,因为研究人员的工资要比教授要高一些。第二个是绩效,就是如果这个研究院的项目发展得比较好,今年就能够分一部分收益给大家作为绩效奖金。第三个就是产业公司的期权。如果以后这个产业公司发展壮大了或者上市了,那么研究人员就会得到更大的回报,就等于你为这个产业化做了贡献,就能拿到相应的回报。我希望把这个正反馈打通,让两边同步发展。


Alex: 听起来是比较有意思的一个模式,应该有很多的研究人员有兴趣更快的将产品落地。您大概回去多久了?


刘劼:不到两个月,刚开始。


Alex: 您觉得就现在比较火的AIoT的整个生态系统来说,中国和美国有什么区别?


刘劼:单说AIoT的话,中国还是挺有优势的。一个是市场规模很大,另外产业链也比较全,从生产设备到protocol,到后台的边也好,运营商也好,云也好,整个这一套产业链在中国是打得通的。另外行业需求也很迫切,比如中国的传统产业的改造,包括医疗康养,社会老龄化,包括生态环境的一些需求都是刚需。我回去虽然时间比较短,但是就我跟一些人的交流和接触到的一些项目来看,大家对这方面的需求都非常强烈,愿意投入,愿意尝试。我觉得这个可能是国内跟美国相对比较大的一个差别。我感觉国内的政府部门,企业和个人用户想要尝试新技术的迫切度非常高。美国在这方面可能考虑的因素更多。有的时候是想要更谨慎,希望少走弯路;但有的时候也可能是错过了一个机会。所以我觉得国内是有一定优势的。


另外一个优势,我觉得国内现在的确越来越多的开始接受技术上的创新。原来可能更多的是商业模式上的创新,或者是social network上的创新,但是现在真正有技术的人,能够创造核心技术价值的人越来越受到重视和认可,业越来越能够发挥自己的作用。


Alex: 您是IEEE的fellow,也是ACM的distinguished engineer。您怎么展望未来几年,比如说5~10年AI技术以及落地这方面的发展?我记得有一次您跟我提到说,您认为AI目前的问题是系统工程的问题。您在技术方面有什么看法?


刘劼:我觉得AI是一个赋能的技术,特别是这一轮的AI,更多的是数据驱动,深度学习的这一套体系。这是有颠覆性的,如果没有认识到这一点,过去5年没有认真去适应和学习AI的话,有可能会被时代的潮流抛弃。我感觉这是将所谓的非线性系统做得比较成熟的一个模型,大家找到了一个通用的边缘系统模型和一个建造模型的方法,原来的很多思都会重新改写。

AI对各行各业都能带来一个很大的冲击,我对此坚信不疑。但同时,AI本身并不能解决所有的问题。比如说简单的数据收集,数据标定,现在做的比较多的比如语音和图像处理,这些都是很容易人为标定的。IoT的数据不是一个很容易标定的东西。比如有一条温度曲线,要知道是不是什么地方绝缘做得不好,这是人都很难判断的事情。所以AI要跟物理模型相结合,怎么把物理世界生成的数据变成一套让机器能够学习的数据,我觉得在将来5~10年里会是很有前景的一个方向,也能推动AI在更多的物理环境里落地。比如我们现在规划的哈工大人工智能研究院的几个方向,比如说制造业,农业,健康,医疗,还有社会环境,教育跟社会治理等几个方面,更多用到的就是IoT的系统。那么这些系统怎么获得数据,怎么标定,怎么建立模型,怎么正确的应用这些模型,一旦这些问题解决了,就会对整个社会经济生态产生非常大的影响。


Alex: 听上去很激动人心。AI通过IoT这样的传感器网络去收集数据,然后产生了更大的影响和更大的价值。那么另外一点,今天看我们视频的有很多工程师和研究人员,尤其是在AI领域的工程师和研究人员。您对他们有什么建议?他们怎么才能加入你们?


刘劼:我觉得这是一个很大的趋势,有很多急需解决的问题——从基础性的研究到应用性的研究,然后再到产业落地。如果大家有兴趣跟我们一起合作,可以通过各种方式加入我们,兼职也好,建立伙伴关系也好,我希望能够有越来越多的朋友加入到这个行业里。大家齐心协力把AIoT,或者通用人工智能的这个方向往前推进,真正实现落地,同时也能在这个过程中实现自己的价值。


Alex: 最后再强调一下,刘劼博士从清华到UC Berkeley,到Xerox PARC,再到微软这二十几年里积累了很多跟AI,尤其是AIoT落地,以及从cloud到边缘,到终端相关的研究经验和产品落地经验。这些经验也让我受益匪浅。大家有兴趣可以跟刘博士交流学习。

Leadership, entrepreneurship, and AI insights

  • LinkedIn Social Icon
  • YouTube Social  Icon
  • Twitter Social Icon
  • Facebook Social Icon
  • Instagram Social Icon
  • SoundCloud Social Icon
  • Spotify Social Icon

© 2018 by Robin.ly. Provided by CrossCircles Inc.