AI研究院微软亚洲研究院MSRA和它的10大AI黑科技
01 简介
微软亚洲研究院，即Microsoft Research Asia（MSRA），是本系列中唯一一个非中国本土的研究院，但是因为它落地生根都是在中国，培养出大量优秀的华人学者，被称为中国IT界的黄埔军校。作为在世界上计算机视觉领域排名前三的研究中心，因此我们先介绍它，有官方公众号“微软研究院AI头条”，官网连结https://www.msra.cn/，知乎连结https://www.zhihu.com/org/wei-ruan-ya-zhou-yan-jiu-yuan/activities，github连结https://github.com/msracver。1998年7月，李开复加入微软并在中国建立并领导微软中国研究院，2001年11月，微软中国研究院升级为微软亚洲研究院，2004年，微软亚洲研究院被MIT Technology Review评为全球最顶级的电脑科学研究院。
MSRA至今已超过20年，国内其他本土研究院还没有几个历史比得上它的一半。
02 领导团队
首任院长李开复，大家不能更熟悉了，读书的时候在语音领域作出了开创性的贡献，随后活跃在工业界，读大学的时候在学校见过本人一次，听其演讲很受鼓舞。身体得病前非常活跃，休息付出后现在是创新工场CEO，帮助年轻人创业，我辈偶像 。
第二任院长张亚勤，也是微软亚洲研究院的首任院长。12岁进入中国科技大学少年班，23岁的张亚勤获得乔治华盛顿大学博士学位，现任百度公司总裁。
第三任院长沈向洋，微软全球执行副总裁，目前是微软核心管理层唯一的大陆华人高管，也是美国科技行业的华人最高职位者。
第四任院长洪小文，也是现任院长，微软公司资深副总裁，曾任苹果公司的Apple-ISS研究中心的技术总监。
除了以上这些人，还有汤晓鸥，何凯明等，基本上都是CV届的历史性人物，可自行了解，目前官网有它的组织架构，可以数数自己认识哪些人。
03 研究领域
MSRA的研究领域很多，有以下研究组
几乎覆盖了所有计算机应用领域，在大资料(城市计算)，智慧医疗，知识图谱(微软认知服务)，NLP(机器翻译、实时语音翻译、微软小英、微信小冰)，计算机视觉等领域都建树颇多。
04 研究成果
1.1 微软小冰微软小冰，一个非常调皮的AI，想必很多人都调戏过。微软小冰是一个领先的跨平台人工智能机器人。目前，在下面微信、QQ、Windows 10、美拍、京东、米聊、米家、优酷等都可以使用。
目前已经到第6代了，如果你想初次了解人工智能能干什么，不如去好好了解一下。
1.2 微软小英
没错，又是一个机器人，而且名字同样麽麽哒。微软小英是一款融合了语音识别、口语评测，自然语言处理、语音合成等人工智能技术而实现的智慧人机互动服务，有同名官方公众号。
口语练习，拍照翻译，有它就够了，随时学习。
1.3 语音识别
在使用深度学习上，微软首先其实是在语音上发力，在NIPS 2009 会议上，邓力和 Hinton 联合组织Deep Learning for Speech Recognition and Related Applications workshop，首次证明使用新方法训练的深度神经网络在大量语音识别基准上优于之前的方法，之后 2012 年发表了著名论文《Deep Neural Networks for Acoustic Modeling in Speech Recognition》，由 Hinton和邓力合著。
下面这本书也是我看的第一本深度学习书，由邓力和俞栋合著，都是MSRA的语音识别专家。由于语音不是我研究方向，就不做过多介绍，可以去用用Skype Translator，可以直接用不同语言做语音对话。
1.4 MS COCO资料集
大家都知道资料集的重要性，在深度学习影象方向，如MNIST，CIFAR，PASCAL VOC，ImageNet，MS COCO都是具有里程碑意义的资料集，也是论文中评测方法经常使用的。
COCOCommon Objects in Context可以看出，这个资料集以场景理解为目标，特别选取比较复杂的日常场景，相比于pascal的建立是为了推进目标检测任务，coco的建立则是为了推进自然背景下的定位与分割任务，很多方法在VOC，ImageNet上work，到了这里就不行了的，关于资料集的重要性，可以去看我以前的一篇文章。“资料集”深度学习从“资料集”开始
1.5 ResNet
2015年何凯明，孙剑等人提出了ResNet网络拿下了当年ImageNet几大单元的冠军，也被称为残差网络，这是达到1000层以上的神经网络。今天的计算机视觉模型，很少有不使用残差连线的网络了。
1.6 文字理解
微软在今年年初提交的R-NET模型在SQuAD挑战赛的EM值（Exact Match, 表示预测答案和真实答案完全匹配）上以82.650的最高分领先并率先超越人类分数82.304，这对于自然语言处理研究领域来说是一个重要的里程碑。
SQuAD挑战赛被称为机器阅读理解界的ImageNet，由斯坦福大学自然语言计算组发起，它通过众包的方式构建了一个大规模的机器阅读理解资料集（包含10万个问题），即将一篇几百（平均100，最多800）词左右的短文给标注者阅读，随后让标注人员提出最多5个基于文章内容的问题并提供正确答案。
1.7 机器翻译
MSRA的研究几乎覆盖所有智慧计算方向而且都处于领先位置，对于机器翻译这个任务也是。也是今年早期的时候，在通用新闻报道测试集newstest2017的中-英测试集上，达到了可与人工翻译媲美的水平，注意，有许多的限定不用过于惊叹，但是仍然是比较大的突破。关于使用的对偶学习技术，可以自行关注。
1.8 CNTK
微软认知工具集（Microsoft Cognitive Toolkit，CNTK）
https://github.com/Microsoft/CNTK
目前深度学习框架百花齐放，caffe，tensorflow，pytorch人尽皆知，微软虽然没有宣传自家的CNTK深度学习框架，但是它在github上面也超过15000个star，不过据说使用成本高，反正我是没用过，似乎更合适做语音，毕竟是语音组开发的。
1.9 MMDnn
MMdnn是一套能让使用者在不同深度学习框架间进行转换以及视觉化的工作，包括Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch 和 CoreML等。
已经支援以下模型
1.10 母公司收购了Github
哈哈哈哈，这个锅你背了吧MSRA！因为后面还有太多不知道写什么了，期待MSRA开源更多优秀的研究专案（包括资料集），看起来Microsoft Research Open Data是个好苗头。
