编者按：可持续发展关乎着人类社会的现在及长远未来，一直是全社会热议的话题。对此，微软也做出了多项承诺，包括到2030年实现公司的碳负排放、零废弃、水资源正效益，到2050年消除公司自1975年成立以来直接排放及因供应链而排放的所有碳。我们该如何看待可持续发展？科技创新在可持续发展中扮演了怎样的角色？什么是具有复原力的社会？下次社会危机到来前我们能做好准备吗？微软的科学家们对2051年又有怎样的期许？

在庆祝微软研究院成立30周年的“Generations of inspirational and impactful research（一代又一代鼓舞人心和影响深远的研究）”系列专家论坛的第二期上，来自世界各地的微软科学家们就“打造具有复原力和可持续发展的全球社会”进行了探讨。我们精编整理了论坛内容，希望与大家共同分享这期精彩的思想盛宴。

本期论坛，由微软首席科学官 Eric Horvitz 与西北大学副教授 Jessica Holman 共同主持，他们与来自世界各地的专家们就“打造具有复原力和可持续发展的全球社会”这一话题展开了深入探讨。

参与此次论坛的专家包括：微软印度研究院首席研究员 Kalika Bali、微软剑桥研究院院长 Christopher Bishop、微软首席环境官 Lucas Joppa、微软亚洲研究院副院长刘铁岩，以及微软剑桥研究院高级研究员 Daniela Massiceti。

下面是论坛的精彩内容整理：

Eric Horvitz：作为一位在信息可视化、统计推断、认知科学、行为经济学等方面有着卓越贡献的科学家，当听到“为打造一个具有复原力和可持续发展的全球社会而进行研究”这一表述时，你会想到哪些振奋人心的发展方向？

Jessica Holman：我经常思考在不确定性下要如何推理，以及作为科学家要如何面对不确定性，这让我想到了研究人员如何发展新技术来培养信任的问题。在解决社会问题的过程中，通常会有很多未知因素，无论是流行病、气候变化，还是潜在的网络攻击。所以，让我兴奋的一个领域是如何设计有效的人工代理（human agent）或是人机协作，比如，让我们可以继续使用复杂的预测建模技术进行威胁检测，并且能够信任这些算法。这样，在应对挑战时，才能找到人类知识与机器智能的最佳组合。

另一个问题是不确定性下的沟通，广义上讲是如何从战略高度上让科学家就可持续发展问题的见解以及潜在的解决方案更好地与大众沟通。实现可持续发展和复原力目标的一个重大挑战是，科学家们在试图改变人们的看法时失去了他们的信任。因为不是所有人都能意识到，技术或政策建议应该随着新信息的出现而不断调整，这一点在对2020年的新冠病毒预测和政策制定的反馈中得到了验证。对此，我们还有很多工作要做。有一些观念我们需要避免，比如，当以科学家的身份展示研究工作时，就好像我们已经有了全部的答案。我们应该避免这种盲目的自信，直面客观存在的不确定性，并强调集体行动的重要性。

此外，在了解大众的过程中，如何为关键数据分析提供支持也很重要。例如，当发布关键数据时，人们意识到个人隐私保护越来越困难，比如帮助我们了解人口数量和资源分配而进行的人口普查或其他大规模调查等。

Jessica Holman：所以，我更想听听专家们对复原力和可持续发展的看法，以及对于未来发展方向、研究领域的预期。

Daniela Massiceti：复原力实际上是一种面对变化的适应能力，因为未来肯定会发生变化。以我自己从事的研究为例，就是从极少量数据中学习新概念的机器学习模型，这些研究主要和机器学习模型有关，试图从极少量的数据中学习新概念。这些机器学习模型现在还不具备快速适应的能力，通常需要成千上万的数据去训练，要花费大量的时间收集和标注，这与快速应对和适应环境变化的需求相悖。因此我的研究方向是用更少的样本数据让深度神经网络学会新任务，并且找到一种自然的数据友好的建模方式来更好地适应未来的变化。

我们目前还不知道那个最佳解决方案是什么，所以不应该把所有鸡蛋放在一个篮子里，应该允许研究人员沿着多条平行路线自下而上地推动新思想，百花齐放，然后其中的一朵或几朵会逐渐发展成为那个最佳的解决方案。过去有许多例子说明了这种分布式方法的好处。

以我所在的剑桥大学为例，它是英语世界中最古老的大学之一。它屹立不倒的一个主要原因是“学院联邦制”——各学院相对独立运作，这样任何一所办学失败或无法获得资助时，其他学院仍然能够继续存在，并维持剑桥大学这个整体。由此可见分布式方法至关重要，这也会让科学研究变得更有活力。

Kalika Bali：复原力不仅意味着在逆境中生存，还要能够灵活地适应环境并茁壮成长。新冠疫情让全人类成为了命运共同体，需要一起评估形势携手前进，同时也让我们看到了社会的复原力有多强。

就研究而言，我最感兴趣的是如何让技术更加公平。在“低资源语言”的研究中，目前最让我兴奋的是，将大型的多语言模型适用于各种语言，不落下任何一个人。另外我们还要了解社区群体要如何使用这些技术，例如我们不仅要为印度小部落社区建立语音合成、语音识别系统，也要切实地考虑他们可以如何有效地利用这些技术，提高自身的复原力。

Eric Horvitz：在格拉斯哥举行的《联合国气候变化框架公约》第26次缔约方大会（COP26）刚刚结束。在气候变化的可持续发展问题上，我们面临着巨大的挑战。那么，我们是否可以通过技术创新在不同领域取得突破？是否应该在研发上加大筹码？请从格拉斯哥回来的 Lucas 给我们谈谈你的看法。

Lucas Joppa：你刚才问能否实现突破？从 COP26 大会回来后，我想说我们必须实现技术突破。当考虑气候的可持续发展时，最需要解决的问题是我们需要弄清如何让经济增长与环境退化脱钩，如何让经济和经济活动与温室气体排放，尤其是碳排放脱钩。

作为一名环境科学家，我选择在科技公司工作，原因之一就在于我认为要实现环境与经济的脱钩，只能通过数字化手段，这也是将人类的生产负荷从对环境的索取中解放出来的最终方式。然而，要做到这一点，我们仍然需要电来为数字系统提供动力，进而创造现代化的经济活动工作流程。但突破点在于我们如何寻找或创造新的能源，如何将能源分配系统数字化，如何尽可能高效地使用这些电，降低每单位的耗电量，从而知道如何使用这些计算资源。

不过，我认为如果将这些关键点归结到一个具体的方向，那么就是它们都会围绕着化学研究而展开。因为当我们思考做这些事情的效率时，我们通常谈论的是更有效的化学反应，无论是低碳混凝土、绿色钢铁还是为我们所有数字服务供电的任何其他类型的能源。

Eric Horvitz：谢谢 Lucas。你的回答让我想到了铁岩的研究兴趣。请问铁岩，你认为我们在相关研发上下的最大赌注是什么？

刘铁岩：我认为至少有两件事值得我们努力探索，一是找到一种供应充足的绿色能源，支持人类社会的快速发展；二是去除空气中现存的二氧化碳和其他污染物。我认为，在未来几十年中，这两个方向都会有所突破，不过为了确保它们能够变为现实，我们一定要增加对这些重要领域的研究投资。

例如，很多人认为可控核聚变是目前可以预期的终极能源。然而，这方面的技术还不是很成熟，它面临着许多挑战，如聚变中的等离子体具有复杂的空间和时间尺度，却又紧密耦合。今天，研究人员引入了许多简化方法来进行模拟，但这种简化势必降低模拟结果的准确性。如果我们可以用 AI 技术来高效和准确地求解约束等离子体的物理方程，将极大程度上推进聚变相关的研究。

再比如，去除空气中的碳，我们需要找到高效的催化剂材料。为此，我们需要非常精细的分子模拟，然而这是非常耗时的，直到今天仍然无法扩大模拟规模和大幅降低催化剂发现的成本。最近，来自剑桥、北京、阿姆斯特丹等地的微软研究院的研究员们在 AI 分子模拟的课题上紧密合作，有望对这个领域产生本质的推动作用。例如，微软亚洲研究院发明的 Graphormer 模型在 KDD Cup 2021 分子模拟竞赛和 OC20 公开催化剂挑战赛等多个分子模拟任务中取得了最佳性能。

Eric Horvitz：Graphormer 方面的研究工作真的非常令人兴奋。谈到气候问题，Lucas 作为微软首席环境官，以前也是微软研究院的一员。你能否回顾一下微软这些年令人印象深刻的在可持续发展方面的承诺，以及在通往成功的路上我们还需要做哪些改进？

Lucas Joppa：我先简要地说一些关键信息：到2030年，微软将实现碳负排放、水资源正效益、零废弃；保护的土地面积超过使用面积；建立行星计算机（planetary computer），用于监测、建模和管理自然生态多样性。

在碳负排放问题上，我们将把碳的排放量减少一半甚至更多，然后去除大气中其余的排放量，包括到2030年及此后实现零碳排放。到2050年，我们将消除微软自1975年成立以来产生的所有碳排放。

虽然每个人都需要尽其所能减少排放，但对于大气中温室气体积累的历史遗留问题，我们必须找出清除的方法。这样做的复杂性和成本都极其巨大。在可预见的未来，我们需要大幅降低相关成本，或许要从每公吨几千美元减少到100美元以下，并确保推动这一过程的能源要来自低碳或零碳的能源解决方案。我们如何在这样的承诺下继续保持增长？如何在构建数据中心和计算基础设施时尽可能地减少碳排放并接近零排放？此外，我们也要通过创新突破来清除大气中那些无法避免的排放。

Jessica Holman：谈论环境可持续发展时，会涉及许多部门和行为主体，从政府到科技机构，它们的能力和责任各不相同。那么，在解决气候问题方面，政府、公司和学术机构各自需要发挥怎样的作用？

Christopher Bishop：我的看法受到了比尔·盖茨的强烈影响，任何对气候变化话题感兴趣的人，甚至每个人都应该读一读盖茨这本关于如何避免气候灾难的书——《气候经济与人类未来》。

对于科学家和从事研究的人来说，这本书非常有说服力，其中的内容有理有据。他提出了所有挑战，又列举了各种可能发挥作用的技术和方法。特别在谈到不同行为主体在这一领域的角色时，他提出了需要做出贡献的主体之间的三角关系，其中就包括学术界和微软研究院等组织在内的研究机构需要创造新技术。

我们面对的是一个非常棘手的问题，将能源消耗降到零不太可能，因为我们离不开能源，还有许多国家和地区需要能源去实现增长和发展。这就需要我们寻找新的能源或新的绿色、可持续发展的方式来保证日常生活，所以我们需要新的技术。但只开发新技术还不够，首先，这可能太过昂贵，无法投入应用。其次还需要扩大规模，因为这本身就是一个规模化的问题。每年有5,100亿吨二氧化碳当量进入大气层，那么我们就需要5,100亿吨级别的解决方案。而有效地扩大规模，需要私营企业的参与。

即便具备了这两个要素也是不够的，我们还需要政府来催化整个反应。例如在光伏发电中，新技术虽然昂贵，但提供了一个新的机会，工业界可以通过扩大规模，使其变得便宜和高效。如何克服能源壁垒？政府在这方面可以发挥巨大的作用，通过补贴硬件采购，在长达十年的时间内提供担保，用优惠的价格购买电力等等。这些行为将给私营机构传递一个信号，即这种新能源是有市场的，且值得投资。

我们看到光伏发电的成本下降了两个数量级，还催生了一个可持续、快速发展的新产业。政府现在甚至可以从成功的企业那里获得税收，纳税人可以拿回他们的投资，而政府也可以继续投资下一代技术。我非常同意盖茨的观点，这三类主体需要以更协调的方式工作，才能获得成功。

Lucas Joppa：12年前我开始在微软研究院任职，很高兴看到盖茨、Chris、Eric等同事和我有共同的想法。微软很早就从研究的角度看待这个问题，并达到了世界领先水平。十年前下的大赌注，今天带来了回报，这是一个好现象，也是我经常提到未来几年应该加大赌注和投入的原因。

要清除5,100亿吨二氧化碳，这是相当大体量的污染物，公共部门、私营部门和研究机构都提供了简单的工具，但这些工具却不能为他们自己所用。政策需要创造工具来激励私营部门；学术界需要产生技术突破，帮助私营部门扩大规模等。但现在三方仍然独立行事，研究领域只追求技术突破，政策领域也只制定更多政策。我认为三方的合作力度越大，收益就会越大，三方发挥各自独特的优势，并融合在一起，才能应对气候变化的挑战。

Eric Horvitz：我们面临着技术、行为、组织方面的挑战和机遇。面对世界级的严峻挑战时，如何利用计算机技术的进步来增强应对危机的复原力？尤其是我们从2019年底就在与新冠病毒作斗争，而且未来流行病也会不时发生。

Kalika Bali：这方面我们已经做了很多研究来应对未来的疾病大流行，不过我认为有两件事需要我们格外注意。

一是错误信息。现在仍有很多错误信息，例如关于疾病大流行、疫苗，谁应该接种，谁不适合接种，我觉得科学依据有时候看起来像个黑盒子，一般人难以理解。如何让科学依据更容易为外行人所接受，这是我们要努力的一个方向。

另一个是获得对策略制定有帮助的数据。我们在印度研究院所做的一项研究是如何优化封锁政策。例如以数据为基础，寻求在不影响经济的情况下实施封闭管理，或在公共卫生收益和经济影响之间取得平衡。我们善于对数据进行建模，并加以理解和可视化，然后将所获得的知识注入到能够在疫情期间产生深远影响的政策中。其中的重点就是数据收集，并对数据建模，以及我们如何将从模型中获得的经验注入到政策中。

Eric Horvitz：关于如何应对流行病，铁岩有何想法？

刘铁岩：我们一直在与新冠疫情进行斗争，过去的两年里我们和各界同仁一起不断努力并开发了很多新技术，来应对这次以及未来类似的灾难。举几个例子：

首先，关于新冠疫情趋势的预测。微软亚洲研究院开发了一个先进的时空预测模型，并将其对新冠疫情的趋势预测结果提交给了美国疾病控制与预防中心（CDC）。在相当长的一段时间内，该模型的预测结果都是疾控中心50几个模型中最准确的一个。

其次，关于新冠肺炎的诊断。微软研究院的多个实验室都与外部合作伙伴展开了深入研究，例如 Adaptive Biotechnologies 公司和微软联合推出了 FDA 批准的首款基于人体免疫细胞的新冠检测工具——T-Detect COVID，可以提供比核酸检测更准确的诊断信号。

因为包括 T-Detect 在内的创新技术，微软在2021年被 Fast Company 快公司评选为“年度改变世界的公司”

另外，关于疫苗和药物的设计。我想很多人都看到了这条重磅新闻：临床试验表明，辉瑞公司的新药可以大幅度降低新冠患者的住院率或死亡风险。而在这个药物的研发过程中，计算技术发挥了很大的作用，比如针对先导化合物的过滤、生成和优化等。微软亚洲研究院也正致力于药物发现相关的研究，比如2021年初，我们通过大规模分子动力学模拟，发现 SARS-CoV-2 的 S 蛋白的 NTD 部分具有神奇的楔子效应（wedge effect），会影响该蛋白质的构象变化，从而影响病毒的传染性。因此， NTD 有潜力成为治疗新冠肺炎的有效靶点。

所有这些研究都将为我们应对未来人类社会面临的疾病威胁打下扎实的技术基础。

Jessica Holman：关于流行病的讨论，某种程度上把我们引到了建模的问题上，比如预测因果模型等。我认为，随着世界的变化，包括公共卫生和环境变化、粮食安全、社会福利、生活质量等方面，技术模型都会为这些领域提供强大的工具。具体到可持续发展、复原力上，铁岩对建模、模拟或信息可视化方面，有哪些特别感兴趣的内容？

刘铁岩：当用 AI 模型解决公共卫生或环境保护问题时，我们要非常谨慎。我们要确保模型是可解释的、可执行的，因为它最终是要在现实中真正发挥作用的，马虎不得。

为了实现这一点，构建模型时我们需要将领域知识适当地作为模型的归纳偏置，我们不希望建立一个完全不受控制的黑盒模型。比如，在我们设计新冠疫情趋势预测模型时，除了深度学习分支以外，我们还引入了基于 SEIR 的正则项（regularizer）。通过这种方式，我们有效地将流行病学的知识融入最终的模型之中，不仅能够准确地预测疫情走势，还能为人们的干预措施提供强有力的参考。

另外，对因果关系的建模也非常重要。构建模型时，我们要有一个有效的机制来区分因果特征和非因果特征，这样模型才能从数据中捕捉真实洞察。这种真实洞察可以从一种场景迁移到另一种场景，例如，从新冠疫情上学到的知识，未来可能在应对其它流行性疾病时发挥作用。

Jessica Holman：我补充提一个关于不同模型之间迁移的问题。这是否也需要面对不同团队之间协作的挑战？或者只提取信息，就像阅读文献一样？

刘铁岩：将模型从一个场景迁移到另一个场景，我认为，需要了解不同场景之间的基本差异，并且确保训练模型时所关注的最基本层面，而不是被误导到某种数据过拟合的情况上。

Jessica Holman：Chris，关于应对可持续发展、复原力的挑战，在建模、模拟或者信息可视化方面，你有哪些特别感兴趣的内容？

Christopher Bishop：这是一张令人兴奋的宏大蓝图，我们看到各领域之间正在融合。我的研究从麻省理工的物理学开始，我花了七年时间研究核聚变项目，试图找出绿色、可持续发展的能源形式。30年前，微软研究院刚成立时，我被机器学习吸引并转至这一领域，直至今天依旧乐此不疲。

现在这些领域开始融合，机器学习对自然科学，包括物理、化学、生物学都有了颠覆性的影响。未来十年，机器学习将进一步提升我们的能力，从原子到分子再到宏观层面，增强对各种物质进行分级建模和理解的能力。我们将能够设计更好的核聚变反应堆、新药，甚至个性化药品、新材料、氢能源经济所需的催化剂、燃料电池、碳捕获等等。应用的场景众多，其中有不少都与可持续发展的关键问题直接相关。

Eric Horvitz：听了你们的话，我都忍不住激动起来了。不过，大部分人可能会因为自己居住在北半球，而无法为整个地球考虑。但我们知道，气候变化和其他可持续发展的挑战会对所有地区造成影响，比如居住在南半球欠发达国家的人们。为了更好地理解和解决这些地区的发展问题，我们可以进行哪些投资？

Daniela Massiceti：我们一定会受到环境变化的冲击，因为许多国家的生态系统都很脆弱，更糟的是，当生态系统受到影响时，他们却没有应对的能力。我在南非长大，几年前开普敦遭遇了严重的干旱，几个月过去了市议会还是无法保证普通家庭的自来水供应。人们不得不去周边的水站排队打水。最严重时，每个人每天的供水限额只有25升，即便是非常环保的马桶，冲一次也要6升的水。

有什么办法可以解决发展中国家的问题？我认为，作为发达国家的研究人员，我们不可能完全了解发展中国家的本地问题。所以解决问题的最佳人选，应该是实际生活在那里的人，从投资角度来看，我们能做的最好的事情是真正专注于发展中国家技术能力的建设。

举个例子，过去四年我参与了一个名为“Deep Learning Indaba”的项目，其目的是为非洲培养高端人才，包括机器学习和 AI 方面的人才。作为一名南非人，这个项目非常贴近我内心深处的想法。

但通过我的参与，我看到，其实很多发展中国家的许多地方都已经在进行类似的了不起的工作了，只是可能暂时还没有被外界所发现或不容易被发现。因此，我认为我们能做的最好的事情就是把这些地方在地图上标记出来，帮助他们不断发展，而这也会让我们在未来有更多收获，而不是像以前一样，仅仅是在分配研究拨款时拿出那个熟悉的候选列表。这样做我们不仅扩大了全球知识体系，还可以建立多样化、多学科的团队，进而从不同视角对解决气候变化和可持续发展等复杂问题起到重要作用。

Kalika Bali：我完全同意 Daniela 的观点，但我认为南半球面临的问题与世界其他地区没有太大的差异，只是它们的难度要高出几个数量级。比如全世界共同面临的空气污染问题，据估计每年约有400万至1,000万人死于与空气污染有关的疾病，其中有200万来自印度。

我们想要解决这个问题但却没有数据，难道就只坐在家中思考空气污染是如何造成的么？空气污染与地理因素息息相关，例如附近有哪些工业，周围有怎样的居住人口等等，而我们没有与当地环境相关的细粒度数据。所以，如何有效收集具有地方意义的数据，这绝对是我们应该投资的领域，这将有助于后续提出干预措施，同时，政策的制定也必须要参考本地所采集到的数据。另一件事就是成本效益，尤其在南半球，这些干预措施的成本效益将显得更为重要。

Eric Horvitz：最后，我想听听你们对30年以后的展望。如果时间跨越到2051年，围绕复原力和可持续发展的创新成果，你们能预见什么？

Lucas Joppa：30年后回顾今天时，我希望我们已经做到了两件事：一是围绕着低碳和零碳能源以及广泛的数字化问题，创造出了解决方案。

二是，加深对某些基础科学的理解。提到气候挑战时，我想的不是在这些领域还需要走多远。我总是说化学很简单，物理有点难，生物学真的很难，而生态学几乎是不可能的。所有这些复杂的反馈机制结合在一起，才创造了人类所在的气候环境。再看看我们对基础科学的理解，无论是化学、物理，还是正在取得进展的生物学，以及探究万事万物怎样结合的生态学，都极端的不成熟。如果我们希望稳定气候，就必须将对基础科学的理解从初级水平提升到成熟水平。

Christopher Bishop：30年之后，我希望看到不同领域的真正融合。未来当分子、材料的数量和种类有了“寒武纪”式的大爆发并能为我们所用时，我们也许能真正看到它们在应对气候变化、流行疾病挑战中的应用，以及产生其他造福人类的应用。

刘铁岩：现在不仅是微软在探讨复原力和可持续发展的问题，整个社会都在讨论。这表明，人类对所面临的挑战有着越来越清晰的认识，也意识到这其中的一些挑战是由我们自己造成的。过去我们创造了许多技术加速了人类社会的发展，同时也带来了诸多的麻烦。因此，我们应该学会未雨绸缪，确保目前的选择是对未来而言正确的方向前进。这样，30年后再回首，我们才不会再次为自己当年的短视而遗憾。

我们微软的科学家们所发明的新技术不仅是为了提高精准度和效率，其自身也将是可持续发展的、绿色的。我们不仅要减少微软自身的碳排放，还致力于消除历史上的碳足迹。为了实现这一目标，正如 Chris 和 Lucas 所说，我们要对物理、化学等微观层面的基础研究进行大量的投入，借此推动整个社会的可持续发展。

Daniela Massiceti：我希望看到非洲和其他发展中国家或地区真正出现在“地图”上，积极参与全球的研究事业。在我们应对可持续发展和气候变化的努力中，如果不能让所有国家站在同一起跑线上共同参与，那么我们提出的解决方案可能无法惠及每个人，也不会产生大规模的影响。

Kalika Bali：我希望看到的绝对是技术的普惠性。我认为应该把人类重新放到技术发展的前沿和中心，我们并不是在谈论技术干预，而是技术将成为人、组织和社会结构之间无缝联系的一部分，是整个人类网络的一部分。

Jessica Holman：我关注的主题是，在解决问题时如何克服高资源需求的范式，如何应对低资源环境并从中学习，如何公平使用技术，以及如何在低资源领域使用技术。这让我意识到，随着科学家们在这些领域开展工作，我们必须在一定程度上改变我们的想法。

另一件事是协作性，我们如何从潜在而重要的不同利益相关者那里获取知识，并以系统的方法将它们结合起来。大家也提到，设计适当的激励机制可以促进协作，而要确保私营部门获得适当的奖励，就需要政府设定合适的规则。我们都已经明白了让所有利益相关者参与其中的重要性。

Eric Horvitz：感谢今天参加我们论坛的各位专家成员。我个人对未来的发展非常乐观，计算机科学、化学、物理、材料科学、行为科学、信息可视化等领域的创造性和深思熟虑的努力将引领我们走向一个更加可持续发展的世界。