临近岁末，微软研究院回顾今年在人工智能领域的工作。

微软研究院表示：

2019年是科技面临严峻挑战的一年。

一般来说，研究综述包括以下几个方面：

· 使人工智能和机器学习系统更容易使用； · 推动“以人为本”的创新研究； · 创建适合每个人的人机交互； · 安全、存储、系统、应用方面的突破； · 为研究社区提供开源工具和数据； · 为研究界提供奖学金

此外，顺向阳博士不久前宣布从微软辞职。

微软研究院也在这次评审中向顺向阳博士说“再见”。

提高AI和机器学习的可访问性

机器学习显然对人们的生活产生了影响。

那么微软的研究人员今年做了什么？

提高机器学习系统的能力并进一步发展这种新的科学模型。

他们使用特殊方法使这些系统更易于访问。

在深度学习方面，微软研究院协同研究经理高剑锋博士团队提出了MT-DNN模型。

这是一个学习通用语言嵌入的模型，它将多任务学习的优势与BERT 的语言模型预训练相结合，帮助系统快速发展自然语言处理所需的语义理解。

MT-DNN地址：https://www.microsoft.com/en-us/research/blog/towards-universal-language-embeddings/

微软研究院的Xu Tan 团队开发了MASS。

这是一种在序列到序列语言生成方面优于现有模型的预训练方法。

MASS地址：https://www.microsoft.com/en-us/research/blog/introducing-mass-a-pre-training-method-that-outperforms-bert-and-gpt-in-sequence-to-sequence-language- Generation -任务/

并且在未来几年，机器学习将会取得突破。

超越当前以马尔可夫决策过程为基础的方法（尤其是强化学习）的能力将变得更适用于现实世界的场景。

项目地址：https://www.microsoft.com/en-us/research/blog/reinforcement-learning-for-the-real-world-with-dr-john-langford-and-rafah-hosn/

许多机器学习应用程序受益于大数据集，但也有许多应用程序没有足够的数据来证明其方法是有效的。

进入机器教学领域，领域专家可以用很少的数据构建定制的人工智能模型。

项目地址：https://www.microsoft.com/en-us/research/blog/machine-teaching-luis-and-the-democratization-of-custom-ai-with-dr-riham-mansour/

另一个使人工智能民主化的项目是该研究所和贾斯汀·哈里斯联合开发的基于区块链框架的去中心化协作人工智能。

它允许用户在以太坊上训练和维护模型和数据集。

此外，微软研究院首席研究员Debadeepta Dey 在今年的NeurIPS 上提出了Petridish 项目。

超过300名微软研究人员参与了NeurIPS 2019

这是一种高效的前向神经结构搜索算法，可以帮助识别给定机器学习任务的神经结构。

项目地址：https://www.microsoft.com/en-us/research/blog/project-petridish-efficient-forward-neural-architecture-search/

促进负责、包容、以人为本的创新

2019年ACM FAT*会议在亚特兰大召开。

微软研究院在会议上展示了四篇论文，内容涵盖职业分类中的性别偏见、数据驱动决策在加剧不公正方面的作用、算法决策系统的战略操纵以及在没有资金的情况下公平分配项目。

这项工作来自微软的FATE 研究小组，该小组研究人工智能、机器学习、数据科学、大规模实验和自动化的复杂社会影响。

将这些努力结合在一起将有助于设计人员管理用户期望，调节自主程度，解决歧义，并使用户了解系统如何从他们的行为中学习。

项目地址：https://www.microsoft.com/en-us/research/blog/guidelines-for- human-ai-interaction-design/

此外，开源模拟器AirSim 主办了今年的无人机NeurIPS 竞赛。

在无人机挑战赛中，参与者与微软研究院的对手在同一跑道上进行竞争，使用的策略和机动水平在类似比赛中通常是无与伦比的。

项目地址：https://www.microsoft.com/en-us/research/blog/game-of-drones-at-neurips-2019-simulation-based-drone-racing-competition-built-on-airsim/

创建适合所有人的人机交互

在关于计算系统中的人为因素的ACM CHI 会议上，Microsoft 研究人员发表了论文和演示，探讨如何为有认知或感觉障碍的用户提供可访问性。

这些研究包括： 浏览器的“阅读模式”是否真的可以帮助患有阅读障碍的人，以及帮助视力低下的人（包括光敏感度和视力低下）更容易使用VR 的工具。

同时展出的还有微软的Soundscape，该项目使用3D 音频提示来增强态势感知和辅助导航。

项目地址：https://www.microsoft.com/en-us/research/product/soundscape/features/

此外，还有一些项目可以使虚拟环境更加真实、可触摸和可导航。

微软Dreamwalker VR

Dreamwalker 是一个虚拟现实项目，通过虚拟现实增强现实世界的行走体验。虚拟环境实时检测用户的周围环境，并生成一个虚拟世界，说明他们的路径和任何障碍物。

项目地址：https://www.microsoft.com/en-us/research/publication/dreamwalker-substituting-real-world-walking-experiences-with-a-virtual-reality/

安全、存储、系统和应用方面的突破

2019年同态加密技术的开发和采用继续取得进展。同态加密技术可以对加密数据进行计算，有助于保护隐私。

Microsoft SEAL 已成为世界上最受欢迎的同态加密库之一，在学术界和工业界得到广泛采用。

项目地址：https://github.com/Microsoft/SEAL

今年4月，随着EverCrypt的发布，Project Everest又向前迈出了一步，建立了安全且经过认证的HTTPS生态系统。

其中，EverCrypt是第一个经过完全认证、满足TLS协议安全要求的加密货币提供商。 Project Everest 是Microsoft、Inria 和卡内基梅隆大学之间的合作项目。

项目地址：https://www.microsoft.com/en-us/research/blog/evercrypt-cryptographic-provider-offers-developers-greater-security-assurances/

到2023 年，预计云中将存储超过100 ZB 的数据。

为了满足这一需求，Project Silicon 正在开发第一个根据媒体设计用于云计算的存储技术。

项目地址：https://www.microsoft.com/en-us/research/project/project-silica/

今年，该团队与华纳兄弟合作进行了一项概念验证，将1978 年的电影《超人》（超人）安装在一块几乎坚不可摧的杯垫大小的玻璃上。

项目地址：https://www.microsoft.com/en-us/research/blog/optics-for-the-cloud-storage-in-the-zettabyte-era-with-dr-ant-rowstron-and-mark-russinovich/

与此同时，今年4 月，微软和华盛顿大学的研究人员实施了“Hello, World!”在那里，他们展示了第一个使用合成DNA 存储和检索数据的全自动系统。

项目地址：https://news.microsoft.com/innovation-stories/hello-data-dna-storage/?utm_source=elevateutm_campaign=1385

剑桥大学研究人员安迪·戈登和西蒙·佩顿·琼斯通过探索编程语言研究如何改进电子表格（世界上最常见的商业应用程序之一）来展示基础研究的实际影响。

在下面的项目中，他们详细介绍了与Microsoft Excel 团队的合作如何改进产品，例如单元格包含链接到外部数据源的第一级记录的能力以及计算“溢出”到相邻单元格的能力。数组值的公式。

项目地址：https://www.microsoft.com/en-us/research/blog/influencing-mainstream-software-applying-programming-language-research-ideas-to-transform-spreadsheets/

在ACM 国际网络搜索和数据挖掘会议上，微软研究人员提出了一项关于极端分类的新研究。

极限分类是一个有望显着提高算法速度和质量的研究领域。这项工作可以带来更多相关的推荐和搜索结果。

在以下2 月份的博客文章中，微软印度研究院的Manik Varma 深入研究了极端分类。

项目地址：https://www.microsoft.com/en-us/research/blog/everything-you-always-wanted-to-know-about-extreme-classification-but-were-afraid-to-ask/

由于计算机视觉技术的进步，尤其是视频对象检测和分类，视频分析变得更加精确。

然而，快速实用的实时视频分析却滞后。

去年12 月，微软研究人员Ganesh Ananthanarayanan 和Yuanchao Shu 主持了一场关于Project Rocket 的网络研讨会，Rocket 是一个可扩展的软件堆栈，利用边缘和云来满足视频分析应用程序的需求。

项目地址：https://www.microsoft.com/en-us/research/project/live-video-analytics/

为研究社区提供开源工具和数据

在这一年中，Microsoft 研究人员致力于许多造福学术界的开源项目，其中包括：

SandDance：是Azure Data Studio、Visual Studio Code 和Power BI 中的数据可视化工具。地址：https://cloudblogs.microsoft.com/opensource/2019/10/10/microsoft-open-sources-sanddance-visual-data-exploration-tool/

TensorWatch：是一款人工智能调试和可视化工具。地址：https://www.microsoft.com/en-us/research/blog/microsoft-makes-ai-debugging-and-visualization-tool-tensorwatch-open-source/

PhoneticMatching：是Maluuba 自然语言理解平台的组成部分。地址：https://www.microsoft.com/en-us/research/blog/a-phonetic-matching-made-in%cb%88h%c9%9bv%c9%99n/

SpaceFusion：是一种学习范式，汇集了用于人工智能对话的不同深度学习模型。地址：https://www.microsoft.com/en-us/research/blog/spacefusion-structuring-the-unstructed-latent-space-for-conversational-ai/

Icecaps：对话建模工具包。地址：https://www.microsoft.com/en-us/research/blog/microsoft-icecaps-an-open-source-toolkit-for-conversation-modeling/

Icebreaker：一种深度生成模型，可最大限度地减少训练机器学习模型所需的数据量和成本。地址：https://www.microsoft.com/en-us/research/blog/icebreaker-new-model-with-novel-element-wise-information-acquisition-method-reduces-cost-and-data-needed-to-train-机器学习模型/

基于去年发布的基于Azure的数据共享库Microsoft Research Open Data，该公司制定了数据使用协议并发布在GitHub上，可应用于多个公共数据集。

支持和尊重研究团体

今年，微软研究院推出了艾达·洛夫莱斯奖学金，用于支持攻读计算机相关领域博士学位的人才。

关于他们的研究，您可以访问以下链接：https://www.microsoft.com/en-us/research/academic-program/ada-lovelace-fellowship/#!fellows

十名博士生还获得了两年奖学金（作为博士奖学金计划的一部分），以支持他们在光子学、系统和网络以及人工智能方面的研究。

此外，微软研究院还向五名从事高影响力突破性研究的教职员工颁发了奖学金。

关于他们的研究，您可以访问以下链接：https://www.microsoft.com/en-us/research/blog/investing-in-leading-minds-microsoft-research-faculty-fellowship/

微软研究院的研究人员今年获得了许多奖项和荣誉。完整名单如下：https://www.microsoft.com/en-us/research/awards/

最后，我要跟沉向阳博士说再见。

顺向阳博士已在微软工作23年，将于明年2月离职。

传送门

Microsoft 研究博客：https://www.microsoft.com/en-us/research/blog/microsoft-research-2019-reflection-a-year-of-progress-on-technologys-toughest-challenges/

- 超过-

用户评论

陌潇潇

哇，微软的研究成果真的让人惊喜，ML的突破听起来好期待啊！等不及看到人机交互更加真实的未来了。

    有9位网友表示赞同！

掉眼泪

微软的年度回顾真不错，一直对ML技术很感兴趣，希望这次突破能带来更多的创新应用。

    有6位网友表示赞同！

一生只盼一人

告别沉向阳，听起来像是新的开始。期待人机交互更加真实，这样我们的生活会不会更轻松呢？

    有18位网友表示赞同！

夜晟洛

每年微软的年度回顾都让人眼前一亮，这次ML的突破真的让人兴奋，期待看到更多实际应用。

    有18位网友表示赞同！

ok绷遮不住我颓废的伤あ

人机交互更加真实，这听起来好高级啊！希望微软这次能引领行业走向一个全新的阶段。

    有10位网友表示赞同！

浅巷°

我对ML一直很感兴趣，微软的突破让我看到了无限可能。希望未来能看到更多的创新。

    有9位网友表示赞同！

。婞褔ｖīｐ

每次看到微软的研究成果，都感觉科技在飞速发展。期待人机交互的真实度越来越高。

    有10位网友表示赞同！

早不爱了

沉向阳的日子终于要过去了，微软的年度回顾让我看到了未来的希望。期待人机交互的新篇章。

    有5位网友表示赞同！

仅有的余温

微软的研究总是那么吸引人，ML突破和人机交互的进步，真的让人对未来充满了期待。

    有18位网友表示赞同！

玻璃渣子

这个标题听起来好有未来感，希望微软的ML突破能让我们的生活变得更加便捷。

    有8位网友表示赞同！

凝残月

人机交互更加真实，听起来就像是科幻电影里的场景。期待微软能把这个梦想变成现实。

    有15位网友表示赞同！

鹿叹

微软的年度回顾总是那么鼓舞人心，这次ML的突破让人看到了科技的力量。

    有10位网友表示赞同！

还未走i

告别沉向阳，希望人机交互的进步能让我们摆脱繁琐的操作，享受更加智能的生活。

    有8位网友表示赞同！

■□丶一切都无所谓

每次看到微软的研究成果，我都会想，科技发展真是日新月异。期待人机交互的新时代。

    有10位网友表示赞同！

炙年

微软的研究让人看到了科技的魅力，希望这次ML突破能带来更多的惊喜。

    有19位网友表示赞同！

汐颜兮梦ヘ

人机交互更加真实，听起来好神奇。希望微软能在这个领域继续领先。

    有8位网友表示赞同！

浮光浅夏ζ

沉向阳的日子要过去了，期待微软带领我们走进一个更加智能的未来。

    有10位网友表示赞同！

无关风月

微软的年度回顾让我对科技的未来充满了信心，希望人机交互的进步能改变我们的生活。

    有11位网友表示赞同！

■孤独像过不去的桥≈

每次看到微软的研究，我都会想，科技真的是推动社会进步的强大动力。期待人机交互的明天。

    有5位网友表示赞同！