华夏基金在2017年就开始了与微软亚洲研究院的深度合作，在量化投资——多因子选股这个领域，双方探索出了用“AI+指数增强”的机器学习模型去替代传统的量化交易方法，让华夏基金的量化交易系统实现了核心引擎的更新换代，如同汽车更换了发动机一样，真正迈进了智能投资时代。
最近，UCLA教授、暗物智能科技创始人朱松纯教授，与微软全球执行副总裁沈向洋进行了一场18年前约定的“华山论剑”。两位二十多年的好友对许多热门问题进行了讨论：人工智能的发展态势如何？工业与学界有哪些差异？怎样做职业选择和避免“踩坑”？
近日，由微软亚洲研究院自然语言处理组与微软雷德蒙语音对话组研究员组成的团队，在斯坦福大学发起的对话式问答挑战赛CoQA（Conversational Question Answering Challenge）中荣登榜首，成为目前排行榜上唯一一个模型分数超过人类分数的团队。 CoQA是由关于不同领域文章的一组组对话式问答构成的大型数据集，要求机器对文本进行阅读理解，然后对一系列相互关联的问题作出回答。
近日，由国际计算语言学协会ACL（The Association for Computational Linguistics）举办的WMT 2019国际机器翻译比赛的客观评测结果揭晓，微软亚洲研究院机器学习组在参加的11项机器翻译任务中，有8项获得了第一名，另外3项获得第二名，凭借多维度的技术创新成为冠军团队。 WMT的全称为Conference on Machine Translation (http://www.statmt.org/wmt19/)，是全球学术界公认的国际顶级机器翻译比赛。自2006年至今，WMT机器翻译比赛已经成功举办14届，每一次比赛都是全球各大高校、科技公司与学术机构展示自身机器翻译实力的较量，更是见证了机器翻译技术的不断进步。
计算机视觉顶会CVPR 2019于6月15-21日在加州长滩举行。微软亚洲研究院共有21篇论文入选本届CVPR，覆盖了姿态估计、对象检测、目标跟踪、图像编辑、3D形状生成、高效CNN等多个计算机视觉领域的热门话题，本篇文章选择了其中7篇进行介绍。
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>最近，UCLA教授、暗物智能科技创始人朱松纯教授，与微软全球执行副总裁沈向洋进行了一场18年前约定的“华山论剑”。两位二十多年的好友对许多热门问题进行了讨论：人工智能的发展态势如何？工业与学界有哪些差异？怎样做职业选择和避免“踩坑”？
深度神经网络让人工智能在多个领域获得了极大的进步，但随着模型日益变大、变复杂，深度神经网络的低延迟推理对应用落地来说至关重要。为此，微软亚洲研究院系统与网络组从模型的稀疏性入手解决计算力需求增长与供应之间的矛盾，通过利用权重稀疏性（weight sparsity）和特征图稀疏性（feature map sparsity）同时达到高准确率，高模型压缩率和加速比。
前不久，以“爱创新、智同行”为主题的微软亚洲研究院创新论坛2019在北京圆满落幕。论坛中，多家微软亚洲研究院“创新汇”成员企业的代表就人工智能物联网在各行各业的落地经验、发展空间与未来挑战，开展了一场别开生面的焦点座谈。
人物特写
查看更多>
