2020开年解读：NLP新范式凸显跨任务、跨语言能力，语音处理落地开花
2020年伊始，我们总结、展望了微软亚洲研究院在多个 AI 领域的突破与趋势，比如，更亲民的机器学习和更精巧的 AI 系统；数据洞察的获得变得更智能，AI 推进三维构建的发展；以及突破固化的计算机视觉和更具商用价值的 OCR 引擎。今天，我们将探索自然语言处理（Natural Language Processing，NLP）范式的新发展，以及微软亚洲研究院在语音识别与合成领域的创新成果。
发布时间：2020-01-17 类型：深度文章
2020开年解读：计算机视觉突破固化，OCR引擎更具商用价值
在前几天总结和展望机器学习与 AI 系统时，我们提到机器学习如同 AI 的大脑，系统网络如同 AI 的身体躯干，那么本文将要介绍的计算机视觉，无疑相当于 AI 的眼睛。
发布时间：2020-01-15 类型：深度文章
机器推理要求利用已有的知识和推断技术对未见过的输入信息作出判断，在自然语言处理领域中非常重要。此前我们介绍了机器推理系列的概览，机器推理在常识问答、事实检测、跨语言预训练、多轮语义分析和问答任务中的应用，本文作为该系列的第五篇，将介绍微软亚洲研究院在跨模态预训练领域的研究进展。
发布时间：2020-01-14 类型：深度文章
在由微软亚洲研究院-中国科学技术大学联合实验室举办的“负责任的人工智能” 前沿技术论坛上，参会嘉宾们从隐私与安全、透明与可解释、高效可靠的类脑智能、AI 赋能民生四个方向出发，探讨了如何践行这些原则进行人工智能的开发，以道德为准绳管理人工智能，从而让其更好地造福世界。本文即是对研讨会中精彩讨论内容的回顾。
发布时间：2020-01-09 类型：深度文章
对于计算机科学领域的探索与研究拥有21年“工龄”的微软亚洲研究院，在刚刚过去的一年中，在 ACL、EMNLP、NeurIPS、ICML、AAAI、IJCAI、CVPR、ICCV、SIGGRAPH、KDD、WWW、SIGCOMM、NSDI、ICSE、SIGMOD、IEEE VIS 等计算机科学国际顶级会议上共发表了230余篇论文。岁末年初是温故知新、瞻望未来的时刻。在2019年最后一天，我们盘点了机器学习和AI系统方面的突破创新与实践成果，本文我们将聚焦数据智能与计算机图形学的领域进展，并探索未来的研究趋势。
发布时间：2020-01-08 类型：深度文章
本文与大家分享的是2019年机器学习和系统领域的突破与进展，以及未来趋势。如果说机器学习可以算是 AI 的大脑，那么系统网络就像 AI 的身体躯干。AI 的进一步普及，需要对机器学习算法、模型、理论等进行不断地优化和提炼，同时也需要能够构建出高效、稳定、可信乃至“精巧”的 AI 系统，为 AI 应用的真正落地做好诸多准备。
发布时间：2020-01-06 类型：深度文章
作为一种信息载体，数据可视化可以将枯燥的文字转变成高颜值且直观的图表，实现“一图胜千言”。但要想制作“好的可视化”内容需要极其专业的数据分析能力和图表设计能力，对普通人来说门槛较高。本文中，微软亚洲研究院数据、知识、智能组研究员为大家介绍他们在大众可视化领域的一些探索，让可视化融入普通人的生活中。
发布时间：2020-01-06 类型：深度文章
上新了，NNI！微软开源自动机器学习工具NNI概览及新功能详解
2018年9月，微软亚洲研究院发布了第一版 NNI (Neural Network Intelligence) ，目前已在 GitHub 上获得 3.8K 星，成为最热门的自动机器学习（AutoML）开源项目之一。
发布时间：2019-12-26 类型：深度文章
早在深度学习之前，机器学习就已经被应用于图形学研究中。随着近年来深度学习研究的进展，计算机图形学也通过与深度学习的紧密结合而得到了新的发展。展望未来，机遇与挑战并存。本文根据微软亚洲研究院首席研究员童欣博士在中国科大本科创新班上讲课内容整理而成。
发布时间：2019-12-25 类型：深度文章
文字、图片、语音、视频……我们的日常生活充满了不同模态的数据，涉及不同模态数据交互的任务也越发普遍。最近，微软亚洲研究院举办了一场多模态表征学习与应用研讨会，与来自亚太高校的多位学者深度探讨了多模态学习的现状与未来趋势。
发布时间：2019-12-18 类型：深度文章
