动态 | 微软新成立AI研究院,13个研究组都在做什么?

2017 年 7 月 13 日 AI科技评论 杨文

AI科技评论按:7月13日,据彭博网报道,微软正在筹建 Microsoft Research AI研究院,未来将专注人工智能领域,创建开发更多的通用学习系统。

AI科技评论了解到:该研究院将设立在华盛顿州雷德蒙,来自微软近百位人工智能领域的科学家将集中在此,他们被分为十三个研究小组,分别是自适应系统和互动组、空中信息和机器人组、会话系统组、深度学习组、信息和数据科学组、知识技术组、语言和信息技术组、机器学习和优化组、机器教学组、自然语言处理组、感知和互动组、生产力组、强化学习组。

自适应交互组该小组致力于追求智能和交互原理的进步以及相关应用的进步,提高计算系统和接口。包括传感、学习和决策、搜索和检索以及人机交互基础等研究。

空中信息与机器人组:该团队主要做机器智能的前沿研究,机器人和人类为中心的计算,飞行机器人舰队,微型无人机,民用客机。
他们的研究汇集了机器学习和思想感知,不确定决策在机器人平台上产生各种挑战。合成算法和系统将应用在飞行器如:滑翔机,小飞机和商用飞机。应用场景包括精确农业监控、病原体监测、气象探测、启用数字连接等。团队有三篇论文被 ICRA 2017接受。

对话系统组:重点推进人机对话。研究涵盖对话框管理、对话状态跟踪、用户建模、语言理解和语言生成。团队对探索对话系统在对话过程中学习的方法特别感兴趣。
团队正在面对挑战,例如如何从非常有限的交互中学习特定任务的对话控制器;如何创建结构化知识与机器学习相结合的对话控制模型,以及对话控制器如何通过交互进行自主改进。团队与微软研究的其他团体密切合作,包括自然语言处理、机器教学、自适应系统和交互。

深度学习组他们主要开发算法,模型,和有监督和无监督学习系统,深入强化学习,神经符号推理,然后寻求在计算机视觉、自然语言处理、多智能、互联网信息处理、以及其他相关领域的突破。
该小组的研究人员对很多在学术界产生重大影响的项目作出了贡献,最近的一个例子是计算机视觉的API在微软认知服务,它提供了世界上第一个图像字幕的云服务。

信息和数据科学组跨学科的信息和数据科学团队汇集了来自信息检索技术,人机交互(HCI)、人工智能、社会科学共同挑战相关的问题:(1)人们如何组织信息和信息系统的相互作用;(2)如何用挖掘出来的数据来描述人的行为。
作为一个团队,他们直接与产品组合作,从根本上理解产品中应用程序中的问题。他们团队开发的技术,提高了Cortana应用体验。

知识技术组知识技术组专注微软产品和为市场带来新的企业智能应用和服务。和微软的研究和产品团队的密切合作。他们关注先进技术研究项目的进展,自然语言处理、文本挖掘、机器学习、知识获取等人工智能技术领域。他们将机器学习和人工智能与最广泛使用的在线服务结合起来,开发出新奇有趣的产品体验。

语言和信息技术组:他们利用人工智能来了解人们如何与信息系统进行互动,并开发新的功能来提高生产力。他们的研究兴趣是信息检索、自然语言理解和应用机器学习的交叉点。工作包括分析大规模文本和用户行为数据,以了解用户如何与信息交互,建立从非结构化信息中提取知识的模型,帮助用户完成任务并有效地查找信息。他们的工作应用于内容理解、智能助理、搜索、个性化和用户满意度建模。

机器学习与优化组:机器学习和优化小组的重点是设计新的算法,使下一代人工智能系统和应用程序能应用到,并回答在学习,优化,算法和数学的基本问题。他们主要研究领域包括统计和在线学习、凸和非凸优化、组合优化及其在AI、统计学和概率中的应用。此外,他们的工程机构建立世界级的机器学习和优化系统。

机器教学组ML(机器学习)组的一大部分专注于创建新算法以提高给定数据集上的“学习者”(ML算法)的准确性。机器教学(MT)组与机器学习相比,侧重于教师的效能。如建立一个模型来理解控制电视的语音命令。对机器学习模型的需求远远大于能够建立这些模型的机器教学。所以解决日益增长的需求的一个办法是使教学机器简单、快速、普及。

自然语言处理组自然语言处理组重点是开发处理文本的有效算法,使他们的信息能在计算机应用程序访问。

感知和交互组感知和交互小组研究虚拟世界与我们居住的人和物体的物理世界之间的接口。他们的目标是通过传感技术、智能信号处理、新的交互模式和理解用户来丰富这一接口。他们的工作是建立在感知和交互的基础上来实现这一想法,他们也喜欢通过构建工作原型来实现想法。

生产力组微软是职场生产力的领导者。随着工作环境的发展,为了保持这种领导地位,团队将重点放在人工智能的最新进展、日益普及的数据以及为人们提供低摩擦方式的新兴平台上。我们力求使工作更容易更吸引人,使人们更容易集中注意力在一个给定的环境中做最重要的事情。

强化学习组强化学习组致力于自主决策的理论基础、算法和系统。主要研究领域包括马尔可夫决策过程和上下文决策过程的泛化。他们的技术已经成功地应用于许多领域,如在线广告、推荐、网络搜索、会话系统、游戏和程序合成。由于名单上人较多,以下截图为部分名单。

以上为此次微软新成立的AI研究院中包含的13个研究组。

via Microsoft Research (https://www.microsoft.com/en-us/research/lab/microsoft-research-ai/)

AI科技评论整理编译

登录查看更多
0

相关内容

机器教学”(Machine Teaching)是机器学习的逆问题,它的目标是根据给定的目标概念构造一个最优的数据集,使目标概念可以在这个数据集上学习。是当下新的机器学习研究热点。
斯坦福2020硬课《分布式算法与优化》
专知会员服务
120+阅读 · 2020年5月6日
【ICMR2020】持续健康状态接口事件检索
专知会员服务
18+阅读 · 2020年4月18日
专知会员服务
125+阅读 · 2020年3月26日
【CAAI 2019】自然语言与理解,苏州大学| 周国栋教授
专知会员服务
63+阅读 · 2019年12月1日
【斯坦福&Google】面向机器人的机器学习,63页PPT
专知会员服务
26+阅读 · 2019年11月19日
【创新工场AI工程院】机器人实验室,等你SLAM!
泡泡机器人SLAM
3+阅读 · 2019年6月4日
剖析腾讯知文,智能问答机器人路在何方?
AI前线
12+阅读 · 2018年11月3日
总览智能对话系统(3位微软与谷歌技术大牛联合出品)
科普 | 动态本体简介
开放知识图谱
13+阅读 · 2017年11月11日
走进丹棱街5号 | 是什么吸引了50多位技术大牛走进微软?
Arxiv
102+阅读 · 2020年3月4日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
9+阅读 · 2016年10月27日
Arxiv
3+阅读 · 2012年11月20日
VIP会员
相关论文
Arxiv
102+阅读 · 2020年3月4日
Arxiv
7+阅读 · 2018年1月24日
Arxiv
9+阅读 · 2016年10月27日
Arxiv
3+阅读 · 2012年11月20日
Top
微信扫码咨询专知VIP会员