Everything you care about in one place

Follow feeds: blogs, news, RSS and more. An effortless way to read and digest content of your choice.

Get Feeder

blog.sina.com.cn

微软亚洲研究院

Get the latest updates from 微软亚洲研究院 directly as they happen.

Follow now 199 followers

Latest posts

Last updated almost 7 years ago

微软亚洲研究院NLP铁军“超越人类”技术揭秘

almost 7 years ago

上周六,我们发布的“微软亚洲研究院机器阅读系统在SQuAD挑战赛中率先超越人类水平”一文介绍了机器阅读理解领域的重大突破——微软亚洲研究院的R-NET模型率先在SQuAD EM值达到82.650,在ExactMatch (精准匹配)指标上首次超越了人类,这一消息让很多人感到振奋,也引起了许多人对比赛细节的疑惑与好奇。周明团队在第一时间接受了新智元的专访,为读者详细解析了何为EM、F1,超越人类的具体内涵,NLP最难突破的核心问题以及自然语言处理技术发展的现状和未来展望等众多话题。 ​ ​ 2018年1月3日,微软亚洲研究院的R-NET率先在SQuAD machine reading comprehension challenge 上达到82.650,这意味着在ExactMatch (精准匹配)指标上首次超越人类在2016年创下的82.304。...

干货 | 论文解读:基于动态词表的对话生成研究

almost 7 years ago

​ 编者按:近年来,聊天机器人在飞速发展,很多人也对机器人的对话系统产生了很大兴趣。近期,北京航空航天大学—微软亚洲研究院联合培养博士生吴俣应邀参加了PaperWeekly优质论文线上直播分享活动,带大家回顾了近几年来聊天机器人的发展,对比了检索式和生成式聊天机器人的优缺点,并以第一作者的身份解读了北京航空航天大学和微软亚洲研究院在AAAI 2018上发表的有关基于动态词表对话生成研究的论文Neural Response Generation with Dynamic Vocabularies。 一起来看看吧!文章转载自公众号“PaperWeekly”。 浅析对话系统 ​ 对话系统主要分为两类,一类是任务型,另一类是非任务型。任务型对话系统主要应用于企业客服、订票、天气查询等场景,非任务型驱动对话系统则是指以微软小冰为代表的聊天机器人形式。...

微软Everyday AI发布会:四大工具让AI来到你身边

almost 7 years ago

昨天,微软在旧金山举办了一场“Everyday AI”发布会,会上主要发布了必应搜索引擎、微软小娜、Office 365和Seeing AI四种工具和服务的更新功能,更新后的工具借助人工智能服务帮助人们更巧妙地获取信息,满足人们更复杂的需求,给人们每天的日常生活带来有益的改善。 现在,你是不是非常好奇四种工具都有了哪些“大变身”?超想知道我们的生活会因此发生哪些变化?那就一起来看看吧! 智能必应:给你更聪明的答案 想想我们现在的搜索过程:输入关键词——弹出大量信息——排查整合——找到特定信息。这个操作过程是不是有点像以前妈妈翻看自己的电话簿来寻找某个好友联系方式的情形。通过这种方式,我们虽然能找到想要的信息,但会花费很多时间和精力,总让人感觉不太“聪明”。而我们现在想要搜索引擎给我们提供更聪明的答案,比如我们想知道某一个健身计划的利弊,想弄清新出的电影是不是值得一看,甚至在只对搜索引擎说“我饿了”之后,它就会推荐我们所在城市的餐厅。简而言之,我们更需要经过整合的智能回答,而不是一大堆网页的排列。 现在,微软在必应中就引入了这样的智能搜索功能,它使用AI技术将用户输入的关键词与所需信息更高效地整合起来,不仅能提供相对智能的答案,还能呈现问题的多个回答视角,并将数据转化为易于理解的概念。这些角度不同但都围绕搜索主题的答案也能帮助我们大开脑洞。 ​新功能也能在人们查询一个主观问题时产生更多观点,例如,如果你问Bing“咖啡对我们的健康好不好”,你会看到两类不同的观点,这也是微软对“世事有时并不非黑即白”观念的一次推行尝试。 ​ 同时,Bing还支持图像搜索和会话搜索。智能图像搜索通过使用计算机视觉和物体识别技术对所提供图像进行搜索,从而提供给用户依据图片想查找的内容。 ​...

二十一世纪计算 | 大图数据科学: 图数据中的推理

almost 7 years ago

​编者按:我们正淹没在大数据的河流里,数据之间的相互关系蕴含着丰富的信息,但也常常被我们忽略。本文中,加州大学圣克鲁兹分校计算机科学系教授、美国人工智能学会(AAAI)院士Lise Getoor讲述了图识别是如何依靠数据做出推理的,并给出了自己对于概率软性逻辑PSL优越性和可能应用的看法。Lise Getoor表示我们还需要对图进行更多的机器学习,考虑各种关联结点之间的复杂关系。 ​ ​ (以下为Lise Getoor教授分享的精简版文字整理) 我们正淹没在大数据的河流里,大数据并非是平的,而是多模态、多关系、兼具时空、多媒体的。目前的AI技术,特别是机器学习,它将丰富复杂数据平放到矩阵的形式当中。我们当下所做的一些工作很可能忽视了数据当中的很多丰富信息,其中很重要的一点就是错误假设了数据之间的相互关系。作为研究者和开发者,我们需要考虑到这些图的结构和相关的环境因素。 ​ 我想首先和大家说说三种常见的图数据推理模式,最简单的一种叫做协同分类。如果一个图的部分结点已经有标签,我们就可以推理出其结点的标签。社交网络就是很典型的例子,其中包含着非常丰富的信息和联系,通过信息和数据去做推理可以得出某位朋友的饮食习惯或其他偏好。基于数据在已有的信息,设置不同的权重,我们能够做一些简单的推理,充分利用本地信息和标签,再去推理出一些之前没有加入的标签信息。 ​ ​...

微软推出中文学习AI助手Microsoft Learn Chinese

almost 7 years ago

​ 编者按:美国总统特朗普访华期间,他6岁的外孙女阿拉贝拉用中文普通话演唱和背诵传统诗歌的视频在中国社交媒体上引起广泛关注,可以感受得到,越来越多的人对中文学习充满了兴趣。智能私教微软小英帮助很多中国人解决了练习英语的难题。现在,为了让“歪果仁”朋友也能说一口顺流的中文,我们又派出了新的AI贴心私教——Microsoft Learn Chinese。 ​ ​ 想要学习好一门外语,大量的语言练习是必不可少的,但是如何能找到一个有时间、有能力、有耐心的陪练可是难倒了一大批小伙伴。之前微软亚洲研究院研发的贴心英语私教微软小英就完美地帮助学英语的同学解决了这一困难,让随时随地练英语的梦想不再遥不可及。 练习英语的问题被解决,可你有没有想过正在努力学习中文的国际友人也有着相似的烦恼呢?为了帮助中文学习者解决这一难题,微软小英团队基于小英的底层技术开发了一个免费的智能手机应用——Microsoft Learn Chinese,一位24小时待命的人工智能语言学习助手。 ​ 目前,Microsoft...

二十一世纪计算 | John Hopcroft:AI革命

almost 7 years ago

编者按:信息革命的浪潮浩浩汤汤,越来越多的人将注意力转向人工智能,想探索它对人类生产生活所产生的可能影响。人工智能的下一步发展将主要来自深度学习,在这个领域中,更多令人兴奋的话题在等待我们探讨:神经网络、图像识别、语言翻译······ 本文是第十九届“二十一世纪的计算”大会精选系列的第四篇,康奈尔大学计算机系教授、1986年图灵奖获得者、电气电子工程师学会(IEEE)及美国计算机协会(ACM)院士John Hopcroft将就AI革命这一话题为大家带来精彩讲解。​ ​ ​​ (以下为John Hopcroft分享的精简版文字整理) 一百多年前,工业革命成功帮助人类实现了许多物理任务的自动化。而现在,我们正面临一场前所未有的信息革命,越来越多的人将自动化构想投射到智能任务上,而这势必会对人类生活产生深刻的影响,深度学习就是其中一个非常重要的方面。 ​ 在1960年左右,研究者开始对阈值逻辑单元展开研究,如果我们在这里放入一个信号,这个设备就有一个输出的信号:0和1。它的工作原理是每一个输入都有一个权重,这个设备它会计算去预测输入乘以权重。如果说最后得出的结果是超过了某一个阈值T的话,它的结果就是输出就是1,否则的话就是0。研究者所做的工作,他们开发出一种技术,这个技术是去训练这个设备,让它能够识别不同的信号。 相应的我们有一个训练阈值逻辑单元的算法——感知器算法。首先我们要根据第一个模式对权重赋值,并对每一个模式进行测试,检测它们的分类是否正确。如果一个模式的分类发生错误,当期望输出为1时,则将权重加上这个模式的值;反正当期望值为0时,则将权重减去这个模式的值。用该过程不断检测所有模式,直到实现全部模式的正确分类。 ​...

ICCV | 深度三维残差神经网络:视频理解新突破

almost 7 years ago

编者按:随着互联网的不断发展,可处理视频的深度神经网络远比普通神经网络更难训练,如何减轻训练负担成为了一项不可忽视的工作。来自微软亚洲研究院多媒体搜索与挖掘组的研究成果“Learning Spatio-Temporal Representation with Pseudo-3D Residual Networks”,在正在举办的International Conference on Computer Vision (ICCV)...

微软学者 | 以前沿视角,做计算机领域的瞭望者

almost 7 years ago

​编者按:2017微软学者奖学金在第十九届“二十一世纪的计算”大会上如期揭晓,经过重重筛选包括李博杰在内的十位博士生最终获此殊荣。 自1999年起,“微软学者”项目就在为支持优质博士生科研工作不断努力。迄今为止,逾百名“微软学者”获得者已在各自领域大放异彩,无论是聚焦软件工程,还是探索最前沿的人工智能技术,他们都在为推动技术以及行业的进步不遗余力。今年9月,30多名往届“微软学者”获得者共聚微软亚洲研究院博士生论坛,讲述了他们与“微软学者”的那些事儿。 学术机遇,前沿视角 2011年,还在北京大学读本科的张洁拿到了一张微软“二十一世纪的计算”大会门票,“清楚记得,当时我和我们的年级第一坐在一起听大会,微软学者奖学金颁奖时,我脑子里在想:年级第一以后估计也很难评上这个奖吧……嗯至于自己,我连想都没想。” 五年之后,张洁的论文多次被顶级会议接收,评审人对她工作的高度评价使她对自己的科研能力有了更多的自信,申请2016微软学者奖学金之后,“想都没想”的张洁成为当年的获得者之一。张洁认为,这项荣誉对她而言意义非凡。首先是受到了巨大鼓舞,坚定了从事科研事业的决心;其次是随着获奖而来的学术机遇和开阔视野的机会。“当时我们去韩国延世大学参加颁奖典礼,并有幸和图灵奖获得者Adi Shamir教授共进午餐,与Shamir教授和其他获奖者的交流让我有机会了解到不同领域的研究动向。” 接下来,张洁在微软亚洲研究院进行了为期六个月的研究实习,参加了各种高质量的讲座,感受到了微软亚洲研究院充满无限可能的科研环境,认识了很多优秀的实习生,在mentor的指导下参与到了有巨大价值的项目。目前张洁的研究方向是终端用户编程(end user programming)。她的研究内容广泛利用了AI技术来解决软件工程中的常见问题,如预测程序执行结果、测试用例自动生成、代码自动重构等。同时,她也正在研究如何利用软件工程技术保障AI系统质量、检测AI算法过拟合等问题。“对于我来说微软学者奖学金意味着新的机遇和不断开阔的视野,相信若干年后回首,我会发现这段经历对我人生影响的巨大和弥足珍贵。” ​ 对于正在麻省理工学院(MIT)攻读博士后的邓栋而言,获得微软学者奖学金之后最直接的获益就是交际圈扩大之后带来的学术机遇。邓栋提到:“在颁奖典礼之前,我有邮件过Michael Stonebraker教授,后来在2015年的微软学者颁奖典礼当天的‘微软学者圆桌对话图灵奖’活动中我有幸亲见Stonebraker教授,并在会后跟他进一步深入交流,之后不久便收到了offer成为了他的博士后。”因此,邓栋特别感激微软学者奖学金为自己提供的交流平台和学术机遇。...

SOSP:计算机系统研究的风向标

almost 7 years ago

​SOSP(操作系统原理大会)自1967年创办以来,两年一届,已经有50个年头了。从1969年的UNIX系统到21世纪初的MapReduce、BigTable、GFS,系统领域一系列最有影响的工作都是发表在SOSP以及与它隔年举行的兄弟会议OSDI上。如果把SOSP和OSDI历年最具影响力(Hall of Fame Award)的论文汇集成册,就是大半本操作系统和分布式系统的教科书。作为系统领域的最高学术会议,SOSP和OSDI每年只收录30至40篇高质量论文,因而能够在SOSP上发表论文是系统研究者的荣誉。 SOSP’17开幕式(图片来源:陈海波教授)​ 今年,SOSP首次走出北美和欧洲来到中国上海,微软亚洲研究院副院长周礼栋博士和上海交通大学陈海波教授担任本届大会组委会主席,康奈尔大学Lorenzo Alvisi教授和密歇根大学Peter Chen教授担任程序委员会主席。本届SOSP会议创下了多项记录和第一:最多的注册参会者(850位);最多的赞助商数量和金额;首次提供会议直播和在线提问;首次设立了AI Systems Workshop,共商AI系统这个新生的重要应用;由微软研究院赞助,首次举办了ACM学生研究竞赛(SRC),吸引到40多篇投稿。 Ada Workshop参会人员合影​...

张益肇:AI 医疗,微软有哪些布局?

almost 7 years ago

编者按:近几年来,医疗和人工智能碰撞出了相当多的火花,大量资金短期投入到医疗领域当中。然而在微软亚洲研究院副院长张益肇博士看来,人工智能医疗是一场持久战,大家一定要沉下心多调研、多思考、多学习。 人工智能大潮之下,微软在医疗领域又有哪些布局?近日,张益肇博士接受雷锋网AI掘金志的专访,解读了“AI 医疗”可能带来的巨大变革。本文授权转载自公众号“AI掘金志”。 ​ ​ “作为一个研究人工智能二十多年,同时在医学影像处理方向耕耘八年的过来人。我认为现阶段医疗人工智存在的一大挑战是,从业者们既没捋顺流程,也没想清模式。单纯觉得我有AI技术,有几家合作医院,就能大干一场。现在风口的确很火,很多基金也愿意投钱。但医疗与其他行业不同,它是一个文火慢炖的过程,不见得那么容易。” 在微软亚洲研究院副院长张益肇博士接受专访的一个多小时里,他不断在强调人工智能在医疗领域的长期价值,但也有存在一些短期的担忧。以下是雷锋网AI掘金志与张益肇博士的访谈内容: 您怎么看待今年医学影像 AI大热的现象? 当然是好事。我经常谈一个观点,人类如果想要健健康康活到100岁,技术将扮演着非常重要的角色。近几年我也看到不少计算机界精英投入大量人力财力到医疗领域,如此大规模的医工交叉大潮非常激动人心。 这里我也不得不提醒大家,在医疗领域,无论是创业者也好,投资人也罢,必须要有愿意长期投入和投资的心态,切勿焦躁,保持平常心。 我个人研究人工智能二十几年,其中八年时间在专攻医疗,我不觉得这个领域很容易出成果。...

沈向洋:懂语言者得天下

almost 7 years ago

编者按:10月30日,微软全球执行副总裁沈向洋博士走进清华大学高等研究院杰出学人讲座,发表题为《理解自然语言:描述、对话和意境》的报告。 从机器学习到机器智能,再到机器意识,沈向洋博士带领大家回顾人类在感知研究方向取得的卓越成果,并从语言理解的三个不同层次“表述、对话、意境”分析未来十年中人工智能可能实现的重大突破。 (以下为沈向洋博士分享的精简版文字整理) 今天有机会在这里主要是给大家讲人工智能,以及我个人认为的下一个十年中最重要的研究方向。人工智能近年来的发展近乎神速,这主要是得益于“两大一精”的进步和突破:大计算、大数据、精准模型。人工智能其实是一个非常宽泛的概念,大致上我们可以把它分为两个研究方向,感知和认知。感知中的视觉和语言进展飞速,但认知中的语言理解发展速度有限。 我们在感知研究方向已经取得了非常了不起的成果,其中一项就是语音识别。几个月前,在Switchboard标准测试数据集上,微软基于深度学习的语音识别系统的精度达到了创纪录的5.1%,这是超过专业速记员的误差水平。尽管这项语音识别系统还存在一些应用场景的限制,但是我相信未来五年之内,机器将会完全超越人类的识别水平。 在计算机视觉方面,微软亚洲研究院的研究员们两年前率先提出的152层残差神经网络给图像识别提供了更多的可能性和发展空间,过去的深度学习方法从来没有成功训练过这么深的网络。总体来看,深度学习在图像识别的趋势中是更深更准,随着近年来模型的深度越来越深,误差也会越来越低。尽管目前而言,进一步实现层数的深度突破已经不太容易,但理论上还有很多值得深挖的研究点。我预计在十年左右,人工智能的图像识别率也会全面超越人类,这势必会给人类生活带来诸多方面的影响,也包括一些新兴的商业机遇。 在下一个十年,人工智能的突破在自然语言的理解。我最近经常讲一句话,懂语言者得天下,人工智能对人类影响最为深刻的就是自然语言方面。语言理解分为三个不同的层次:表述、对话、意境。表述在今天看来已经非常成功,我们用机器学习就可以学到很多东西;对话就涉及到机器智能领域,包括对话和提问,这相对会比较困难;机器意识是意境的体现,让机器在有意识思维基础上理解和表达诸如隐喻在内的意境的能力。 首先,我用两个具体的例子说明我们从感知到语言表述方面的进展。第一个就是微软认知服务里面的Image Caption,计算机系统能够自动给图片生成标题。第二个就是微软应用软件Seeing  AI,系统可以自动生成照片画面内容的表述,包括画中人物的动作甚至是表情。大家如果有兴趣可以到微软的网页上了解项目详细信息,同时我们还有很多其他视觉的服务。  我想和大家解释一下图像空间到语义空间之间的关系,我们如何让机器用文字去描述图像。首先,我们要有一个语义空间去把图像与文字联结起来,然后通过深度结构语义模型把图像和文字均表征成语义空间内的向量,在此空间中进行语义相似度计算。近几年来,我们在感知到语言表示方面其实是越做越好的,这很大程度上归功于我们将这项技术做成系统,供大众去尝试。只要大家在Caption Bot这个系统中上传一张图片,就可以轻松得到有关这张图片的语言描述。...

院友会 | 技术人才都适合创业么?四位微软亚洲研究

almost 7 years ago

​ 编者按:在第二届微软亚洲研究院院友年度大会的“ 投资未来” 论坛上,微软亚洲研究院的几位前任院长、副院长——创新工场CEO李开复、源码资本合伙人张宏江、海尔集团CTO赵峰、硬蛋CTO李世鹏坐在一起,与院友们聊了聊当前炙手可热的人工智能创业,探讨什么人适合创业,如何拿到融资等一系列热门问题。 本文授权转载自36氪(微信公众号:wow36kr),作者石亚琼。 ​ ​ ​ Q:什么样的人适合创业? 李开复认为计算机领域的技术人员都适合创业,但不一定适合做CEO。 创新工场观察到,当前AI创业大概有四个波浪:第一种是互联网AI创业;第二种是商业AI创业;第三种可以说是数字化的AI创业,捕捉新的数据,并使其带来价值;第四种是全面自动化的AI创业。AI创业一定要有AI人才或者技术人才。这四种AI创业其实需要的人是不一样的。 ​互联网AI创业,今日头条为代表,现在已经没有创业机会了,但是这类公司如果要挖人,作为就业机会很好。商业AI创业,主要服务于B端客户,这类公司的CEO往往需要成为大Sales,做这类公司可能更适合做CTO,找到合适的CEO。第三类AI创业,往往是要该表某个行业,做一个新的东西,其实并不是技术人员能干的活。全自动AI创业以无人驾驶、机器人、芯片等为代表,很适合创业,但最好是已经被验证的技术。...