近日，有傳言稱微軟公司欲將其在中國(guó)設(shè)立的唯一研究機(jī)構(gòu)——微軟亞洲研究院（MSRA）撤離中國(guó)，轉(zhuǎn)移到加拿大溫哥華。但MSRA向界面新聞明確表示：此消息不屬實(shí)。文章評(píng)價(jià)匿名用戶發(fā)布發(fā)布

京東新 CEO 許冉首次公開(kāi)亮相，稱將帶領(lǐng)全體員工落實(shí)新目標(biāo)6 月 18 日下午消息，在京東 20 年老友匯活動(dòng)上，京東新 CEO 許冉首次對(duì)外公開(kāi)亮相。活動(dòng)上，她公布了京東新的「35711」目標(biāo)，該目標(biāo)是劉強(qiáng)東帶領(lǐng)核心管理層共同探討指定的目標(biāo)。「作為 CEO，我將帶領(lǐng)全體員工，圍繞如何具體將『35711』夢(mèng)想落實(shí)，研

AI科技評(píng)論報(bào)道作者 | 陳大鑫?微軟亞洲研究院今日又迎來(lái)了一位新院長(zhǎng)！? 剛剛，微軟（北京）宣布，微軟杰出首席科學(xué)家、原微軟亞洲研究院常務(wù)副院長(zhǎng) 周禮棟博士升任微軟亞洲研究院院長(zhǎng) ，全面負(fù)責(zé)微軟亞洲研究院在北京和上海的研究工作，以及與中國(guó)及亞太地區(qū)學(xué)術(shù)界和產(chǎn)業(yè)界的合作。 ?而原洪

AI+投資其實(shí)并不新鮮，但為什么不少模型和算法的表現(xiàn)都不盡如人意？ 在 微軟亞洲研究院副院長(zhǎng)劉鐵巖 看來(lái)，原因之一是動(dòng)態(tài)變化的股市里，人們往往很難確定各種投資因子到底在哪個(gè)時(shí)段更加有效，如果機(jī)器能識(shí)別出當(dāng)時(shí)的市場(chǎng)是否“正常”，學(xué)透不同的歷史規(guī)律，那無(wú)疑會(huì)給投資策略帶來(lái)更有效的

2020 年 8 月 7 日，第五屆全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR 2020）在深圳正式開(kāi)幕。CCF-GAIR 2020 峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，香港中文大學(xué)（深圳）、雷鋒網(wǎng)聯(lián)合承辦，鵬城實(shí)驗(yàn)室、深圳市人工智能與機(jī)器人研究院協(xié)辦。作為中國(guó)最具影響力和前瞻性的前沿科技活動(dòng)之一，CCF-GAIR 大

（原標(biāo)題：微軟亞洲研究院推出新冠數(shù)據(jù)分析網(wǎng)站COVID Insights）持續(xù)數(shù)月的新冠疫情一路肆虐、席卷全球，世界各地的科研人員都在為此奮戰(zhàn)，希望通過(guò)最先進(jìn)的技術(shù)逐步揭開(kāi)新冠病毒的神秘面紗。近日，微軟亞洲研究院的研究人員基于在計(jì)算生物學(xué)、數(shù)據(jù)分析等領(lǐng)域的專業(yè)知識(shí)和研究經(jīng)驗(yàn)，構(gòu)建了新冠數(shù)據(jù)分析網(wǎng)站 COVID Insi

計(jì)算機(jī)科學(xué)家們一直對(duì)游戲 AI 樂(lè)此不疲，原因并非為了精進(jìn)棋藝，而是希望在此過(guò)程中不斷提升 人工智能 的算法和處理復(fù)雜問(wèn)題的能力。實(shí)際上，游戲 AI 的歷史幾乎和人工智能的歷史一樣長(zhǎng)，很多關(guān)于人工智能的研究，都起源于研究如何構(gòu)建能夠完成游戲的智能體（agent）。游戲 AI 的

自從人類進(jìn)入PC時(shí)代開(kāi)始，微軟（Microsoft）便成為了耳熟能詳?shù)拿郑罅垦b嵌在PC內(nèi)部的Windows系統(tǒng)已經(jīng)證明了這家企業(yè)在商業(yè)領(lǐng)域獲得的成功，微軟強(qiáng)大的技術(shù)積累與AI這項(xiàng)引領(lǐng)全球產(chǎn)業(yè)趨勢(shì)的結(jié)合自然會(huì)讓人對(duì)其強(qiáng)大的功能浮想聯(lián)翩。 近期，微軟（中國(guó)）有限公司成為WAIC 世界人工智能大會(huì)

雷鋒網(wǎng) AI 科技評(píng)論按： 自 2018 年以來(lái)，預(yù)訓(xùn)練無(wú)疑是自然語(yǔ)言處理（NLP）領(lǐng)域中最熱門的研究課題之一。通過(guò)利用 BERT、GPT 和 XLNet 等通用語(yǔ)言模型，該領(lǐng)域的研究者們?cè)谧匀徽Z(yǔ)言理解方面已經(jīng)取得了許多重大的突破。然而，對(duì)于序列到序列的自然語(yǔ)言生成任務(wù)，這些主流的預(yù)訓(xùn)練方法并沒(méi)有帶來(lái)顯著的改進(jìn)