Microsoft Forms是由微软提供的一项在线调查问卷服务，旨在帮助用户创建调查问卷、测验和投票，并自动收集和分析回答数据。近期，Microsoft Forms又新增了两个功能：Forms design intelligence和Forms data ideas，这不仅能让它智能分析用户设置的问题并给出建议，还能进行多种数据分析，帮助用户挖掘数据背后的价值。本文就将为大家详细介绍这两项新功能，并揭秘背后的AI技术。
随着数字信息的指数级增长，数据中心已经无法满足越来越大的数据存储需求，研究人员们正在探索DNA数据存储及其大规模商用的可能性。日前，微软研究院与美国华盛顿大学共同发布了一项全新的突破——首次实现全自动的DNA数据存储与提取过程。
推荐系统是在网络上最常见的服务之一，但在企业级服务的开发和落地过程中却往往遇到很多阻力。为了解决这些问题，微软云计算和人工智能开发团队与微软亚洲研究院团队深度合作，基于多年来各类大型企业级客户的项目经验以及最新学术研究成果，开源发布搭建完整推荐系统的最新实操技巧。该项目将大大降低企业开发大规模复杂推荐系统的时间，帮助更多企业部署推荐系统。
作为人类最自然的交流方式，“听”和“说”包括了人类大脑皮层从听觉感知到语言处理和理解，再到声音生成这个“神奇”的认知过程。语音领域的探索和研究已经持续了长达150多年，从最初的电话通信到语音识别、语音合成、说话人识别等扩展应用， 研究内容涵盖了信号处理、统计学、模式识别、自然语言处理等交叉领域的知识和技能。 我们邀请了微软（亚洲）互联网工程院资深语音科学家汪曦为大家推荐语音领域的经典书目，涵盖了语音研究中的信号处理、语音和语言处理、深度学习研究等多个方面，里面包含了大量语音技术的基础知识，在大家关心深度学习算法和模型的同时，积累基础知识，概念，方法和思想对深入了解该领域是非常有意义的，但是同时也提醒大家，由于语音领域的发展十分迅速，所以在阅读基础书籍的同时，关注相关领域最新、最有影响力的文章也是十分重要的。 下面，就一起来看看这份书单吧。 信号处理篇 1. Discrete-Time Signal Processing (3rd version) 中文版：《离散时间信号处理（第3版) 》 作者：A. V. Oppenheim、Ronald W. Schafer 适合人群：初级到中级（需
虽然自然语言处理研究已经取得许多突破，但在实际应用场景中，即使是Word、PDF这些常见文档，机器依然无法将段落、图片、表格等信息一一辨明。为了让机器“读”懂文档中的表格，微软亚洲研究院自然语言计算组发表了一篇论文“TableBank: Table Benchmark for Image-based Table Detection and Recognition”，着力解决文档中的表格检测与表格信息识别问题，并开源了拥有大规模数据的表格检测和表格结构识别数据集
我们生活在一个令人激动的系统研究与创新时代。这些创新让计算机系统得以处理前所未见规模的数据和应付高度复杂的大型系统问题。在这些创新中，大规模分布式系统的进步以及其他相关系统领域诸如数据库系统、程序语言与编译器、理论与形式化方法、硬件与体系结构、安全与隐私和应用密码学的进步都起到了关键性的作用。然而，“无形”的系统因为其“看不见摸不着”的特点，很少成为媒体的焦点。究竟什么是计算机底层系统？一个好的计算机系统究竟意味着什么？面向未来的系统创新和设计需要面对怎样的技术挑战和技术战略前瞻？
人工智能备受关注、取得革命性进步背后的推手，其实是“机器学习”。 机器学习其实是一门多领域交叉学科，它涉及到计算机科学、概率统计、函数逼近论、最优化理论、控制论、决策论、算法复杂度理论、实验科学等多个学科。机器学习的具体定义也因此有许多不同的说法，分别以某个相关学科的视角切入。但总体上讲，其关注的核心问题是如何用计算的方法模拟类人的学习行为：从历史经验中获取规律（或模型），并将其应用到新的类似场景中。 那么，当我们谈机器学习时，到底在谈些什么？从业者需要掌握哪些前沿技术？未来，又有什么技术趋势值得期待？
对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说，个性化推荐已经不是什么新鲜事儿。 随着信息技术和互联网行业的发展，信息过载成了人们处理信息的挑战。对于用户而言，如何在以指数增长的资源中快速、准确地定位到自己需要的内容是一个非常重要且极具挑战的事情。对于商家而言，如何把恰当的物品及时呈现给用户，从而促进交易量和经济增长，也是一件颇具难度的事情。推荐系统的诞生极大地缓解了这个困难。
识别图像对人类来说是件极容易的事情，但是对机器而言，这也经历了漫长岁月。 在计算机视觉领域，图像识别这几年的发展突飞猛进。而这些最新进展的背后推动力是深度学习。深度学习的成功主要得益于三个方面：大规模数据集的产生、强有力的模型的发展以及可用的大量计算资源。对于各种各样的图像识别任务，精心设计的深度神经网络已经远远超越了以前那些基于人工设计的图像特征的方法。 尽管到目前为止深度学习在图像识别方面已经取得了巨大成功，但在它进一步广泛应用之前，仍然有很多挑战需要我们去面对。与此同时，我们也看到了很多具有未来价值的研究方向。
如今，人工智能正在改变我们的生活，更在变革或颠覆着各行各业。人工智能在创造机遇的同时，也给人类世界带来了诸多挑战。未来的人工智能时代会是何种样貌？我们应当以怎样的姿态迎接这个科技时代？预见未来的最佳方式是参与创造未来，而参与创造的前提是对人工智能有全面而清晰的认知。在这里，我们不仅想讨论人工智能可以做什么，也想把更多眼光落在人工智能应该做什么，尝试去探索人工智能造福人类的最佳路径。
3月18日，微软AI讲堂2019校园行在第一站——中国科学院计算技术研究所启幕，微软亚洲研究院副院长刘铁岩博士为同学们带来了一场精彩的主题演讲，分享如何弥合研究与实际应用的裂隙，从现实中发现机器学习的研究问题，做帮助人们解决现实痛点的机器学习研究。
2018年3月，微软的研究人员给出发现马约拉纳费米子存在的有力证据，对量子信息科学的发展具有重大意义，但量子计算的发展仍有很长的路要走。量子计算就像是我们这个时代的登月计划。近期，这项工作的一作张浩来到微软亚洲研究院，与大家分享了他在拓扑量子计算领域进行的研究和量子计算的前沿进展。
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。
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。在本月初的“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。
自虚拟现实（VR）和增强现实（AR）诞生之初，人们就对它们报以极大的关注。VR和AR以其逼真的沉浸感和交互性，被广泛应用于游戏、医疗、设计等诸多领域。当VR/AR与建筑设计相遇，又将带来什么样的新奇效果？来自哈佛大学设计学院的洪玉洁博士近期到访微软亚洲研究院，与我们分享了她在建筑设计领域进行的VR/AR应用探索。
2018年11月8日，微软亚洲研究院举行建院二十周年庆典，集中展示了微软亚洲研究院成立20年来走过的发展历程和取得的科研创新成果，以及产学研多方合作的最新进展。 面对技术领域突飞猛进的发展势头，微软亚洲研究院特别发布了一系列专家技术趋势解读文章，勾勒出计算机科学核心领域未来十年发展的重点方向。与此同时，微软亚洲研究院还展示了涵盖人工智能创作、机器认知智能、数据智能与开放平台、科技赋能等方向的26项技术原型和应用实例。
二十周年是一个里程碑，更是崭新的起点，我们以本次周年庆典活动为契机，回顾微软亚洲研究院过去的发展历程与丰硕成果，以更好地展望新的未来。
2018年11月6日，由微软亚洲研究院主办的第二十届“二十一世纪的计算”国际学术研讨会暨微软教育峰会在北京隆重召开。在教育部国际司和中外人文交流中心的指导和支持下，本届大会同时承担了“中国高校人工智能人才国际培养计划”2018年国际人工智能专家论坛的重任。教育部国际合作与交流司副司长方军、微软公司CEO萨提亚·纳德拉以及四位图灵奖获得者，携手全球计算机科学和人工智能领域的知名学者，与现场1,000多名中国高校师生，共同探讨科技前沿与行业影响。
时光荏苒，我与微软亚洲研究院结缘已经20年。我将自己职业生涯中的大部分时光献给了这所享誉中外的基础研究机构。 每每回想研究院走过的历程， 我都非常感恩大时代的机缘，让我们与中国波澜壮阔的改革开放进程同步，一起成长和壮大， 将努力和梦想融进事业发展中。
20年来，微软亚洲研究院发表了超过5,000篇科研论文，成为了世界上最受赞许的企业研究院。高质量的科学研究始终是我们取得成功的核心所在。
最新资讯
查看更多>随着数字信息的指数级增长，数据中心已经无法满足越来越大的数据存储需求，研究人员们正在探索DNA数据存储及其大规模商用的可能性。日前，微软研究院与美国华盛顿大学共同发布了一项全新的突破——首次实现全自动的DNA数据存储与提取过程。
微软全球执行副总裁、微软人工智能及研究事业部负责人沈向洋博士在旧金山举行的EmTech数字大会上发言，为大家讲述了当今人工智能发展的现状，以及未来的发展方向，与大家分享面对新一轮的人工智能创新大潮，人们最该思考的五件大事。
虽然自然语言处理研究已经取得许多突破，但在实际应用场景中，即使是Word、PDF这些常见文档，机器依然无法将段落、图片、表格等信息一一辨明。为了让机器“读”懂文档中的表格，微软亚洲研究院自然语言计算组发表了一篇论文“TableBank: Table Benchmark for Image-based Table Detection and Recognition”，着力解决文档中的表格检测与表格信…
人物特写
查看更多>
