加载中…
博文
标签:

杂谈

上周六,我们发布的“微软亚洲研究院机器阅读系统在SQuAD挑战赛中率先超越人类水平”一文介绍了机器阅读理解领域的重大突破——微软亚洲研究院的R-NET模型率先在SQuAD EM值达到82.650,在ExactMatch (精准匹配)指标上首次超越了人类,这一消息让很多人感到振奋,也引起了许多人对比赛细节的疑惑与好奇。周明团队在第一时间接受了新智元的专访,为读者详细解析了何为EM、F1,超越人类的具体内涵,NLP最难突破的核心问题以及自然语言处理技术发展的现状和未来展望等众多话题。



2018年1月3日,微软亚洲研究院的R-NET率先在SQuAD machine reading comprehension challenge 上达到82.650,这意味着在ExactMatch (精准匹配)指标上首次超

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

​ 编者按:近年来,聊天机器人在飞速发展,很多人也对机器人的对话系统产生了很大兴趣。近期,北京航空航天大学—微软亚洲研究院联合培养博士生吴俣应邀参加了PaperWeekly优质论文线上直播分享活动,带大家回顾了近几年来聊天机器人的发展,对比了检索式和生成式聊天机器人的优缺点,并以第一作者的身份解读了北京航空航天大学和微软亚洲研究院在AAAI 2018上发表的有关基于动态词表对话生成研究的论文Neural Response Generation with Dynamic Vocabularies。 一起来看看吧!文章转载自公众号“PaperWeekly”。


浅析对话系统

对话系统主要分为两类,一类是任务型,另一类是非任务型。任务型对话系统主要应用于企业客服、订票、天气查询等场景,非任务型驱动对话系统则是指以微软小冰为代表的聊天机器人形式。 

之所以强调这一点,是因为今年我在ACL发表了一篇论文,有同学发邮件问我为什么参考了论文和源代码,还是无法让聊天机器人帮忙订披萨。我只能说,目前聊天机器人实在种类繁多

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

昨天,微软在旧金山举办了一场“Everyday AI”发布会,会上主要发布了必应搜索引擎、微软小娜、Office 365和Seeing AI四种工具和服务的更新功能,更新后的工具借助人工智能服务帮助人们更巧妙地获取信息,满足人们更复杂的需求,给人们每天的日常生活带来有益的改善。


现在,你是不是非常好奇四种工具都有了哪些“大变身”?超想知道我们的生活会因此发生哪些变化?那就一起来看看吧!


智能必应:给你更聪明的答案


想想我们现在的搜索过程:输入关键词——弹出大量信息——排查整合——找到特定信息。这个操作过程是不是有点像以前妈妈翻看自己的电话簿来寻找某个好友联系方式的情形。通过这种方式,我们虽然能找到想要的信息,但会花费很多时间和精力,总让人感觉不太“聪明”。而我们现在想要搜索引擎给我们提供更聪明的答案,比如我们想知道某一个健身计划的利弊,想弄清新出的电影是不是值得一看,甚至在只对搜索引擎说“我饿了”之后,它就会推荐我们所在城市的餐厅。简而言之,我们更需要经过整合的智能回答,而不是一大堆网页的排列。


 

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

​编者按:我们正淹没在大数据的河流里,数据之间的相互关系蕴含着丰富的信息,但也常常被我们忽略。本文中,加州大学圣克鲁兹分校计算机科学系教授、美国人工智能学会(AAAI)院士Lise Getoor讲述了图识别是如何依靠数据做出推理的,并给出了自己对于概率软性逻辑PSL优越性和可能应用的看法。Lise Getoor表示我们还需要对图进行更多的机器学习,考虑各种关联结点之间的复杂关系。


南加州大学圣克鲁兹分校计算机科学系教授Lise Getoor

(以下为Lise Getoor教授分享的精简版文字整理)


我们正淹没在大数据的河流里,大数据并非是平的,而是多模态、多关系、兼具时空、多媒体的。目前的AI技术,特别是机器学习,它将丰富复杂数据平放到矩阵的形式当中。我们当下所做的一些工作很可能忽视了数据当中的很多丰富信息,其中很重要的一点就是错误假设了数据之间的相互关系。作为研究者和开发者,我们需要考虑到这些图的结构和相关的环境因素。

我想首先和大家说说三种

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈


编者按:美国总统特朗普访华期间,他6岁的外孙女阿拉贝拉用中文普通话演唱和背诵传统诗歌的视频在中国社交媒体上引起广泛关注,可以感受得到,越来越多的人对中文学习充满了兴趣。智能私教微软小英帮助很多中国人解决了练习英语的难题。现在,为了让“歪果仁”朋友也能说一口顺流的中文,我们又派出了新的AI贴心私教——Microsoft Learn Chinese。


想要学习好一门外语,大量的语言练习是必不可少的,但是如何能找到一个有时间、有能力、有耐心的陪练可是难倒了一大批小伙伴。之前微软亚洲研究院研发的贴心英语私教微软小英就完美地帮助学英语的同学解决了这一困难,让随时随地练英语的梦想不再遥不可及。


练习英语的问题被解决,可你有没有想过正在努力学习中文的国际友人也有着相似的烦恼呢?为了帮助中文学习者解决这一难题,微软小英团队基于小英的底层技术开发了一个免费的智能手机应用——Microsoft Learn Chinese,一位24小时待命的人工智能语言学习助手。


阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

编者按:信息革命的浪潮浩浩汤汤,越来越多的人将注意力转向人工智能,想探索它对人类生产生活所产生的可能影响。人工智能的下一步发展将主要来自深度学习,在这个领域中,更多令人兴奋的话题在等待我们探讨:神经网络、图像识别、语言翻译······

本文是第十九届“二十一世纪的计算”大会精选系列的第四篇,康奈尔大学计算机系教授、1986年图灵奖获得者、电气电子工程师学会(IEEE)及美国计算机协会(ACM)院士John Hopcroft将就AI革命这一话题为大家带来精彩讲解。​


康奈尔大学计算机系教授,1986年图灵奖获得者John Hopcroft

​​

(以下为John Hopcroft分享的精简版文字整理)


一百多年前,工业革命成功帮助人类实现了许多物理任务的自动化。而现在,我们正面临一场前所未有的信息革命,越来越多的人将自动化构想投射到智能任务上,而这势必会对人类生活产生深刻的影响,深度学习就是其中一个非常重要的方面。

在1960年左右,

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

编者按:随着互联网的不断发展,可处理视频的深度神经网络远比普通神经网络更难训练,如何减轻训练负担成为了一项不可忽视的工作。来自微软亚洲研究院多媒体搜索与挖掘组的研究成果“Learning Spatio-Temporal Representation with Pseudo-3D Residual Networks”,在正在举办的International Conference on Computer Vision (ICCV) 2017会议上发布,它专注于如何利用大量视频数据来训练视频专用的深度三维卷积神经网络,提出一种基于伪三维卷积(Pseudo-3D Convolution)的深度神经网络的设计思路,并实现了迄今为止最深的199层三维卷积神经网络。通过该网络学习到的视频表达,在多个不同的视频理解任务上取得了稳定的性能提升。


1993年9月,一款名为NCSA Mosaic的浏览器正式支持在网页内嵌入图片,这标志着互联网从纯文本时代迈入了“无图无真相”的多媒体时代。如今,随着互联网带宽的提升和高速移动设备的普及,信息的获取途径和传播途径也在与日增加,视频逐渐成为互联网多媒体消费的重要组成部分。


阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

​编者按:2017微软学者奖学金在第十九届“二十一世纪的计算”大会上如期揭晓,经过重重筛选包括李博杰在内的十位博士生最终获此殊荣。

自1999年起,“微软学者”项目就在为支持优质博士生科研工作不断努力。迄今为止,逾百名“微软学者”获得者已在各自领域大放异彩,无论是聚焦软件工程,还是探索最前沿的人工智能技术,他们都在为推动技术以及行业的进步不遗余力。今年9月,30多名往届“微软学者”获得者共聚微软亚洲研究院博士生论坛,讲述了他们与“微软学者”的那些事儿。


学术机遇,前沿视角


2011年,还在北京大学读本科的张洁拿到了一张微软“二十一世纪的计算”大会门票,“清楚记得,当时我和我们的年级第一坐在一起听大会,微软学者奖学金颁奖时,我脑子里在想:年级第一以后估计也很难评上这个奖吧……嗯至于自己,我连想都没想。”

五年之后,张洁的论文多次被顶级会议接收,评审人对她工作的高度评价使她对自己的科研能力有了更多的自信,申请2016微软学者奖学金之后,“想都没想”的张洁成为当年的获得者之一。张洁认为,这项荣誉对她而言意义非凡。首先是受到了巨大鼓舞,坚定了从事

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

​SOSP(操作系统原理大会)自1967年创办以来,两年一届,已经有50个年头了。从1969年的UNIX系统到21世纪初的MapReduce、BigTable、GFS,系统领域一系列最有影响的工作都是发表在SOSP以及与它隔年举行的兄弟会议OSDI上。如果把SOSP和OSDI历年最具影响力(Hall of Fame Award)的论文汇集成册,就是大半本操作系统和分布式系统的教科书。作为系统领域的最高学术会议,SOSP和OSDI每年只收录30至40篇高质量论文,因而能够在SOSP上发表论文是系统研究者的荣誉。

SOSP’17开幕式(图片来源:陈海波教授)​


今年,SOSP首次走出北美和欧洲来到中国上海,微软亚洲研究院副院长周礼栋博士和上海交通大学陈海波教授担任本届大会组委会主席,康奈尔大学Lorenzo Alvisi教授和密歇根大学Peter Chen教授担任程序委员会主席。本届SOSP会议创下了多项记录和第一:最多的注册参会者(850位);最多的赞助商数量和金额;首次提供会议直播和在线提问;首次设立了AI Systems Workshop,共商AI系统这个新生的重要应用;由微

阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
标签:

杂谈

编者按:近几年来,医疗和人工智能碰撞出了相当多的火花,大量资金短期投入到医疗领域当中。然而在微软亚洲研究院副院长张益肇博士看来,人工智能医疗是一场持久战,大家一定要沉下心多调研、多思考、多学习。


人工智能大潮之下,微软在医疗领域又有哪些布局?近日,张益肇博士接受雷锋网AI掘金志的专访,解读了“AI 医疗”可能带来的巨大变革。本文授权转载自公众号“AI掘金志”。


“作为一个研究人工智能二十多年,同时在医学影像处理方向耕耘八年的过来人。我认为现阶段医疗人工智存在的一大挑战是,从业者们既没捋顺流程,也没想清模式。单纯觉得我有AI技术,有几家合作医院,就能大干一场。现在风口的确很火,很多基金也愿意投钱。但医疗与其他行业不同,它是一个文火慢炖的过程,不见得那么容易。”


在微软亚洲研究院副院长张益肇博士接受专访的一个多小时里,他不断在强调人工智能在医疗领域的长期价值,但也有存在一些短期的担忧。以下是雷锋网AI掘金志与张益肇博士的访谈内容:


您怎么看待今年医学影像 AI大热的现象
阅读  ┆ 评论  ┆ 转载 ┆ 收藏 
  

新浪BLOG意见反馈留言板 电话:4006900000 提示音后按1键(按当地市话标准计费) 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

新浪公司 版权所有