新闻中心

排序方式

机器推理系列文章概览:七大NLP任务最新方法与进展

自然语言处理的发展进化带来了新的热潮与研究问题,研究者们在许多不同的任务中推动机器推理(Machine Reasoning)能力的提升。基于一系列领先的科研成果,微软亚洲研究院自然语言计算组将陆续推出一组文章,介绍机器推理在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答、多轮语义分析和问答等任务上的最新方法和进展。

发布时间:2019-09-12 类型:深度文章

哥伦比亚大学周以真教授:数据向善——数据科学的使命与应用

“如果今天大家想从我的演讲中记住一点东西的话,那就是Data for Good——数据要用来做好事,要负责任地使用数据。”8月30日,哥伦比亚大学数据科学研究所所长周以真教授在“二十一世纪的计算”大会上这样阐释了数据科学研究的使命。同时,她还分享了哥伦比亚大学许多以此为基础的最新研究。错过大会现场的小伙伴们快看过来吧。

发布时间:2019-09-10 类型:深度文章

获“艾美奖”的计算机视觉专家Andrew Fitzgibbo:不断为自己创造谜题

你可能不知道 Andrew Fitzgibbon 博士是谁,但你在过去20年里看到的很多电视剧或电影,都使用了他获得“艾美奖”的摄像机跟踪器 Boujou。他是 3D 计算机视觉方面的专家,同时负责领导微软剑桥研究院新设立的“全数据人工智能”(All Data AI)团队。

发布时间:2019-09-05 类型:深度文章

8篇论文梳理BERT相关模型进展与反思

BERT 自从在 arXiv 上发表以来获得了很大的成功和关注,打开了 NLP 中 2-Stage 的潘多拉魔盒。随后涌现了一大批类似于“BERT”的预训练(pre-trained)模型,有引入 BERT 中双向上下文信息的广义自回归模型 XLNet,也有改进 BERT 训练方式和目标的 RoBERTa 和 SpanBERT,还有结合多任务以及知识蒸馏(Knowledge Distillation)强化 BERT 的 MT-DNN 等。除此之外,还有人试图探究 BERT 的原理以及其在某些任务中表现出众的真正原因。以上种种,被戏称为 BERTology。本文尝试汇总上述内容,作抛砖引玉。

发布时间:2019-09-05 类型:深度文章

SIGGRAPH 2019丨支持任意数量、任意分辨率的输入图像的纹理材质建模

纹理材质建模是计算机图形学中的一个重要研究课题。关于纹理材质建模的技术发展历程,以及前期的一些科研工作,可以参考之前文章《从洪荒到智能——数据驱动的材质属性建模发展历程》,今天我们将介绍微软亚洲研究院在纹理材质建模领域的最新论文,该论文在 ACM SIGGRAPH 2019 大会上进行了报告。

发布时间:2019-09-03 类型:深度文章

2019世界人工智能大会&“二十一世纪的计算”大会看点一览

8 月 29 日 - 31 日,以“智联世界,无限可能”为主题的 2019 世界人工智能大会在上海举行。微软亚洲研究院年度旗舰活动——第 21 届“二十一世纪的计算”学术研讨会也在 8 月 30 日首次登陆世界人工智能大会。

发布时间:2019-08-31 类型:深度文章

游戏 AI 挑战进阶,即时策略游戏和非完美信息游戏成为热点

在前面两篇文章中,我们回顾了游戏 AI 历史上的几个经典算法和里程碑事件,还介绍了如何从数学角度衡量象棋、围棋、扑克、麻将等棋牌类游戏 AI 的复杂度。在这篇文章里,我们将分享几个近年来非常成功的游戏 AI,同时介绍几个尚未被 AI 攻克的流行游戏,它们无疑代表着未来游戏 AI 的发展方向和趋势。

发布时间:2019-08-21 类型:深度文章