微软-matrix38_april2016-1_38页_9mb

Matrix 2016年04月 第38期 总结

核心内容

2016年4月第38期《Matrix》是一期聚焦微软亚洲研究院在科研、技术、教育合作与社会影响方面的综合性期刊。内容涵盖人工智能、大数据、计算机视觉、机器学习等多个前沿领域，同时报道了微软在教育领域的长期投入与创新成果。

主要观点

1. 微软亚洲研究院的科研进展

   • 在人工智能领域，微软研究院持续推进基础研究，尤其是在大规模机器学习、计算机视觉、自然语言处理等方面取得了显著成果。
   • 霍强博士团队在并行训练方面取得突破，使训练速度在增加GPU的条件下几乎实现线性增长，提升了大数据机器学习的效率。
   • 孙剑博士团队在ImageNet挑战赛中取得图像分类、定位与检测三项冠军，系统错误率降低至3.57%，接近人类水平。

2. 教育合作与人才培养

   • 微软连续10年荣获教育部最佳合作伙伴奖，显示其对中国教育的长期支持。
   • 微软与教育部合作开展“长城计划”，推动高校科研合作与人才培养。
   • 通过“编程之美”挑战赛、微软学者奖学金、学生俱乐部等项目，微软致力于激发青年学生的创新潜力，推动他们成为未来的科技人才。

3. 技术与产品转化

   • 微软推出DMTK（分布式机器学习工具包），并开源，使机器学习技术更加普及。
   • Power BI、Azure机器学习等工具帮助非技术背景的开发者和研究人员实现智能应用。
   • 微软认知服务帮助开发人员快速构建具有智能功能的应用，如语音识别、图像识别等。

4. 社会与技术的融合

   • 微软关注社会议题，如环保、教育、医疗等，通过大数据技术提供解决方案。
   • 与环保部合作，利用大数据预测空气质量。
   • 与京东合作，通过小冰推荐产品，促进实际应用落地。

5. 人工智能的未来展望

   • 洪小文博士认为人工智能应被视为“增强智能”，强调人与机器的协同，而非机器拥有自我意识。
   • 他指出，人工智能的发展依赖于人类的算法设计，强调其可控性和安全性。
   • 认为人工智能的终极目标是“人+人工智能=超人”，即通过增强智能实现更高效、更智能的解决方案。

关键信息

技术突破

• 并行训练技术：霍强博士团队提出了一种新的并行训练方法，解决了训练速度与模型性能之间的矛盾，使得使用16块GPU卡时训练速度提升15倍，64块卡时提升56倍。
• 计算机视觉：微软在ImageNet挑战赛中取得突破，错误率降至3.57%，接近人类水平。
• 深度神经网络：微软使用152层的深度神经网络实现更高效的图像识别。

教育合作

• 长城计划：微软与教育部合作，推动高校科研与人才培养，涉及课程建设、学术交流、技术合作等多个方面。
• 编程之美挑战赛：鼓励青年开发者利用智能云平台进行创新实践，提升技术与协作能力。
• 技术实践中心：微软与职业院校合作，提升学生的信息技术能力与就业竞争力。

产品与工具

• DMTK：微软的分布式机器学习工具包，已开源，支持大规模数据与模型的训练。
• Power BI：让市场经理等非技术用户也能轻松进行数据分析。
• 认知服务：为开发人员提供语音、图像、语言理解等智能服务，推动人工智能应用。

社会应用

• 环保：利用大数据技术预测空气质量。
• 安全：A-Eye视觉芯片可用于智能安防、婴儿与老人看护等领域。
• 医疗与教育：微软与多所高校合作，推动学术研究与技术落地。

未来展望

• 增强智能：微软认为人工智能应是“增强智能”，强调人机协作。
• 大数据普及：微软致力于让大数据技术更易用，推动其在各个领域的应用。
• 技术开放：微软将多项技术开源，如DMTK、CNTK等，促进整个行业的技术进步。

重要人物与贡献

• 洪小文博士：微软亚洲研究院院长，推动人工智能研究，强调增强智能与人机协作。
• 芮勇博士：获得IEEE计算机学会技术成就奖，对多媒体分析与检索领域有开创性贡献。
• 孙剑博士：在ImageNet挑战赛中取得重大突破，推动计算机视觉技术发展。
• 霍强博士：提出并行训练新方法，提升大规模机器学习效率。

总结

本期《Matrix》全面展示了微软亚洲研究院在人工智能、大数据、计算机视觉等前沿技术领域的研究成果，以及在教育合作与人才培养方面的持续投入。通过开源技术、挑战赛、合作项目等多种形式，微软致力于推动技术普及与创新落地，让前沿科技惠及更多人。同时，微软也关注技术的社会价值，如环保、安全等领域，体现出科技与社会的深度融合。