Microsoft Research Forum首期上线：探索通用型人工智能的前沿研究

近日，微软研究院上线了面向全球研究界的全新线上系列活动 Microsoft Research Forum，旨在共同探讨人工智能时代的最新研究进展、大胆新颖的想法以及全球研究界关注的重要议题。来自微软研究院全球各地的研究人员将分享他们的研究洞见，并与大家进行在线讨论，希望碰撞出更多新的思想火花。

首期 Microsoft Research Forum 聚焦于“人工智能研究的下一个时代”（The Next Era of AI Research）。随着人工智能的快速发展不断在商业和科学领域得到新的应用，科研人员们也在持续推动人工智能的基础研究。因此，微软研究院的研究员们在首期 Microsoft Research Forum 中就人工智能模型的最新突破、人工智能在重要科学挑战中的新应用、模型评估和理解的新方法以及其他关键研究课题方面进行了交流与探讨。

下面是首期 Microsoft Research Forum 各个环节的简要介绍。

观看各环节完整视频回放请点击链接：

https://www.microsoft.com/en-us/research/quarterly-brief/jan-2024-brief/

主题演讲：人工智能时代的研究

演讲人：微软全球资深副总裁、全球研究与创新孵化负责人 Peter Lee

2023年对于人工智能研究来说是非凡的一年，这一年变化迅猛。通用型人工智能的火花正在涌现。生成式人工智能也在影响着研究的各个方面，对于造福社会的技术创新而言，研究变得前所未有地重要。虽然我们有充分的理由对未来持乐观态度，但我们也必须清醒地看到风险和局限性——这也是研究可以发挥重要作用的另一个方向。

因此，开放与协作至关重要。这不仅是为了推动研究的发展，还能确保技术开发的安全性和道德使用。微软始终致力于打造负责任的人工智能，并将其深度融入了公司的每个工程团队，而且还涵盖了财务、安全和法务等职能部门。未来，我们还需要进一步与更广泛的研究社区紧密合作。

在医学和材料科学领域，目前正迎来一些极具前景且切实可行的进展。例如，微软研究院科学智能中心正在与全球健康药物研发中心（GHDDI）合作，加速传染病治疗新方法的研发。

圆桌讨论：人工智能前沿

圆桌讨论嘉宾（从左至右）：Ashley Llorens、Sébastien Bubeck、Ahmed Awadallah、Ece Kamar

圆桌讨论嘉宾探讨了未来人工智能的愿景以及需要克服的挑战：

超越语言，构建现实世界的人工智能助手。人工智能不仅仅能回答问题，它还能更好地理解人们的目标和意图，从而改变人们的生活。除了尝试让人工智能模仿人类的思维之外，人工智能是否能够阐明人类思维的运作方式，并揭示推理的基础？缩小人工智能模型有助于降低成本并提高当前人工智能系统的性能。那么如何将问题进行拆解并加以解决？如何降低大数据、大型神经网络和大规模计算资源的需求？我们是否能够创建良性的反馈循环，让人工智能从使用者身上学习，而不是简单地从静态信息库中提供答案？

此外，嘉宾们还讨论了技术的快速发展。过去三到五年的时间线现在被压缩到仅需短短几周。在这样的环境下，合作对于把想法快速落地并扩大跨组织的实验规模来说尤为重要。

闪电演讲

使用层选择性秩降 LASER 改进语言模型中的推理

演讲人：微软纽约研究院和 AI Frontiers 高级研究员 Dipendra Misra

大语言模型（LLMs）彻底改变了机器学习。随着 LLMs 技术的发展，研究人员尝试对大模型进行干预，并观察干预会如何影响模型性能。该演讲介绍了一种新的干预方法 LASER，可以提高 LLMs 的准确性，同时减少其内存占用。

基础模型的评估和理解

演讲人：微软研究院 AI Frontiers 首席研究员 Besmira Nushi

模型评估和理解是人工智能创新的指南。但模型评估非常困难，新的生成任务给评估和理解带来了新的挑战。本次演讲探讨了研究员们在评测、理解和加速模型改进方面所做的工作，该工作有助于推动科学界理解和研究新的智能形式和水平。

生成式人工智能与结构生物学的结合：平衡分布预测

演讲人：微软研究院科学智能中心首席研究员郑书新

深度学习框架 Distributional Graphormer (DIG) 可用于解决分子科学中的一个基础挑战——更准确地预测蛋白质结构。DIG 使用生成式人工智能来解决预测平衡态下分子结构的分布，为分子科学研究带来了令人兴奋的新可能。通过了解分子的不同状态和行为，科学家可以在开发新药、创造先进材料和理解生物过程方面取得突破。

利用 AI 增强人类认知和决策能力

演讲人：微软纽约研究院资深首席研究员 Jake Hofman

人工智能如何可以帮助人们做出更好的决策、提高生产力，并以可持续的方式提升自己？有些技术可以提供短期帮助，却无法提供持久的解决方案。例如，依靠拼写检查器可能无法真正提高一个人正确拼写的能力。本次演讲探讨了设计和使用辅助决策的 AI 工具时的不同选择，并强调了为实现利益最大化和风险最小化，严格评估和实验的重要性。

Kahani：通过文化上细腻的图像进行视觉叙事

演讲人：微软印度研究院首席研发工程师 Sameer Segal

图像生成模型可以从自然语言描述中生成视觉上令人惊叹的图像，然而它们通常缺乏文化意识，感受不到文化上的细微差别。这些模型可能依赖于模式化的知识，无法理解当地语言。解决这一问题需要大量的修复工作，例如对模型进行修改或者大量微调。图像生成也可能需要复杂的提示词，这都超出了许多外行人的能力。

本次演讲介绍了微软研究院的 Kahani 项目，该项目致力于开发一个视觉叙事原型，允许人们用当地语言进行描述，即可创建视觉上惊艳和文化上细腻的图像。Kahani 利用了最先进的技术（如修复）以及 Segment Anything、GPT-4V(ision) 等模型为候选图像生成反馈。

更多项目介绍

演讲人：微软研究院副总裁、微软杰出首席科学家 Ashley Llorens

人工智能的加速发展凸显了跨学科、跨组织和跨地域参与的重要性。本环节介绍了微软研究院 AI & Society Fellows 项目的首批研究员，该项目旨在促进深入的跨学科合作，最大限度地提高人工智能对人类和社会的价值。此外，本环节还介绍了加速基础模型研究（AFMR）项目，该项目通过资助，让学术研究团队可以访问使用微软 Azure 上托管的先进的模型。截止目前，AFMR 项目正在支持全球80个研究机构的近200个项目，包括人工智能模型创新和评估、负责任的人工智能、健康、用于科学发现的人工智能等方面的工作。

欢迎注册 Microsoft Research Forum，共同探讨拓展科技边界的前沿研究。

https://register.researchforum.microsoft.com/