新闻中心

排序方式

拯救迷路的AI学习者!微软人工智能教育与学习共建社区2.0全新上线

去年,微软人工智能教育与学习共建社区 1.0在 GitHub 正式上线。不到一年时间,我们的社区已经收获了 6K+ 星标。秉持着 “学习、实践、共享、迭代”的宗旨,社区不断为学生、开发者和教师提供优质的人工智能教育资源,为人工智能的学习与应用提供了绝佳的学习入口。作为一个开放社区,我们正在与大家一起努力,共同实现社区的可持续发展。现在,全新的微软人工智能教育中心 2.0 版本已经上线!我们深谙 AI 学习者的痛点,并通过不断优化社区来纾解自学者可能经历的难题。

发布时间:2019-12-17 类型:深度文章

AAAI 2020 | 时间可以是二维的吗?基于二维时间图的视频内容片段检测

当时间从一维走向二维,时序信息处理问题中一种全新的建模思路由此产生。根据这种新思路及其产生的二维时间图概念,微软亚洲研究院提出一种新的解决时间定位问题的通用方法:二维时域邻近网络 2D-TAN,在基于自然语言描述的视频内容定位和视频内人体动作检测两个任务上验证了其有效性,并在 ICCV 2019 中的 HACS Action Localization Challenge 比赛中获得了第一,相关技术细节将发表于 AAAI 2020 论文“Learning 2D Temporal Adjacent Network for Moment Localization with Natural Language”。本文将对这一研究进行深入解读。

发布时间:2019-12-16 类型:深度文章

比尔·盖茨:适合在今年冬季阅读的五本书

比尔·盖茨2019年冬季书单正式出炉!从爱情悲剧《美国式婚姻》、美国史力作《这些真相》、盖茨最爱作家之一斯米尔新书《增长》,到《准备好》聚焦高中孩子教育、《为什么要睡觉》解读睡眠。五本来自不同领域的好书助你拓宽知识、打破局限、辞别旧年、喜迎2020!

发布时间:2019-12-13 类型:深度文章

微软亚洲研究院副院长周礼栋获选2019 ACM Fellow

来自世界各地高校、企业和研究机构的58名研究人员获选2019 ACM Fellow。其中,微软亚洲研究院副院长周礼栋博士因在可信赖的分布式计算以及对中国的系统研究与教育方面的卓越贡献获选。

发布时间:2019-12-12 类型:深度文章

故宫博物院院长王旭东:敦煌与故宫,科技支撑下的世界文化遗产保护与传承

2011年,微软亚洲研究院为敦煌研究院定制了“飞天号”十亿级像素数字相机系统,数字化技术在今天已经深度参与到文化遗产保护中。从敦煌研究院到故宫博物院,王旭东院长已致力于文化遗产保护近20年,近日,他在微软亚洲研究院为大家分享了两大世界文化遗产在传承中面临的挑战,以及数字科技在文化遗产保护中的应用现状与未来机遇。

发布时间:2019-12-11 类型:深度文章

NeurIPS 2019 | 全参数化分布,提升强化学习中的收益分布拟合能力

强化学习正在游戏领域中被广泛应用,其中基于分布拟合的强化学习算法是目前性能最好的一类方法。在这类方法中,如何参数化收益分布是算法设计的核心问题。现有的参数化方法在对累积概率分布进行拟合的时候,往往是选择固定的分位点概率或者随机采样的分位点概率。但是不同分位点概率带来的拟合误差往往差别很大。为了更好的拟合收益分布,微软亚洲研究院提出了可自适应的累积分布分位点概率,可以找出对于拟合累积分布函数最关键的几个分位点概率,实现了全参数化的分位函数,大大提升了对收益分布的拟合能力。

发布时间:2019-12-10 类型:深度文章

NeurlPS 2019丨微软亚洲研究院精选论文解读

NeurlPS 2019 正于12月8-14日在加拿大温哥华举行。微软亚洲研究院有11篇论文入选本届 NeurlPS,内容涵盖社交网络影响力最大化、奖励分解、语音合成、机器翻译等多个前沿主题。本文将为大家介绍其中的5篇论文。

发布时间:2019-12-09 类型:深度文章

中科院心理所朱廷劭:我们想用技术挽救站在自杀边缘的人

在网络上表达自杀意念的人,也许不是说说而已,超过半数的人真的付诸行动。通过科技手段,希望能将他们留住。11 月 19 日,中国科学院心理研究所研究员朱廷劭应邀以“基于人工智能技术的心理识别与干预”为主题,为微软亚洲研究院实习生带来了精彩讲座。通过心理与信息科学的交叉研究,朱老师及其团队实现了对用户心理特征的有效识别,他们也正在通过人工智能手段,为更多站在自杀边缘的人提供心理援助。本文是对他报告的回顾。

发布时间:2019-12-05 类型:深度文章

NeurIPS 2019丨推敲网络+soft原型序列,带来轻便又精准的机器翻译

机器翻译模型生成序列通常采用单阶段解码过程,不能很好地应用目标端的全局信息。微软亚洲研究院提出了一个引入 soft 原型序列的框架来充分利用目标端的全局信息,让基于推敲网络[1]的机器翻译模型在精度无损的情况下模型更小,速度更快,翻译结果更准确。

发布时间:2019-12-04 类型:深度文章

NeurIPS 2019丨是呆头伯劳鸟还是南灰伯劳鸟?深度双线性转换帮AI准确区分

双线性特征在学习细粒度图像表达上效果很好,但计算量极大,无法在深层的神经网络中被多次使用。因此,微软亚洲研究院设计了一种深度双线性转换模块,能够深层地将双线性表达应用在卷积神经网络中,来学习细粒度图像特征。这项工作发表在了 NeurIPS 2019 上。

发布时间:2019-12-03 类型:深度文章