本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

研究是為了實現(xiàn)一個長期目標，通常是漸進式的發(fā)展過程。

隨著歲末鐘聲的臨近，微軟研究院回顧了這一年來在人工智能領(lǐng)域中的工作。

微軟研究院表示：

2019年，是科技面臨嚴峻挑戰(zhàn)的一年。

總體來說，研究大盤點包括以下幾個方面：

· 讓AI和機器學習系統(tǒng)更容易被訪問；
· 促進了”以人為本“的創(chuàng)新研究；
· 創(chuàng)建適合所有人的人機交互；
· 安全、存儲、系統(tǒng)以及應(yīng)用方面的突破；
· 為研究社區(qū)提供開源工具和數(shù)據(jù)；
· 為研究團體提供獎學金

此外，沈向洋博士于前不久宣布離職微軟。

微軟研究院在此次復盤中也與沈向洋博士道了聲”再見“。

提高AI和機器學習的可訪問性

機器學習很顯然對人們的生活產(chǎn)生了一定影響。

那么微軟的研究人員在這一年中做了些什么呢？

提高機器學習系統(tǒng)的能力，進一步發(fā)展這一科學的新模式。

他們使用了一些特殊方法讓這些系統(tǒng)能夠更容易被訪問。

在深度學習方面，微軟研究院合作研究經(jīng)理高劍峰博士的團隊，提出了MT-DNN模型。

這是一個學習通用語言嵌入的模型，結(jié)合了多任務(wù)學習的優(yōu)勢和BERT的語言模型預訓練，幫助系統(tǒng)快速發(fā)展自然語言處理所必需的語義理解。

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

微軟研究院Xu Tan的團隊則開發(fā)了MASS。

這是一種預訓練方法，在序列到序列的語言生成方面優(yōu)于現(xiàn)有模型。

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-tasks/

而在未來幾年里，將會出現(xiàn)機器學習的突破。

能夠超越目前將使用馬爾科夫決策過程作為基礎(chǔ)的方法，尤其是強化學習，會變得更加適用于現(xiàn)實場景。

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

許多機器學習應(yīng)用程序受益于龐大的數(shù)據(jù)集，然而也有很多應(yīng)用是沒有足夠的數(shù)據(jù)來證明其方法是有效的。

進入機器教學(machine teaching)領(lǐng)域，領(lǐng)域?qū)＜铱梢杂煤苌俚臄?shù)據(jù)建立定制的人工智能模型。

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

另外一個讓AI較為民主化的項目是研究院與Justin Harris合作的區(qū)塊鏈框架上的分散與協(xié)作人工智能。

它可以讓用戶在以太網(wǎng)上訓練和維護模型和數(shù)據(jù)集。

此外，微軟研究院首席研究員Debadeepta Dey在今年的NeurIPS上提出了Petridish項目。

△超過300名微軟研究人員參與了NeurIPS 2019

這是一種高效的前向神經(jīng)結(jié)構(gòu)搜索算法，它可以幫助識別給定機器學習任務(wù)的神經(jīng)結(jié)構(gòu)。

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

促進負責、包容、以人為本的創(chuàng)新

2019年ACM FAT *大會在亞特蘭大舉行。

微軟研究院在會議上發(fā)表了四篇論文，分別涵蓋了職業(yè)分類中的性別偏見、數(shù)據(jù)驅(qū)動決策在加強不公正方面的作用、算法決策系統(tǒng)的戰(zhàn)略操縱，以及在沒有資金的情況下公平分配項目。

這些工作來自微軟的 FATE 研究小組，該小組研究人工智能、機器學習、數(shù)據(jù)科學、大規(guī)模實驗和自動化的復雜社會影響。

在五月份的CHI大會上，研究員Saleema Amershi與其合作者提出了一套人機交互設(shè)計的指導方案，匯集了20多年的研究、建議和最佳實踐，圍繞著與人工智能系統(tǒng)的有效交互。

把這些工作結(jié)合在一起，將有助于設(shè)計師管理用戶的期望，調(diào)節(jié)自治的程度，解決模糊性，并向用戶提供系統(tǒng)如何從用戶的行為中學習意識。

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

此外，開源模擬器 AirSim今年舉辦了無人機的NeurIPS比賽。

在無人駕駛飛機挑戰(zhàn)賽中，參賽者與微軟研究院的一名對手在同一跑道上進行競爭，他們的策略和機動水平通常是同類競賽所沒有的。

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

創(chuàng)建適合所有人的人機交互

在ACM CHI關(guān)于計算系統(tǒng)中的人為因素的會議上，微軟研究人員展示了一些論文和演示，探索如何為有認知或感覺障礙的用戶提供可訪問性。

這些研究包括:瀏覽器的“閱讀模式”是否真的對患有閱讀障礙的人有幫助，以及幫助低視力的人(包括亮度敏感度和低視力)更容易接觸到VR的工具。

還展示了微軟的Soundscape，這是一個使用3D音頻提示來增強態(tài)勢感知和輔助導航的項目。

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

此外，還有一些使虛擬環(huán)境更加真實、可觸摸和可導航的項目。

△微軟Dreamwalker VR

Dreamwalker是一個虛擬現(xiàn)實項目，可以通過虛擬現(xiàn)實增強真實世界的行走體驗。虛擬環(huán)境可以實時檢測用戶周圍的環(huán)境，并生成一個虛擬世界，說明他們的路徑和任何障礙。

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

安全、存儲、系統(tǒng)和應(yīng)用方面的突破

同態(tài)加密技術(shù)的發(fā)展和采用在2019年取得了持續(xù)的進展。同態(tài)加密技術(shù)可以在加密數(shù)據(jù)上進行計算，有助于保護隱私。

Microsoft SEAL已經(jīng)成為世界上最流行的同態(tài)加密庫之一，在學術(shù)界和工業(yè)界都得到了廣泛的采用。

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

今年4月，隨著EverCrypt的發(fā)布，Project Everest又向前邁進了一步，建立了一個安全認證的HTTPS生態(tài)系統(tǒng)。

其中，EverCrypt是第一個完全認證的密碼提供商，滿足了TLS協(xié)議的安全需求。Project Everest是微軟、Inria和卡內(nèi)基梅隆大學的合作項目。

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

到2023年，預計將有超過100 ZB的數(shù)據(jù)存儲在云里。

為了滿足這一需求，Project Silicon正在開發(fā)第一個從媒體設(shè)計到云計算使用的存儲技術(shù)。

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

今年，這個團隊與華納兄弟公司(Warner Bros.)合作進行了一項概念驗證，把1978年的電影《超人》(Superman)裝在一塊幾乎堅不可摧的玻璃上，大小和杯墊差不多。

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

與此同時，今年4月，微軟和華盛頓大學的研究人員實現(xiàn)了一個“Hello, World!”，他們展示了首個以人工合成的DNA存儲和檢索數(shù)據(jù)的全自動系統(tǒng)。

項目地址：
https://news.microsoft.com/innovation-stories/hello-data-dna-storage/?utm_source=elevate&utm_campaign=1385

劍橋大學的研究人員 Andy Gordon 和 Simon Peyton Jones 通過探索編程語言研究如何改進電子表格這一世界上最常見的商業(yè)應(yīng)用，展示了基礎(chǔ)研究的實際影響。

在下面的項目中，他們詳細介紹了他們與Microsoft Excel團隊的合作是如何改進產(chǎn)品的，比如單元格可以包含與外部數(shù)據(jù)源鏈接的一級記錄，以及可以計算“溢出”到相鄰單元格的數(shù)組值的公式。

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

在 ACM 網(wǎng)絡(luò)搜索和數(shù)據(jù)挖掘國際會議上，微軟的研究人員展示了一項關(guān)于極端分類的新研究。

極端分類是一個研究領(lǐng)域，有望顯著提高算法的速度和質(zhì)量。這項工作可以帶來更多相關(guān)的推薦和搜索結(jié)果。

在下面這篇二月份的博文中，印度微軟研究院的 Manik Varma 對極端分類進行了深入探討。

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

由于計算機視覺技術(shù)的進步，尤其是視頻目標檢測和分類技術(shù)的進步，視頻分析已經(jīng)變得更加精確。

然而，快速而實用的實時視頻分析卻相對滯后。

去年12月，微軟研究人員 Ganesh Ananthanarayanan 和 Yuanchao Shu 主持了一個關(guān)于 Project Rocket 的網(wǎng)絡(luò)研討會，這是一個可擴展的軟件棧，利用邊緣和云來滿足視頻分析應(yīng)用的需求。

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

為研究社區(qū)提供開源工具和數(shù)據(jù)

在這一年中，微軟的研究人員為了學術(shù)界的利益，做了一些開源項目，包括以下內(nèi)容：

SandDance：是 Azure Data Studio、 Visual Studio Code 和 Power BI 中的數(shù)據(jù)可視化工具。
地址：https://cloudblogs.microsoft.com/opensource/2019/10/10/microsoft-open-sources-sanddance-visual-data-exploration-tool/

TensorWatch：是一個人工智能調(diào)試和可視化工具。
地址：https://www.microsoft.com/en-us/research/blog/microsoft-makes-ai-debugging-and-visualization-tool-tensorwatch-open-source/

PhoneticMatching：是 Maluuba 自然語言理解平臺的一個組成部分。
地址：https://www.microsoft.com/en-us/research/blog/a-phonetic-matching-made-in%cb%88h%c9%9bv%c9%99n/

SpaceFusion：是一個學習范例，它將不同的深度學習模型匯集到一起，用于人工智能對話。
地址：https://www.microsoft.com/en-us/research/blog/spacefusion-structuring-the-unstructured-latent-space-for-conversational-ai/

Icecaps：一個會話建模工具包。
地址：https://www.microsoft.com/en-us/research/blog/microsoft-icecaps-an-open-source-toolkit-for-conversation-modeling/

Icebreaker：一個深層次的生成模型，最小化訓練一個機器學習模型所需的數(shù)據(jù)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-machine-learning-models/

基于去年發(fā)布的Microsoft Research Open Data(一個基于Azure的數(shù)據(jù)共享庫)，公司開發(fā)了一套數(shù)據(jù)使用協(xié)議，并在GitHub上發(fā)布，可將其應(yīng)用于多個公共數(shù)據(jù)集。

支持和尊重研究團體

今年，微軟研究院推出了Ada Lovelace獎學金，用來支持計算機相關(guān)領(lǐng)域攻讀博士學位的人才。

有關(guān)他們的研究可以訪問下面的鏈接：
https://www.microsoft.com/en-us/research/academic-program/ada-lovelace-fellowship/#!fellows

10名博士生還獲得了為期兩年的獎學金(作為博士獎學金項目的一部分)，用來支持他們在光子學、系統(tǒng)和網(wǎng)絡(luò)以及人工智能方面的研究。

此外，微軟研究院將獎學金授予了五位從事高影響力突破性研究的教師。

有關(guān)他們的研究可以訪問下面的鏈接：
https://www.microsoft.com/en-us/research/blog/investing-in-leading-minds-microsoft-research-faculty-fellowship/

微軟研究院的研究人員在本年度獲得了許多獎項和榮譽，完整名單如下：
https://www.microsoft.com/en-us/research/awards/

最后，要和沈向洋博士說一聲再見。

沈向洋博士已經(jīng)在微軟就職23年，將于明年2月份離職。