編者按：可持續發展關乎着人類社會的現在及長遠未來，一直是全社會熱議的話題。對此，微軟也做出了多項承諾，包括到2030年實作公司的碳負排放、零廢棄、水資源正效益，到2050年消除公司自1975年成立以來直接排放及因供應鍊而排放的所有碳。我們該如何看待可持續發展？科技創新在可持續發展中扮演了怎樣的角色？什麼是具有複原力的社會？下次社會危機到來前我們能做好準備嗎？微軟的科學家們對2051年又有怎樣的期許？
在慶祝微軟研究院成立30周年的“Generations of inspirational and impactful research（一代又一代鼓舞人心和影響深遠的研究）”系列專家論壇的第二期上，來自世界各地的微軟科學家們就“打造具有複原力和可持續發展的全球社會”進行了探讨。我們精編整理了論壇内容，希望與大家共同分享這期精彩的思想盛宴。
本期論壇，由微軟首席科學官 Eric Horvitz 與西北大學副教授 Jessica Holman 共同主持，他們與來自世界各地的專家們就“打造具有複原力和可持續發展的全球社會”這一話題展開了深入探讨。
參與此次論壇的專家包括：微軟印度研究院首席研究員 Kalika Bali、微軟劍橋研究院院長 Christopher Bishop、微軟首席環境官 Lucas Joppa、微軟亞洲研究院副院長劉鐵岩，以及微軟劍橋研究院進階研究員 Daniela Massiceti。
Pursuing a resilient and sustainable global society-教育-高清完整正版視訊線上觀看-優酷
下面是論壇的精彩内容整理：
Eric Horvitz：作為一位在資訊可視化、統計推斷、認知科學、行為經濟學等方面有着卓越貢獻的科學家，當聽到“為打造一個具有複原力和可持續發展的全球社會而進行研究”這一表述時，你會想到哪些振奮人心的發展方向？
Jessica Holman：我經常思考在不确定性下要如何推理，以及作為科學家要如何面對不确定性，這讓我想到了研究人員如何發展新技術來培養信任的問題。在解決社會問題的過程中，通常會有很多未知因素，無論是流行病、氣候變化，還是潛在的網絡攻擊。是以，讓我興奮的一個領域是如何設計有效的人工代理（human agent）或是人機協作，比如，讓我們可以繼續使用複雜的預測模組化技術進行威脅檢測，并且能夠信任這些算法。這樣，在應對挑戰時，才能找到人類知識與機器智能的最佳組合。
另一個問題是不确定性下的溝通，廣義上講是如何從戰略高度上讓科學家就可持續發展問題的見解以及潛在的解決方案更好地與大衆溝通。實作可持續發展和複原力目标的一個重大挑戰是，科學家們在試圖改變人們的看法時失去了他們的信任。因為不是所有人都能意識到，技術或政策建議應該随着新資訊的出現而不斷調整，這一點在對2020年的新冠病毒預測和政策制定的回報中得到了驗證。對此，我們還有很多工作要做。有一些觀念我們需要避免，比如，當以科學家的身份展示研究工作時，就好像我們已經有了全部的答案。我們應該避免這種盲目的自信，直面客觀存在的不确定性，并強調集體行動的重要性。
此外，在了解大衆的過程中，如何為關鍵資料分析提供支援也很重要。例如，當釋出關鍵資料時，人們意識到個人隐私保護越來越困難，比如幫助我們了解人口數量和資源配置設定而進行的人口普查或其他大規模調查等。
Jessica Holman：是以，我更想聽聽專家們對複原力和可持續發展的看法，以及對于未來發展方向、研究領域的預期。
Daniela Massiceti：複原力實際上是一種面對變化的适應能力，因為未來肯定會發生變化。以我自己從事的研究為例，就是從極少量資料中學習新概念的機器學習模型，這些研究主要和機器學習模型有關，試圖從極少量的資料中學習新概念。這些機器學習模型現在還不具備快速适應的能力，通常需要成千上萬的資料去訓練，要花費大量的時間收集和标注，這與快速應對和适應環境變化的需求相悖。是以我的研究方向是用更少的樣本資料讓深度神經網絡學會新任務，并且找到一種自然的資料友好的模組化方式來更好地适應未來的變化。
我們目前還不知道那個最佳解決方案是什麼，是以不應該把所有雞蛋放在一個籃子裡，應該允許研究人員沿着多條平行路線自下而上地推動新思想，百花齊放，然後其中的一朵或幾朵會逐漸發展成為那個最佳的解決方案。過去有許多例子說明了這種分布式方法的好處。
以我所在的劍橋大學為例，它是英語世界中最古老的大學之一。它屹立不倒的一個主要原因是“學院聯邦制”——各學院相對獨立運作，這樣任何一所辦學失敗或無法獲得資助時，其他學院仍然能夠繼續存在，并維持劍橋大學這個整體。由此可見分布式方法至關重要，這也會讓科學研究變得更有活力。
Kalika Bali：複原力不僅意味着在逆境中生存，還要能夠靈活地适應環境并茁壯成長。新冠疫情讓全人類成為了命運共同體，需要一起評估形勢攜手前進，同時也讓我們看到了社會的複原力有多強。
就研究而言，我最感興趣的是如何讓技術更加公平。在“低資源語言”的研究中，目前最讓我興奮的是，将大型的多語言模型适用于各種語言，不落下任何一個人。另外我們還要了解社群群體要如何使用這些技術，例如我們不僅要為印度小部落社群建立語音合成、語音識别系統，也要切實地考慮他們可以如何有效地利用這些技術，提高自身的複原力。
Eric Horvitz：在格拉斯哥舉行的《聯合國氣候變化架構公約》第26次締約方大會（COP26）剛剛結束。在氣候變化的可持續發展問題上，我們面臨着巨大的挑戰。那麼，我們是否可以通過技術創新在不同領域取得突破？是否應該在研發上加大籌碼？請從格拉斯哥回來的 Lucas 給我們談談你的看法。
Lucas Joppa：你剛才問能否實作突破？從 COP26 大會回來後，我想說我們必須實作技術突破。當考慮氣候的可持續發展時，最需要解決的問題是我們需要弄清如何讓經濟增長與環境退化脫鈎，如何讓經濟和經濟活動與溫室氣體排放，尤其是碳排放脫鈎。
作為一名環境科學家，我選擇在科技公司工作，原因之一就在于我認為要實作環境與經濟的脫鈎，隻能通過數字化手段，這也是将人類的生産負荷從對環境的索取中解放出來的最終方式。然而，要做到這一點，我們仍然需要電來為數字系統提供動力，進而創造現代化的經濟活動工作流程。但突破點在于我們如何尋找或創造新的能源，如何将能源配置設定系統數字化，如何盡可能高效地使用這些電，降低每機關的耗電量，進而知道如何使用這些計算資源。
不過，我認為如果将這些關鍵點歸結到一個具體的方向，那麼就是它們都會圍繞着化學研究而展開。因為當我們思考做這些事情的效率時，我們通常談論的是更有效的化學反應，無論是低碳混凝土、綠色鋼鐵還是為我們所有數字服務供電的任何其他類型的能源。
Eric Horvitz：謝謝 Lucas。你的回答讓我想到了鐵岩的研究興趣。請問鐵岩，你認為我們在相關研發上下的最大賭注是什麼？
劉鐵岩：我認為至少有兩件事值得我們努力探索，一是找到一種供應充足的綠色能源，支援人類社會的快速發展；二是去除空氣中現存的二氧化碳和其他污染物。我認為，在未來幾十年中，這兩個方向都會有所突破，不過為了確定它們能夠變為現實，我們一定要增加對這些重要領域的研究投資。
例如，很多人認為可控核聚變是目前可以預期的終極能源。然而，這方面的技術還不是很成熟，它面臨着許多挑戰，如聚變中的等離子體具有複雜的空間和時間尺度，卻又緊密耦合。今天，研究人員引入了許多簡化方法來進行模拟，但這種簡化勢必降低模拟結果的準确性。如果我們可以用 AI 技術來高效和準确地求解限制等離子體的實體方程，将極大程度上推進聚變相關的研究。
再比如，去除空氣中的碳，我們需要找到高效的催化劑材料。為此，我們需要非常精細的分子模拟，然而這是非常耗時的，直到今天仍然無法擴大模拟規模和大幅降低催化劑發現的成本。最近，來自劍橋、北京、阿姆斯特丹等地的微軟研究院的研究員們在 AI 分子模拟的課題上緊密合作，有望對這個領域産生本質的推動作用。例如，微軟亞洲研究院發明的 Graphormer 模型在 KDD Cup 2021 分子模拟競賽和 OC20 公開催化劑挑戰賽等多個分子模拟任務中取得了最佳性能。
Eric Horvitz：Graphormer 方面的研究工作真的非常令人興奮。談到氣候問題，Lucas 作為微軟首席環境官，以前也是微軟研究院的一員。你能否回顧一下微軟這些年令人印象深刻的在可持續發展方面的承諾，以及在通往成功的路上我們還需要做哪些改進？
Lucas Joppa：我先簡要地說一些關鍵資訊：到2030年，微軟将實作碳負排放、水資源正效益、零廢棄；保護的土地面積超過使用面積；建立行星計算機（planetary computer），用于監測、模組化和管理自然生态多樣性。
在碳負排放問題上，我們将把碳的排放量減少一半甚至更多，然後去除大氣中其餘的排放量，包括到2030年及此後實作零碳排放。到2050年，我們将消除微軟自1975年成立以來産生的所有碳排放。
雖然每個人都需要盡其所能減少排放，但對于大氣中溫室氣體積累的曆史遺留問題，我們必須找出清除的方法。這樣做的複雜性和成本都極其巨大。在可預見的未來，我們需要大幅降低相關成本，或許要從每公噸幾千美元減少到100美元以下，并確定推動這一過程的能源要來自低碳或零碳的能源解決方案。我們如何在這樣的承諾下繼續保持增長？如何在建構資料中心和計算基礎設施時盡可能地減少碳排放并接近零排放？此外，我們也要通過創新突破來清除大氣中那些無法避免的排放。
Jessica Holman：談論環境可持續發展時，會涉及許多部門和行為主體，從政府到科技機構，它們的能力和責任各不相同。那麼，在解決氣候問題方面，政府、公司和學術機構各自需要發揮怎樣的作用？
Christopher Bishop：我的看法受到了比爾·蓋茨的強烈影響，任何對氣候變化話題感興趣的人，甚至每個人都應該讀一讀蓋茨這本關于如何避免氣候災難的書——《氣候經濟與人類未來》。
對于科學家和從事研究的人來說，這本書非常有說服力，其中的内容有理有據。他提出了所有挑戰，又列舉了各種可能發揮作用的技術和方法。特别在談到不同行為主體在這一領域的角色時，他提出了需要做出貢獻的主體之間的三角關系，其中就包括學術界和微軟研究院等組織在内的研究機構需要創造新技術。
我們面對的是一個非常棘手的問題，将能源消耗降到零不太可能，因為我們離不開能源，還有許多國家和地區需要能源去實作增長和發展。這就需要我們尋找新的能源或新的綠色、可持續發展的方式來保證日常生活，是以我們需要新的技術。但隻開發新技術還不夠，首先，這可能太過昂貴，無法投入應用。其次還需要擴大規模，因為這本身就是一個規模化的問題。每年有5,100億噸二氧化碳當量進入大氣層，那麼我們就需要5,100億噸級别的解決方案。而有效地擴大規模，需要私營企業的參與。
即便具備了這兩個要素也是不夠的，我們還需要政府來催化整個反應。例如在光伏發電中，新技術雖然昂貴，但提供了一個新的機會，工業界可以通過擴大規模，使其變得便宜和高效。如何克服能源壁壘？政府在這方面可以發揮巨大的作用，通過補貼硬體采購，在長達十年的時間内提供擔保，用優惠的價格購買電力等等。這些行為将給私營機構傳遞一個信号，即這種新能源是有市場的，且值得投資。
我們看到光伏發電的成本下降了兩個數量級，還催生了一個可持續、快速發展的新産業。政府現在甚至可以從成功的企業那裡獲得稅收，納稅人可以拿回他們的投資，而政府也可以繼續投資下一代技術。我非常同意蓋茨的觀點，這三類主體需要以更協調的方式工作，才能獲得成功。
Lucas Joppa：12年前我開始在微軟研究院任職，很高興看到蓋茨、Chris、Eric等同僚和我有共同的想法。微軟很早就從研究的角度看待這個問題，并達到了世界領先水準。十年前下的大賭注，今天帶來了回報，這是一個好現象，也是我經常提到未來幾年應該加大賭注和投入的原因。
要清除5,100億噸二氧化碳，這是相當大體量的污染物，公共部門、私營部門和研究機構都提供了簡單的工具，但這些工具卻不能為他們自己所用。政策需要創造工具來激勵私營部門；學術界需要産生技術突破，幫助私營部門擴大規模等。但現在三方仍然獨立行事，研究領域隻追求技術突破，政策領域也隻制定更多政策。我認為三方的合作力度越大，收益就會越大，三方發揮各自獨特的優勢，并融合在一起，才能應對氣候變化的挑戰。
Eric Horvitz：我們面臨着技術、行為、組織方面的挑戰和機遇。面對世界級的嚴峻挑戰時，如何利用計算機技術的進步來增強應對危機的複原力？尤其是我們從2019年底就在與新冠病毒作鬥争，而且未來流行病也會不時發生。
Kalika Bali：這方面我們已經做了很多研究來應對未來的疾病大流行，不過我認為有兩件事需要我們格外注意。
一是錯誤資訊。現在仍有很多錯誤資訊，例如關于疾病大流行、疫苗，誰應該接種，誰不适合接種，我覺得科學依據有時候看起來像個黑盒子，一般人難以了解。如何讓科學依據更容易為外行人所接受，這是我們要努力的一個方向。
另一個是獲得對政策制定有幫助的資料。我們在印度研究院所做的一項研究是如何優化封鎖政策。例如以資料為基礎，尋求在不影響經濟的情況下實施封閉管理，或在公共衛生收益和經濟影響之間取得平衡。我們善于對資料進行模組化，并加以了解和可視化，然後将所獲得的知識注入到能夠在疫情期間産生深遠影響的政策中。其中的重點就是資料收集，并對資料模組化，以及我們如何将從模型中獲得的經驗注入到政策中。
Eric Horvitz：關于如何應對流行病，鐵岩有何想法？
劉鐵岩：我們一直在與新冠疫情進行鬥争，過去的兩年裡我們和各界同仁一起不斷努力并開發了很多新技術，來應對這次以及未來類似的災難。舉幾個例子：
首先，關于新冠疫情趨勢的預測。微軟亞洲研究院開發了一個先進的時空預測模型，并将其對新冠疫情的趨勢預測結果送出給了美國疾病控制與預防中心（CDC）。在相當長的一段時間内，該模型的預測結果都是疾控中心50幾個模型中最準确的一個。
其次，關于新冠肺炎的診斷。微軟研究院的多個實驗室都與外部合作夥伴展開了深入研究，例如 Adaptive Biotechnologies 公司和微軟聯合推出了 FDA 準許的首款基于人體免疫細胞的新冠檢測工具——T-Detect COVID，可以提供比核酸檢測更準确的診斷信号。
因為包括 T-Detect 在内的創新技術，微軟在2021年被 Fast Company 快公司評選為“年度改變世界的公司”
另外，關于疫苗和藥物的設計。我想很多人都看到了這條重磅新聞：臨床試驗表明，輝瑞公司的新藥可以大幅度降低新冠患者的住院率或死亡風險。而在這個藥物的研發過程中，計算技術發揮了很大的作用，比如針對先導化合物的過濾、生成和優化等。微軟亞洲研究院也正緻力于藥物發現相關的研究，比如2021年初，我們通過大規模分子動力學模拟，發現 SARS-CoV-2 的 S 蛋白的 NTD 部分具有神奇的楔子效應（wedge effect），會影響該蛋白質的構象變化，進而影響病毒的傳染性。是以， NTD 有潛力成為治療新冠肺炎的有效靶點。
所有這些研究都将為我們應對未來人類社會面臨的疾病威脅打下紮實的技術基礎。
Jessica Holman：關于流行病的讨論，某種程度上把我們引到了模組化的問題上，比如預測因果模型等。我認為，随着世界的變化，包括公共衛生和環境變化、糧食安全、社會福利、生活品質等方面，技術模型都會為這些領域提供強大的工具。具體到可持續發展、複原力上，鐵岩對模組化、模拟或資訊可視化方面，有哪些特别感興趣的内容？
劉鐵岩：當用 AI 模型解決公共衛生或環境保護問題時，我們要非常謹慎。我們要確定模型是可解釋的、可執行的，因為它最終是要在現實中真正發揮作用的，馬虎不得。
為了實作這一點，構模組化型時我們需要将領域知識适當地作為模型的歸納偏置，我們不希望建立一個完全不受控制的黑盒模型。比如，在我們設計新冠疫情趨勢預測模型時，除了深度學習分支以外，我們還引入了基于 SEIR 的正則項（regularizer）。通過這種方式，我們有效地将流行病學的知識融入最終的模型之中，不僅能夠準确地預測疫情走勢，還能為人們的幹預措施提供強有力的參考。
另外，對因果關系的模組化也非常重要。構模組化型時，我們要有一個有效的機制來區分因果特征和非因果特征，這樣模型才能從資料中捕捉真實洞察。這種真實洞察可以從一種場景遷移到另一種場景，例如，從新冠疫情上學到的知識，未來可能在應對其它流行性疾病時發揮作用。
Jessica Holman：我補充提一個關于不同模型之間遷移的問題。這是否也需要面對不同團隊之間協作的挑戰？或者隻提取資訊，就像閱讀文獻一樣？
劉鐵岩：将模型從一個場景遷移到另一個場景，我認為，需要了解不同場景之間的基本差異，并且確定訓練模型時所關注的最基本層面，而不是被誤導到某種資料過拟合的情況上。
Jessica Holman：Chris，關于應對可持續發展、複原力的挑戰，在模組化、模拟或者資訊可視化方面，你有哪些特别感興趣的内容？
Christopher Bishop：這是一張令人興奮的宏大藍圖，我們看到各領域之間正在融合。我的研究從麻省理工的實體學開始，我花了七年時間研究核聚變項目，試圖找出綠色、可持續發展的能源形式。30年前，微軟研究院剛成立時，我被機器學習吸引并轉至這一領域，直至今天依舊樂此不疲。
現在這些領域開始融合，機器學習對自然科學，包括實體、化學、生物學都有了颠覆性的影響。未來十年，機器學習将進一步提升我們的能力，從原子到分子再到宏觀層面，增強對各種物質進行分級模組化和了解的能力。我們将能夠設計更好的核聚變反應堆、新藥，甚至個性化藥品、新材料、氫能源經濟所需的催化劑、燃料電池、碳捕獲等等。應用的場景衆多，其中有不少都與可持續發展的關鍵問題直接相關。
Eric Horvitz：聽了你們的話，我都忍不住激動起來了。不過，大部分人可能會因為自己居住在北半球，而無法為整個地球考慮。但我們知道，氣候變化和其他可持續發展的挑戰會對所有地區造成影響，比如居住在南半球欠發達國家的人們。為了更好地了解和解決這些地區的發展問題，我們可以進行哪些投資？
Daniela Massiceti：我們一定會受到環境變化的沖擊，因為許多國家的生态系統都很脆弱，更糟的是，當生态系統受到影響時，他們卻沒有應對的能力。我在南非長大，幾年前開普敦遭遇了嚴重的幹旱，幾個月過去了市議會還是無法保證普通家庭的自來水供應。人們不得不去周邊的水站排隊打水。最嚴重時，每個人每天的供水限額隻有25升，即便是非常環保的馬桶，沖一次也要6升的水。
有什麼辦法可以解決開發中國家的問題？我認為，作為發達國家的研究人員，我們不可能完全了解開發中國家的本地問題。是以解決問題的最佳人選，應該是實際生活在那裡的人，從投資角度來看，我們能做的最好的事情是真正專注于開發中國家技術能力的建設。
舉個例子，過去四年我參與了一個名為“Deep Learning Indaba”的項目，其目的是為非洲培養高端人才，包括機器學習和 AI 方面的人才。作為一名南非人，這個項目非常貼近我内心深處的想法。
但通過我的參與，我看到，其實很多開發中國家的許多地方都已經在進行類似的了不起的工作了，隻是可能暫時還沒有被外界所發現或不容易被發現。是以，我認為我們能做的最好的事情就是把這些地方在地圖上标記出來，幫助他們不斷發展，而這也會讓我們在未來有更多收獲，而不是像以前一樣，僅僅是在配置設定研究撥款時拿出那個熟悉的候選清單。這樣做我們不僅擴大了全球知識體系，還可以建立多樣化、多學科的團隊，進而從不同視角對解決氣候變化和可持續發展等複雜問題起到重要作用。
Kalika Bali：我完全同意 Daniela 的觀點，但我認為南半球面臨的問題與世界其他地區沒有太大的差異，隻是它們的難度要高出幾個數量級。比如全世界共同面臨的空氣污染問題，據估計每年約有400萬至1,000萬人死于與空氣污染有關的疾病，其中有200萬來自印度。
我們想要解決這個問題但卻沒有資料，難道就隻坐在家中思考空氣污染是如何造成的麼？空氣污染與地理因素息息相關，例如附近有哪些工業，周圍有怎樣的居住人口等等，而我們沒有與當地環境相關的細粒度資料。是以，如何有效收集具有地方意義的資料，這絕對是我們應該投資的領域，這将有助于後續提出幹預措施，同時，政策的制定也必須要參考本地所采集到的資料。另一件事就是成本效益，尤其在南半球，這些幹預措施的成本效益将顯得更為重要。
Eric Horvitz：最後，我想聽聽你們對30年以後的展望。如果時間跨越到2051年，圍繞複原力和可持續發展的創新成果，你們能預見什麼？
Lucas Joppa：30年後回顧今天時，我希望我們已經做到了兩件事：一是圍繞着低碳和零碳能源以及廣泛的數字化問題，創造出了解決方案。
二是，加深對某些基礎科學的了解。提到氣候挑戰時，我想的不是在這些領域還需要走多遠。我總是說化學很簡單，實體有點難，生物學真的很難，而生态學幾乎是不可能的。所有這些複雜的回報機制結合在一起，才創造了人類所在的氣候環境。再看看我們對基礎科學的了解，無論是化學、實體，還是正在取得進展的生物學，以及探究萬事萬物怎樣結合的生态學，都極端的不成熟。如果我們希望穩定氣候，就必須将對基礎科學的了解從初級水準提升到成熟水準。
Christopher Bishop：30年之後，我希望看到不同領域的真正融合。未來當分子、材料的數量和種類有了“寒武紀”式的大爆發并能為我們所用時，我們也許能真正看到它們在應對氣候變化、流行疾病挑戰中的應用，以及産生其他造福人類的應用。
劉鐵岩：現在不僅是微軟在探讨複原力和可持續發展的問題，整個社會都在讨論。這表明，人類對所面臨的挑戰有着越來越清晰的認識，也意識到這其中的一些挑戰是由我們自己造成的。過去我們創造了許多技術加速了人類社會的發展，同時也帶來了諸多的麻煩。是以，我們應該學會未雨綢缪，確定目前的選擇是對未來而言正确的方向前進。這樣，30年後再回首，我們才不會再次為自己當年的短視而遺憾。
我們微軟的科學家們所發明的新技術不僅是為了提高精準度和效率，其自身也将是可持續發展的、綠色的。我們不僅要減少微軟自身的碳排放，還緻力于消除曆史上的碳足迹。為了實作這一目标，正如 Chris 和 Lucas 所說，我們要對實體、化學等微觀層面的基礎研究進行大量的投入，借此推動整個社會的可持續發展。
Daniela Massiceti：我希望看到非洲和其他開發中國家或地區真正出現在“地圖”上，積極參與全球的研究事業。在我們應對可持續發展和氣候變化的努力中，如果不能讓所有國家站在同一起跑線上共同參與，那麼我們提出的解決方案可能無法惠及每個人，也不會産生大規模的影響。
Kalika Bali：我希望看到的絕對是技術的普惠性。我認為應該把人類重新放到技術發展的前沿和中心，我們并不是在談論技術幹預，而是技術将成為人、組織和社會結構之間無縫聯系的一部分，是整個人類網絡的一部分。
Jessica Holman：我關注的主題是，在解決問題時如何克服高資源需求的範式，如何應對低資源環境并從中學習，如何公平使用技術，以及如何在低資源領域使用技術。這讓我意識到，随着科學家們在這些領域開展工作，我們必須在一定程度上改變我們的想法。
另一件事是協作性，我們如何從潛在而重要的不同利益相關者那裡擷取知識，并以系統的方法将它們結合起來。大家也提到，設計适當的激勵機制可以促進協作，而要確定私營部門獲得适當的獎勵，就需要政府設定合适的規則。我們都已經明白了讓所有利益相關者參與其中的重要性。
Eric Horvitz：感謝今天參加我們論壇的各位專家成員。我個人對未來的發展非常樂觀，計算機科學、化學、實體、材料科學、行為科學、資訊可視化等領域的創造性和深思熟慮的努力将引領我們走向一個更加可持續發展的世界。