首届微软研究峰会视频上线，快来查收你的独家观看指南！

（本文阅读时间：22分钟）

由微软全球八大研究院携手倾力打造的首届微软研究峰会 Microsoft Research Summit 2021 已于此前在线上成功举办。来自世界各地的300余位顶尖科学家和技术领导者为大家带来了150场精彩分享，内容围绕“科学、赋能、可持续发展、医疗健康、信任”五大主题展开，涵盖人工智能的行业应用、机器学习、可持续发展、隐私与安全、健康和生命科学等众多前沿领域。其中，亚洲地区讲者带来的报告占到总数的四成，充分展示了亚洲地区在各大方向上的探索。

在三天的大会中，全球共有36254名观众注册并参与了这场顶级学术盛会。错过了直播？有印象深刻的精彩报告还想再次观看？我们为你带来了大会的精彩回看视频！

目前，微软研究峰会的全部内容（含英文字幕，可选择自动翻译的中文字幕）均已上传至官方网站，部分精选视频在也已上传至 B 站“微软中国视频中心”账号（无字幕）。如错过或希望重温精彩学术分享瞬间，可通过上述两种方式进行在线观看。

官网地址：

https://www.microsoft.com/en-us/research/event/microsoft-research-summit-2021/

B站微软中国视频中心

https://space.bilibili.com/110487933

手机扫码直达B站主页

从产研融合到交叉领域，再到前沿分享、畅谈未来，快来查收这份峰会视频观看指南，精准匹配你的口味，精彩一网打尽！

观看指南

想了解技术如何落地？

如果你来自工业界，想了解前沿研究如何在工业界进行应用，以下报告或圆桌讨论将告诉你机器学习如何助力云系统、供应链实际问题的解决，也将为你介绍微软亚洲研究院的前沿科研实践！

云智能/智能运维

人工智能与机器学习将助力大规模、高质量、高效率的云系统的设计与建成。目前，该领域学术界与工业界最新进展如何？存在哪些机遇与挑战？

指路视频《圆桌讨论：学术界和产业界的云智能/智能运维》

B站： 

https://www.bilibili.com/video/BV1kL41177Tf

官网：

https://www.microsoft.com/en-us/research/video/panel-discussion-cloud-intelligence-aiops-across-academia-and-industry/

强化学习（第一场）

离线深度强化学习如何部署在真实物流及供应链行业领域并解决相应现实难题？研究人员告诉你该技术的未来趋势及挑战。

指路视频《讲座：深度强化学习在行业中的应用》

B站：

https://www.bilibili.com/video/BV1m3411473V

官网：

https://www.microsoft.com/en-us/research/video/research-talk-making-deep-reinforcement-learning-industrially-applicable/

因果机器学习（第一场）

因果机器学习有望成为下一次人工智能革命，它为稳健的预测、有效的决策和提供可理解的解释打下坚实的基础。来自微软研究院的研究员们将展示他们在因果机器学习领域的前沿探索。

指路视频《圆桌讨论：微软的因果机器学习研究探讨》

B站：

https://www.bilibili.com/video/BV1vP4y137bj

官网：

https://www.microsoft.com/en-us/research/video/panel-causal-ml-research-at-microsoft/

想探究跨领域前沿成果？

交叉领域研究是大势所趋，观看以下视频，了解生命科学和环境科学，如何与计算机科学合作催生出科研硕果。

探索健康与生命科学

人工智能在医疗健康领域具有巨大的应用前景。从研发、预诊断、临床实践到疾病管理……计算机技术正在革新这一传统基础领域。

指路视频《讲座：人工智能在医疗领域的研究与应用》

B站：

https://www.bilibili.com/video/BV1wr4y1D7nq

官网：

https://www.microsoft.com/en-us/research/video/research-talk-research-and-application-of-ai-in-healthcare/

基因调控对于细胞分化、形态生成和实现组织的基本功能具有重要作用，然而，目前的实验数据仍无法破译驱动时空层面基因调控程序的基本规则。计算能力与深度学习技术是否能够帮助我们从已有生物数据揭开这一谜题呢？

指路视频《讲座：人工智能揭开基因调控的秘密》

B站：

https://www.bilibili.com/video/BV1o341147ZC

官网：

https://www.microsoft.com/en-us/research/video/research-talk-decrypting-the-secret-of-gene-regulation-with-ai/

研发新药耗时巨长、斥资巨大。人工智能是否能够加速药物发现？研究院将介绍目前已被用于药物研发的亮相人工智能技术：化合物与训练以及人工智能驱动下的分子对接。

指路视频《讲座：人工智能在药物发现中的应用》

B站：

https://www.bilibili.com/video/BV1pQ4y1e7yN

官网：

https://www.microsoft.com/en-us/research/video/research-talk-ai-for-drug-discovery/

负碳研究（第二场）

从公共政策、地球科学、环境科学和计算机科学等不同角度来看负碳创新技术和前沿研究的进展，以及如何助推该领域跨学科合作、人才吸引和想法落地。

指路视频《 圆桌讨论：碳中和前沿技术与创新解决方案》

B站：

https://www.bilibili.com/video/BV1fS4y1X7Yj

官网：

https://www.microsoft.com/en-us/research/video/panel-discussion-innovative-solutions-and-frontier-technology-for-carbon-neutralization-from-different-angles/

用深度神经网络模拟 CO2 的大气过程、用机器学习预测发展中国家的森林火灾、完成 CO2 排放的实时监测及负碳计算、探究天然气水合物的海上 CO2 封存……技术将如何造福于自然环境？

指路视频《碳中和创新研究合作伙伴》

B站：

https://www.bilibili.com/video/BV1vM4y1w7sN

官网：

https://www.microsoft.com/en-us/research/video/research-talks-research-partners-on-innovation-for-carbon-neutralization/

想深耕计算机领域某一方向？

如果你正在专攻某一方向，希望了解优秀的前沿成果，查收以下视频，云网络、大规模AI、搜索与推荐、视觉学习与推理、云智能、因果机器学习……是否有你的深耕方向？

云网络的未来

目前与云端相连的用户终端处于异构网络阵列当中，从高速有线链路到脆弱的无线通信。包括机器学习在内的数据驱动技术将为云网络在这些不同场景中的适应性及多功能性提供更好的支持。

指路视频《圆桌讨论：Networking meets cloud & edge applications》

B站：

https://www.bilibili.com/video/BV1GM4y1A7us

官网：

https://www.microsoft.com/en-us/research/video/panel-discussion-networking-meets-cloud-edge-applications/

深度学习和大规模 AI（第一场）

具有数十亿个参数的大规模预训练模型已经革新了几乎所有自然语言处理任务……最近，研究人员正在将此类模型扩展到自然语言文本之外的模态，如结构化知识库、图像和视频。

指路视频《讲座：大规模自监督预训练：从语言到视觉》

B站：

https://www.bilibili.com/video/BV19i4y1R7Jv

官网：

https://www.microsoft.com/en-us/research/video/research-talk-large-scale-self-supervised-pretraining-from-language-to-vision/

《讲座：NUWA: 基于多模态预训练的视觉内容生成》

B站：

https://www.bilibili.com/video/BV1HL4y1H7Ui

官网：

https://www.microsoft.com/en-us/research/video/research-talk-nuwa-neural-visual-world-creation-with-multimodal-pretraining/

搜索与推荐的未来

超大规模的矢量搜索场景目前仍面临着巨大挑战，研究院将讲解分布式 ANNS 系统 SPTAG++ 如何在毫秒级别的响应时间下，支持每秒查询超过一万次的数千亿规模的矢量搜索。

指路视频《讲座：SPTAG++: 毫秒量级千亿超大规模向量搜索解决方案》

B站：

https://www.bilibili.com/video/BV1FS4y197GJ

官网：

https://www.microsoft.com/en-us/research/video/research-talk-sptag-fast-hundreds-of-billions-scale-vector-search-with-millisecond-response-time/

为了缓解传统推荐系统（RS）的数据稀疏性和冷启动问题，结合知识图（KG）来补充辅助信息最近受到了学界关注，知识感知推荐模型如何从 KG 中提取信息，最终提供更精确的个性化推荐？

指路视频《讲座：面向推荐任务具备注意力机制的知识感知图神经网络》

B站：

https://www.bilibili.com/video/BV1Wg411P7b7

官网：

https://www.microsoft.com/en-us/research/video/research-talk-attentive-knowledge-aware-graph-neural-networks-for-recommendation/

趋向于类人的视觉学习与推理

深度学习加上庞大的训练数据是计算机视觉领域的流行范式。然而，经过十年的增长，是时候重新审视其优势和劣势了。计算机视觉是会出现新的趋势，还是会简单地成为深度学习的一种应用？

指路视频《圆桌讨论：未来十年的计算机视觉：更深还是更广？》

B站：

https://www.bilibili.com/video/BV1iL41177oN

官网：

https://www.microsoft.com/en-us/research/video/panel-computer-vision-in-the-next-decade-deeper-or-broader/

人类通过利用先验知识来学习和推理，而不必观察大量数据。诸如少样本学习和零样本学习的视觉学习和推理技术，旨在让人工智能实现类人的学习和推理。

指路视频《讲座：小样本、零样本视觉学习与推理》

B站：

https://www.bilibili.com/video/BV1mr4y1S7Vb

官网：

https://www.microsoft.com/en-us/research/video/research-talks-few-shot-and-zero-shot-visual-learning-and-reasoning/

从数据压缩和组不变性的角度提供对深度（卷积）网络的完全解释，并介绍如何通过前向传播而不是通过反向传播显式构建网络的所有层、运算符和参数。

指路视频《主题演讲：ReduNet: 用于优化速率降低目标的深度卷积神经网络 ReduNet》

B站：

https://www.bilibili.com/video/BV12341147yM

官网：

https://www.microsoft.com/en-us/research/video/keynote-redunet-deep-convolutional-networks-from-the-principle-of-rate-reduction/

过去几年，大数据驱动的深度学习显著提高了视觉任务的性能，但它在可扩展性和对现实世界场景的适应方面也表现出局限性。如何解决这些限制，更好地推动该领域发展？

指路视频《开场致辞：趋向于类人的视觉学习与推理》

B站：

https://www.bilibili.com/video/BV1kq4y1z7aV

官网：

https://www.microsoft.com/en-us/research/video/opening-remarks-towards-human-like-visual-learning-and-reasoning/

《结束致辞：趋向于类人的视觉学习与推理》

B站：

https://www.bilibili.com/video/BV1kq4y1z72x

官网：

https://www.microsoft.com/en-us/research/video/closing-remarks-towards-human-like%E2%80%AFvisual-learning-and-reasoning/

3D 点云、视频和图像的无监督视觉表示学习将如何助力于深度学习的可扩展性和其在现实世界场景的可适应性？

指路视频《讲座：泛化与自适应》

B站：

https://www.bilibili.com/video/BV1Hb4y1i7L8

官网：

https://www.microsoft.com/en-us/research/video/research-talks-generalization-and-adaptation/

大数据驱动的深度学习的主要缺点之一是其黑盒性质。为了帮助解决这个问题，开发能够捕捉人类学习和推理方式的基本原理的架构和算法显得至关重要。

指路视频《讲座：可解释性学习》

B站：

https://www.bilibili.com/video/BV1eb4y1i7Mn

官网：

https://www.microsoft.com/en-us/research/video/research-talks-learning-for-interpretability/

云智能/智能运维

云系统可能是迄今为止开发的最复杂的计算系统，我们的日常生活在很大程度上依赖于它们持续可靠的运行。基于 AIOps 的智能数据驱动范式将如何帮助实现更好地云可靠性？

指路视频《讲座：An intelligent data-driven paradigm towards cloud reliability》

B站：

https://www.bilibili.com/video/BV1fU4y1N7fP

官网：

https://www.microsoft.com/en-us/research/video/research-talk-an-intelligent-data-driven-paradigm-towards-cloud-reliability/

源代码的动态和静态分析已广泛用于软件开发实践中，以辅助逆向工程、设计问题检测和故障定位等目标。云原生软件以容器化、微服务化架构为特色，已成为软件云化的新趋势。

指路视频《讲座：基于大规模运维数据的云原生软件多维度分析》

B站：

https://www.bilibili.com/video/BV1AU4y1K7GV

官网：

https://www.microsoft.com/en-us/research/video/research-talk-multidimensional-analysis-of-cloud-native-software-based-on-large-scale-operation-data/

云计算平台已经成为世界基础设施的一部分，为商业、社会和人类生活带来了前所未有的数字化转型机遇。因此，云计算平台的质量，包括可用性、可靠性、性能、效率、安全性、可持续性等，变得极为重要。

指路视频《主题演讲：云智能：云系统的智能运维》

B站：

https://www.bilibili.com/video/BV1WQ4y1e79S

官网：

https://www.microsoft.com/en-us/research/video/keynote-cloud-intelligence-infusing-ai-into-cloud-computing-systems/

因果机器学习（第一场）

机器学习模型应该在分布外样本上具有可解释性和鲁棒性，尤其是在医疗保健和安保等安全关键任务上。然而，当前的模型严重依赖于 i.i.d 假设，因此对 OOD 数据很敏感。如何利用因果推理工具来增强机器学习模型并使其更加稳健？

指路视频《讲座：因果学习：因果关系发现与分布外泛化》

B站：

https://www.bilibili.com/video/BV18Z4y197Zp

官网：

https://www.microsoft.com/en-us/research/video/research-talk-causal-learning-discovering-causal-relations-for-out-of-distribution-generalization/

什么是因果机器学习？它和因果关系研究一样吗？经济学、计算机科学、统计学和医疗健康领域的因果机器学习有何不同？

指路视频《圆桌讨论：因果关系的挑战与机遇》

B站：

https://www.bilibili.com/video/BV1VM4y1A7Yq

官网：

https://www.microsoft.com/en-us/research/video/panel-challenges-and-opportunities-of-causality/

想预知未来世界的科研？

如果你想要感知未来科技变化的脉搏，收藏以下视频，倾听科技界大佬如何结合工业实践，脚踏实地且天马行空地畅谈未来！

30 年来，微软研究院对于微软意味着什么？微软公司董事长兼首席执行官萨提亚·纳德拉（Satya Nadella）与首席技术官 Kevin Scott 一起讨论了未来十年及以后的计算机科学研究的最大趋势，以及如何将这些即将到来的变革性技术突破应用于解决世界上最具挑战性的问题。

指路视频《对话 Satya Nadella：新的系统架构、大规模 AI 模型、人机界面或将迎来大突破》

B站：

https://www.bilibili.com/video/BV16b4y1h71m

官网：

https://www.microsoft.com/en-us/research/video/plenary-the-future-of-research/

好奇心之于科研人员、计算机至于整个科学、前沿研究之于未来社会。微软全球资深副总裁、微软研究院负责人 Peter Lee 将为我们解读21世纪的研究。

指路视频《二十一世纪的产业研究》

B站：

https://www.bilibili.com/video/BV1k34y1m7YB

官网：

https://www.microsoft.com/en-us/research/video/plenary-industrial-research-in-the-21st-century/

结束致辞：云网络的未来

十多年来，微软研究院一直处于云网络创新的前沿，我们与 Azure 合作的工作涉及网络堆栈、网络管理和验证。微软亚洲研究院院长周礼栋来讲述我们当下在解决什么问题？我们面临的挑战又是什么？

指路视频《结束致辞：云网络的未来》

B站：

https://www.bilibili.com/video/BV1BQ4y1e7F4

官网：

https://www.microsoft.com/en-us/research/video/closing-remarks-future-of-cloud-networking/

微软研究院一直致力于通过跨学科、跨机构、跨地域的科学研究，为微软、为社会畅想和实现技术远景，培育一个有韧性、可持续且健康的全球社会，并确保技术值得信赖，可以让每一个人受益。微软研究峰会即旨在为全球科技界、学术界、工业界的同仁们提供一个共彼此激荡智慧、开拓创新的平台；希望通过共同探讨拓展科技边界的前沿研究，来推动以多元视角呈现创新中的科技进步、未来趋势及洞见感悟。

期待这份独家观看指南，能更好地帮助你回看本次精彩纷呈的微软研究峰会！

点击阅读原文，直达微软研究峰会官方网站。

你也许还想看：