在图像、语音识别、自然语言处理、强化学习等许多技术领域中，深度学习已经被证明是非常有效的，并且在某些问题上已经达到甚至超越了人类的水平。然而，深度学习对于计算能力有着很大的依赖，除了改变模型和算法，是否可以从系统的层面来优化深度学习计算，进而改善计算资源的使用效率？本文中，来自微软亚洲研究院异构计算组资深研究员伍鸣与大家分享他对深度学习计算优化的一些看法。
在“微软亚洲研究院创研论坛——CVPR 2018中国论文分享会”上，来自国内外计算机视觉领域学术界、工业界的杰出代表们携各自在CVPR 2018上发表的最新文章出席，与现场观众进行了深入的分享与交流。在此次分享活动上由刘偲主持的圆桌讨论环节中，陈光、何旭明、凌海滨、童欣、王井东、王晓刚等六位计算机视觉领域的资深专家就当前计算机视觉领域中的热门问题做出了精彩解答。
在2018 微软人工智能大会（Microsoft AI Innovate 2018）上，微软针对中国市场推出一系列新技术和工具，包括由中国研发团队主导开发的Tools for AI人工智能开发套件。
为了解决深度学习训练的平台化问题，微软亚洲研究院和微软（亚洲）互联网工程院联合研发、创建了OpenPAI（Open Platform for AI），望为深度学习提供一个深度定制和优化的人工智能集群管理平台，让人工智能堆栈变得简单、快速、可扩展。
我们几乎每天都会接收到各种各样的推荐信息，从新闻、购物到吃饭、娱乐。个性化推荐系统作为一种信息过滤的重要手段，可以依据我们的习惯和爱好推荐合适的服务。但传统的推荐系统容易出现稀疏性和冷启动的问题，而知识图谱作为一种新兴类型的辅助信息，近几年逐渐引起了研究人员的关注，本文将向大家介绍知识图谱的相关知识以及知识图谱在推荐系统中可能的应用价值。
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。
“微软小英”是一款融合了语音识别、口语评测，自然语言处理、语音合成等人工智能技术而实现的智能人机交互服务。用户只需关注微信公众号“微软小英”，即可与小英一起学习英语。
微软亚洲研究院正式发布Microsoft Concept Graph知识图谱和Microsoft Concept Tagging模型，用于帮助机器更好地理解人类交流并且进行语义计算。
Microsoft Pix自动为随手拍摄的照片增加艺术化风格，模仿绘画杰作及艺术摄影作品。
微软亚洲研究院云计算及移动计算组推出了一个有趣的研究项目：寻路（Path Guide），提供低成本、即插即用的室内导航服务。在“领路人”的带领下，用户可以跟随前人的移动轨迹在室内找到通向某地的正确路线。它通过收集智能手机在运动过程中的磁场、加速度传感器、陀螺仪和气压计等数据的变化来记录用户的相对运动轨迹（包括步数信息、转弯和上下楼等），进而生成一个参考路线供用户分享。后者只需要沿着“领路人”的路线指引即可找到对应的位置。在路线创建的过程中，“寻路”也支持添加个性化文字、语音及照片等功能，既为分享路线增添了乐趣也能帮助后续用户更容易地找到终点。
卡内基梅隆大学计算机学院教授、图灵奖获得者Raj Reddy莅临微软亚洲研究院，为我们带来了一场题为“重新审视人工智能：以历史的视角”的精彩讲座。Reddy教授从历史的视角出发，带领我们回溯了60年来计算机科学和人工智能领域的成就，回应了大众对“人工智能威胁论”的疑虑，并对未来的“超智能”作出了展望。
卡内基梅隆大学（CMU）计算机学院院长Andrew W. Moore和副院长Philip L. Lehman来到微软亚洲研究院，与研究员们分享了过去两年中人工智能领域的一些技术突破，并从业界和学界两个角度，探讨了他们对于人工智能接下来发展方向的看法。
深度学习的运用常常能为我们解决很多难题，但深度学习的使用需要依托大数据的支持，所得出的模型一般也是不可解释的。在“微软AI讲堂”西安交通大学站上，微软亚洲研究院主管研究员邵斌向同学们介绍了符号学习的概念并比较了它和深度学习之间的区别，指出符号学习的优点在于它能够尝试从小数据集中找到数据的可解释规律。本文是此次演讲的文字精简版。
在中国科技大学举行的一场以“开启智能计算的研究之门”为主题的前沿分享中，微软亚洲研究院副院长刘铁岩博士带来了《人工智能的挑战与机遇》的演讲，分享了一些对人工智能这个领域的看法。
在AI讲堂清华大学站上，微软亚洲研究院副院长周明博士做了《自然语言对话引擎》的演讲。周明博士简单介绍了人机对话中常见的卷积神经网络和循环神经网络。运用注意力模型计算主题词与当前对话的匹配强度,通过知识图谱和外部知识对用户的问题进行语义理解,微软在人机对话方面取得了一定成绩。大家熟知的微软小冰背后,就是基于深度神经网络的自然语言处理技术。
我们惊叹于机器人可以写诗做赋，“读心术”、“识人术”顺手拈来；我们也为很多技术突破而躁动，无论是语音识别还是卷积神经网络。在人类和机器的共同学习过程中，我们已经可以清楚感知到，人工智能和人类智能都在继续向前发展。在第十九届“二十一世纪的计算”大会的演讲中，微软亚洲研究院院长洪小文博士立足于学习的命题，分别从机器和人类的角度探讨未来双方互助学习的可能性。
人工智能无疑正在改变我们的世界，科学家、企业家、政府决策者、哲学家都无一不为这久而未见的革新性技术而心动痴迷。人工智能已经给人类带来了太多的惊喜和思考，然而我们对人工智能知识的掌握还非常有限，可以说我们当前还处于人工智能的“手工”阶段，距离实现人工智能工业化还有一定距离。本文中，微软全球资深副总裁Peter Lee开辟独特视角，从艺术手工性窥探人工智能未来如何实现工业化普及。
身处大数据时代，我们对高效算法的需求比先前任何时候都要突出。虽然大数据使我们进入了我们先驱者设想的渐近世界，但问题规模的爆炸式增长也对经典算法的有效性提出挑战：根据多项式时间表征，以前被认为有效的算法可能不再适用，有效的算法应该是可扩展的。本文中，南加州大学计算机科学与数学系教授滕尚华展开讨论了一系列算法技术，用于在当今海量数据的世界中设计出可靠的可扩展算法。
近年来深度学习在很多非常有挑战性的AI问题上取得了长足的进展，包括语言识别、图像识别、机器翻译、棋牌游戏等等。常年从事机器学习研究的德克萨斯大学奥斯汀分校计算机科学系教授Raymond Mooney选择深度学习作为切口，指出深度学习在目前看来有些“言过其实”，它带有明显的局限性，还不能真正解决AI。
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······ 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。
最新资讯
查看更多>“AI大师”是我们新推出的系列文章，为大家讲述人工智能领域大师们的研究与成长故事。第一期的主人公是美籍印度裔计算机科学家、1994年图灵奖获得者Raj Reddy，他是人工智能领域的早期开拓者之一，在人工智能、语音理解、图像识别、机器人等领域有超过50年的研究经验，也先后在斯坦福大学和卡内基梅隆大学任教40余年，培养出了李开复、洪小文、沈向洋等一众计算机科学和人工智能领域的领军人物。微软亚洲研究院…
当下，人类社会的第四次工业革命正在发生，世界经济正加速迈向数字化，而抢先完成数字化转型的企业无疑将在这一次的生产力解放中占尽先机。因此，如何完成数字化转型、乘人工智能之势？便成为众多企业最为关心的话题。5月，微软亚洲研究院“创新汇”举办了以“智汇八方，赢造未来”为主题的首届创新论坛，来自不同行业的十六家成员企业齐聚一堂探讨人工智能技术的行业落地。 他山之石可以攻玉。我们邀请来自不同行业的四位专家与…
在机器学习的世界里，准确性和可解释性总是不可兼得：复杂的模型准确但令人费解，简单的模型容易理解也容易出错。微软研究院首席研究员Rich Caruana在他数十年的职业生涯中花了很多精力来探索这个问题，在这个访谈中，他为我们分享了一个更精简、更可解释的“压缩”模型，使“黑匣子”般的机器学习过程更加透明。
人物特写
查看更多>
