Discover
AI Next
8 Episodes
Reverse
节目介绍:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,内容聚焦 AI 前沿技术、科研趋势与社会影响。我们希望让听众在体验微软亚洲研究院最新研究成果的同时,聆听技术专家对 AI 发展的解读和深度洞察,在理解与思考中迎接 AI 的未来。作为一档由 AI 合成的播客栏目,《AI Next》播客音频和宣传视频背后包含微软亚洲研究院在合成 AI 领域的三项关键技术:VibeVoice 具备自然、富有表现力的语音合成能力,能够为最多4位说话者合成长达90分钟的高质量对话语音,为用户带来更灵动的声音互动感受。VASA 可将静态肖像与音频信号结合,合成情感逼真且拥有细腻面部表情的说话头像,为内容创作及辅助教育提供了全新的呈现方式。TRELLIS 则是一个 3D 物品生成模型,能依据文本提示或图片信息构建相应的 3D 效果,让复杂的概念设计可以在立体空间中被“看见”。目前,VASA 和 TRELLIS 技术可在微软的 Copilot 产品中体验,VibeVoice 也已在 Hugging Face 上开源。三项技术的加持将为内容创造者和听众带来 AI 技术演进的真实体验。《AI Next》的第一季主要聚焦当今智能发展的核心议题,探索前沿趋势。作为本季收官之作,第八期节目请到了微软亚洲研究院院长周礼栋博士,与大家深度探讨 AI 与底层系统的协同进化,一起拆解智能时代基础设施的重构逻辑。周院长将通过解析系统智能的核心内涵、技术路径与可信基石,带我们穿透技术表象,看见 AI 时代最底层的变革力量。嘉宾介绍:周礼栋周礼栋博士现任微软公司全球资深副总裁、微软亚太研发集团首席科学家、微软亚洲研究院院长。在康奈尔大学获得计算机科学博士学位后,周礼栋博士于2002年加入微软公司。他的职业生涯中遍及微软多个研究院,包括在微软硅谷研究院担任研究员,在微软雷德蒙研究院担任系统研究组首席研究员,以及在微软亚洲研究院担任常务副院长,并于2021年升任微软亚洲研究院院长。周礼栋博士是系统研究领域首屈一指的专家,多年来一直专注于推动可靠、可信及可扩展的分布式系统的理论研究和实践探索。他在ACM操作系统原理大会(SOSP)、USENIX操作系统设计与实现大会(OSDI)和USENIX年度技术大会(ATC)上均获得过最佳论文奖。作为微软在设计和开发大规模分布式系统方面的重要技术带头人,周礼栋博士主持设计和开发的系统支持着微软从搜索引擎、大数据基础设施、云系统到AI基础设施的主要产品和服务。周礼栋博士是电气电子工程师学会会士(IEEE Fellow)和国际计算机学会会士(ACM Fellow)。他曾是ACM计算机系统会刊(ACM Transactions on Computer Systems)、ACM计算机存储会刊(ACM Transactions on Storage)、IEEE计算机会刊(IEEE Transactions on Computers)的编委会成员。周礼栋博士还曾担任2017年SOSP大会联合主席,以及2023年ACM软件系统奖项评选委员会(ACM Software System Award Committee)主席。目前,他是SOSP指导委员会(Steering Committee)主席,并将担任2025年OSDI大会的程序委员会联合主席。本期技术名词:聚合通信(Collective Communication):在训练大模型时,通常不是单台机器独立工作,而是成千上万张 GPU 协同并行计算。每一轮计算结束后,所有机器都需要将各自算出的结果进行汇总与同步,达成一致后再进入下一轮计算。这个在多机之间汇总、同步数据的过程,就叫做聚合通信。系统智能(System Intelligence):过去,系统更多只是被动执行指令的基础设施。而现在,研究者希望系统不仅仅是运行 AI 的载体,更能借助 AI 实现自我优化,包括自动调度资源、优化性能,甚至参与设计决策。简单来说,系统智能就是让系统从被动工具,进化为能够“独立思考”、自我迭代优化的智能基础设施。可信计算基(Trusted Computing Base):如果系统具备了自主能力,如何保证它稳定可靠、不出偏差?这就要用到“可信计算基”。我们可以把它理解为系统中必须绝对可靠的最小核心部分。只要这部分足够安全、可控、可验证,整套系统就有了稳固的信任基石。就像一栋大楼,只有地基扎实稳固,其余部分才能安心搭建。形式化验证(Formal Verification):形式化验证是一种利用数学逻辑来证明程序是否正确的技术。它与普通的反复测试不同,不是靠多次尝试来寻找漏洞,而是通过严谨的逻辑推导,从理论上证明:在所有可能的运行场景里,这段代码都符合预期规范。传统测试只能发现已知漏洞,形式化验证则能从根源上给出近乎“不会出错”的安全证明。内容提要:05:05 系统智能初现:从人工调优到协同优化的突破07:55 系统与AI协同进化,从单向依赖到双向重塑11:05 构建“系统智能”的新范式15:45 可信基石:约束 AI 不确定性,筑牢智能系统安全防线19:37 打破算力垄断,迈向开放多元的计算生态21:24 培养跨学科人才,拥抱系统智能未来互动方式:公众号/ 小红书/ 知乎/ 微博:微软亚洲研究院相关阅读:署名文章:硅基世界的“缘分”——系统与人工智能携手进化文章:LLM2CLIP:以大语言模型重塑跨模态表征学习的文本基石文章:Ananke:快速、透明的文件系统微内核恢复技术微软研究院播客:NeurIPS 2024: The co-evolution of AI and systems with Lidong Zhou论文:Fast, Transparent Filesystem Microkernel Recovery with Ananke论文:EEPO: Exploration-Enhanced Policy Optimization via Sample-Then-Forget论文:WaferLLM: Large Language Model Inference at Wafer Scale论文:Aeolia: A Fast and Secure Userspace Interrupt-Based Storage Stack声明:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,旨在探索合成生成式技术在内容制作和传播中的新形式与可能性。节目中的语音均非真人录制,而是由研究技术原型合成。其中,嘉宾语音由 VibeVoice 技术基于既定文字内容以及嘉宾声音样本合成,宣传视频中的嘉宾人物头像由 VASA 技术基于音频内容以及卡通风格合成和渲染。作为一项探索性播客节目,《AI Next》中涉及的相关技术仍处于研究阶段,生成内容的表现可能受多种输入因素的影响。节目制作及发布遵循人工智能、数据安全与隐私保护相关的法律法规。节目中所使用的语音、文字与图像均获得嘉宾授权,仅用于科研与科普展示。微软亚洲研究院将持续对相关技术进行优化,提升节目的收听体验。随着人工智能技术的快速发展,确保相关技术能被人们信赖是一个亟需解决的问题。微软主动采取了一系列措施来预判和降低人工智能技术所带来的风险。微软致力于依照以人为本的伦理原则推动人工智能的发展,早在2018年就发布了“公平、包容、可靠与安全、透明、隐私与保障、负责”六个负责任的人工智能原则(Responsible AI Principles),随后又发布了负责任的人工智能标准(Responsible AI Standards)将各项原则实施落地,并设置了治理架构确保各团队把各项原则和标准落实到日常工作中。微软也持续与全球的研究人员和学术机构合作,不断推进负责任的人工智能的实践和技术。所有使用或转载本节目的个人与机构,在引用与传播时需明确标注相关内容“由AI技术合成”或者不得移除已有的标识,并避免任何可能引发误导或侵犯他人权益的使用方式。若您发现本节目内容或相关技术被非法使用,请通过微软安全响应中心(Microsoft Security Response Center)网站进行举报:msrc.microsoft.com前往小宇宙评论区与主播互动
节目介绍:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,内容聚焦 AI 前沿技术、科研趋势与社会影响。我们希望让听众在体验微软亚洲研究院最新研究成果的同时,聆听技术专家对 AI 发展的解读和深度洞察,在理解与思考中迎接 AI 的未来。作为一档由 AI 合成的播客栏目,《AI Next》播客音频和宣传视频背后包含微软亚洲研究院在合成 AI 领域的三项关键技术:VibeVoice 具备自然、富有表现力的语音合成能力,能够为最多4位说话者合成长达90分钟的高质量对话语音,为用户带来更灵动的声音互动感受。VASA 可将静态肖像与音频信号结合,合成情感逼真且拥有细腻面部表情的说话头像,为内容创作及辅助教育提供了全新的呈现方式。TRELLIS 则是一个 3D 物品生成模型,能依据文本提示或图片信息构建相应的 3D 效果,让复杂的概念设计可以在立体空间中被“看见”。目前,VASA 和 TRELLIS 技术可在微软的 Copilot 产品中体验,VibeVoice 也已在 Hugging Face 上开源。三项技术的加持将为内容创造者和听众带来 AI 技术演进的真实体验。《AI Next》的第一季主要聚焦当今智能发展的核心议题,探索前沿趋势。在第七期节目中,我们邀请到了微软亚洲研究院的首席开发经理夏炎和首席研究员杨蛟龙,与大家共同探讨 AI 如何从“生成工具”逐步演进为“创作伙伴”。当一个人就能完成过去需要一个团队才能实现的播客、动画甚至虚拟场景创作时,AI 带来的不仅是效率的提升,更是创作门槛的显著降低。那么,《AI Next》节目制作所采用的三项核心技术,背后隐藏着怎样的设计思路?AI辅助创作还面临哪些关键挑战?面向未来,创作者又将如何与 AI 协同头脑风暴,进一步激发创意潜能?嘉宾介绍:夏炎微软亚洲研究院首席开发经理,曾参与微软亚洲研究院多个重要项目的研发,包括微软学术搜索、必应图片及实体搜索、英文聊天机器人、微软小英等。目前,他主要从事 AI 基础设施相关工作,参与的项目包括 BitNet 和 VibeVoice等。杨蛟龙微软亚洲研究院首席研究员,带领团队开展空间智能领域的前沿研究,方向包括但不限于三维重建与生成、以人为中心的建模、物理世界具身智能等。杨蛟龙及其团队的部分研究成果已落地应用于微软多款产品,例如微软Copilot、微软Azure AI等。杨蛟龙长期担任计算机视觉领域顶级会议与期刊的程序委员会委员及审稿人,包括 CVPR、ICCV、ECCV、TPAMI、IJCV 等;同时担任 CVPR、ICCV、ECCV、WACV、MM等会议领域主席或资深领域主席,以及权威期刊《国际计算机视觉杂志》(IJCV)副主编。本期技术名词:词元(Token):词元是 AI 理解世界时使用的“最小积木块”。在文字中,一个字或一个词可能就是一个词元;在语音里,一小段声音信号也可能被压缩成一个词元。AI 并不直接处理整段话或整段音频,而是将内容拆解成一连串词元,再预测下一个词元是什么,就像下棋时一步步的推演。三维网格(Mesh):三维网格是构建 3D 物体最基础的“骨架”,由无数个点、线和小平面拼接而成,用来描述物体的立体形状。无论是游戏角色、虚拟道具,还是 3D 打印模型,底层都依赖这样的网格结构。扩散模型(Diffusion Model):扩散模型是一种“从模糊到清晰”的生成方法。它从一团随机噪声开始,通过逐步去噪,慢慢还原出清晰的图像、声音或视频。当前许多高质量的图像、视频和语音生成技术都基于这一原理。变分自编码器(VAE):变分自编码器(VAE)是一种常用的 AI 生成模型,相当于 AI 的“压缩与重建器”。它能将复杂的图像或视频压缩成紧凑的内部表示,再高保真地还原出来,在大幅减小数据体积的同时,尽可能保留细节和质量。内容提要:05:00 AI 让创作回归内容本身07:23 揭秘《AI Next》制作中的三项生成技术:VibeVoice, VASA, TELLIS12:15 多人对话语音如何保持连贯、自然16:35 VASA 的进化让虚拟形象有了微表情和呼吸感21:08 TRELLIS.2让3D生成迈入高精时代23:54 让AI创作告别“开盲盒”27:50 AI 从生成工具走向创意协作者互动方式:公众号/ 小红书/ 知乎/ 微博:微软亚洲研究院相关阅读: 文章:通用语音识别模型VibeVoice ASR:长达60分钟音频一次性“直出”结构化转写 文章:VibeVoice实现90分钟、多角色播客生成,拓展语音合成新边界 文章:VASA-3D:一张照片,开启3D讲话头像的无限可能 文章:从“实心泥塑”到“高精度资产”,TRELLIS.2重构3D生成规则 VibeVoice ASR 技术报告:VIBEVOICE-ASR Technical Report VibeVoice 技术报告:VibeVoice Technical Report TRELLIS.2论文:Native and Compact Structured Latents for 3D Generation TRELLIS论文:Structured 3D Latents for Scalable and Versatile 3D Generation 论文:VASA-3D: Lifelike Audio-Driven Gaussian Head Avatars from a Single Image 论文:VASA-1: Lifelike Audio-Driven Talking Faces Generated in Real Time 项目页面:VibeVoice: Open-Source Frontier Voice AI 项目页面:VibeVoice: A Frontier Open-Source Text-to-Speech Model 项目页面:VASA-3D: Lifelike Audio-Driven Gaussian Head Avatars from a Single Image 项目页面:TRELLIS.2: NATIVE AND COMPACT STRUCTURED LATENTS FOR 3D GENERATION声明:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,旨在探索合成生成式技术在内容制作和传播中的新形式与可能性。节目中的语音均非真人录制,而是由研究技术原型合成。其中,嘉宾语音由 VibeVoice 技术基于既定文字内容以及嘉宾声音样本合成,宣传视频中的嘉宾人物头像由 VASA 技术基于音频内容以及卡通风格合成和渲染。作为一项探索性播客节目,《AI Next》中涉及的相关技术仍处于研究阶段,生成内容的表现可能受多种输入因素的影响。节目制作及发布遵循人工智能、数据安全与隐私保护相关的法律法规。节目中所使用的语音、文字与图像均获得嘉宾授权,仅用于科研与科普展示。微软亚洲研究院将持续对相关技术进行优化,提升节目的收听体验。随着人工智能技术的快速发展,确保相关技术能被人们信赖是一个亟需解决的问题。微软主动采取了一系列措施来预判和降低人工智能技术所带来的风险。微软致力于依照以人为本的伦理原则推动人工智能的发展,早在2018年就发布了“公平、包容、可靠与安全、透明、隐私与保障、负责”六个负责任的人工智能原则(Responsible AI Principles),随后又发布了负责任的人工智能标准(Responsible AI Standards)将各项原则实施落地,并设置了治理架构确保各团队把各项原则和标准落实到日常工作中。微软也持续与全球的研究人员和学术机构合作,不断推进负责任的人工智能的实践和技术。所有使用或转载本节目的个人与机构,在引用与传播时需明确标注相关内容“由AI技术合成”或者不得移除已有的标识,并避免任何可能引发误导或侵犯他人权益的使用方式。若您发现本节目内容或相关技术被非法使用,请通过微软安全响应中心(Microsoft Security Response Center)网站进行举报:msrc.microsoft.com前往小宇宙评论区与主播互动
节目介绍:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,内容聚焦 AI 前沿技术、科研趋势与社会影响。我们希望让听众在体验微软亚洲研究院最新研究成果的同时,聆听技术专家对 AI 发展的解读和深度洞察,在理解与思考中迎接 AI 的未来。作为一档由 AI 合成的播客栏目,《AI Next》播客音频和宣传视频背后包含微软亚洲研究院在合成 AI 领域的三项关键技术:VibeVoice 具备自然、富有表现力的语音合成能力,能够为最多4位说话者合成长达90分钟的高质量对话语音,为用户带来更灵动的声音互动感受。VASA 可将静态肖像与音频信号结合,合成情感逼真且拥有细腻面部表情的说话头像,为内容创作及辅助教育提供了全新的呈现方式。TRELLIS 则是一个 3D 物品生成模型,能依据文本提示或图片信息构建相应的 3D 效果,让复杂的概念设计可以在立体空间中被“看见”。目前,VASA 和 TRELLIS 技术可在微软的 Copilot 产品中体验,VibeVoice 也已在 Hugging Face 上开源。三项技术的加持将为内容创造者和听众带来 AI 技术演进的真实体验。《AI Next》的第一季主要聚焦当今智能发展的核心议题,探索前沿趋势。 在第六期节目中,我们邀请到微软亚洲研究院首席研究员李东胜博士,一同探讨 AI 与大脑的深层关联。以人脑为灵感而诞生的神经网络,究竟与大脑是单纯的模仿与被模仿关系,还是存在更深度的联结?AI 该如何向历经亿万年进化的人脑学习高效的机制,人脑又能从快速发展的 AI 中获得哪些新的认知与启发?这场双向借鉴的探索,又将如何重塑智能的未来?嘉宾介绍:李东胜博士李东胜博士,微软亚洲研究院首席研究员,主要研究方向为机器学习和脑科学 -AI 交互计算。近年来,李东胜博士在相关领域的知名期刊和会议中发表论文 100 余篇,出版专著 1 部,申请国际专利 10 余项。李东胜博士 2007 年本科毕业于中国科学技术大学,2012 年博士毕业于复旦大学。2019 年,他被复旦大学计算机学院聘为客座教授、行业博士生导师。目前,他还担任中国计算机学会协同计算专业委员会执委和上海计算机学会计算机视觉专业委员会副主任。本期技术名词:脉冲神经网络:如果说传统神经网络是在“连续计算”,那脉冲神经网络更像是在“打电报码”。它模仿大脑神经元用电脉冲传递信息的方式,只有在需要时才激活。这种机制非常节能,也特别适合处理语音、视频、动作等时序数据。多层感知器:多层感知器是最经典的人工神经网络结构,可以理解为“AI 的基本骨架”。信息会逐层传递、逐级抽象,类似大脑处理视觉、听觉信号的方式。如今很多复杂的 AI 模型,都是从它发展而来。神经拟态芯片:神经拟态芯片是专门为模仿大脑工作原理而设计的芯片。它不像传统 CPU 那样按顺序处理信息,而是像大脑一样并行处理,能够大幅提升计算效率、降低能耗。大脑的系统1和系统2:认知心理学中描述人类思维的两种模式。系统1:快速、直觉、自动化,比如走路、骑车时的本能反应。系统2:缓慢、专注、需要思考,比如解数学题、学习新技能。脑机接口:脑机接口可以实现大脑与外部设备的直接通信。通过脑电波等生物信号,人能够用意念控制假肢、轮椅、电脑等设备。这项技术不仅能帮助残障人士提升生活质量,在医疗、消费、娱乐等领域也拥有广阔前景。内容提要:06:34 人脑的高效机制如何启发 AI12:30 脑启发 AI 的前沿研究方向14:05 规模智能与效率智能的竞争与融合15:32 物理 AI 与具身智能:脑启发为理解物理世界破局18:12 AI成为理解大脑奥秘的新工具19:32 AI 赋能脑健康,推动精准普惠医疗21:47 侵入式与非侵入式脑机接口的能力边界23:37 脑电基础模型提升脑机接口性能25:11 非侵入式脑机接口的未来与交互新形态互动方式:公众号/ 小红书/ 知乎/ 微博:微软亚洲研究院相关阅读: 署名文章:当AI遇见大脑:电脑与人脑协同“进化” 文章:守护人类健康:人工智能赋能医疗领域创新应用 文章:脑启发设计:人工智能的进化之路 论文:Learning Topology-Agnostic EEG Representations with Geometry-Aware Modeling 论文:Protecting the Future: Neonatal Seizure Detection with Spatial-Temporal Modeling 论文:Seeing through the Brain: Image Reconstruction of Visual Perception from Human Brain Signals 论文:Joint Adaptation of Uni-modal Foundation Models for Multi-modal Alzheimer's Disease Diagnosis. 论文:Online Pseudo-Zeroth-Order Training of Neuromorphic Spiking Neural Networks 论文:EgoBrain: Synergizing Minds and Eyes For Human Action Understanding 论文:Translating Mental Imaginations into Characters with Codebooks and Dynamics-Enhanced Decoding. 论文:NeuroLM: A Universal Multi-task Foundation Model for Bridging the Gap between Language and EEG Signals. 论文:Habitizing Diffusion Planning for Efficient and Effective Decision Making. 论文:SimSort: A Data-Driven Framework for Spike Sorting by Large-Scale Electrophysiology Simulation. 论文:Toward Relative Positional Encoding in Spiking Transformers声明:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,旨在探索合成生成式技术在内容制作和传播中的新形式与可能性。节目中的语音均非真人录制,而是由研究技术原型合成。其中,嘉宾语音由 VibeVoice 技术基于既定文字内容以及嘉宾声音样本合成,宣传视频中的嘉宾人物头像由 VASA 技术基于音频内容以及卡通风格合成和渲染。作为一项探索性播客节目,《AI Next》中涉及的相关技术仍处于研究阶段,生成内容的表现可能受多种输入因素的影响。节目制作及发布遵循人工智能、数据安全与隐私保护相关的法律法规。节目中所使用的语音、文字与图像均获得嘉宾授权,仅用于科研与科普展示。微软亚洲研究院将持续对相关技术进行优化,提升节目的收听体验。随着人工智能技术的快速发展,确保相关技术能被人们信赖是一个亟需解决的问题。微软主动采取了一系列措施来预判和降低人工智能技术所带来的风险。微软致力于依照以人为本的伦理原则推动人工智能的发展,早在2018年就发布了“公平、包容、可靠与安全、透明、隐私与保障、负责”六个负责任的人工智能原则(Responsible AI Principles),随后又发布了负责任的人工智能标准(Responsible AI Standards)将各项原则实施落地,并设置了治理架构确保各团队把各项原则和标准落实到日常工作中。微软也持续与全球的研究人员和学术机构合作,不断推进负责任的人工智能的实践和技术。所有使用或转载本节目的个人与机构,在引用与传播时需明确标注相关内容“由AI技术合成”或者不得移除已有的标识,并避免任何可能引发误导或侵犯他人权益的使用方式。若您发现本节目内容或相关技术被非法使用,请通过微软安全响应中心(Microsoft Security Response Center)网站进行举报:msrc.microsoft.com前往小宇宙评论区与主播互动
节目介绍:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,内容聚焦 AI 前沿技术、科研趋势与社会影响。我们希望让听众在体验微软亚洲研究院最新研究成果的同时,聆听技术专家对 AI 发展的解读和深度洞察,在理解与思考中迎接 AI 的未来。作为一档由 AI 合成的播客栏目,《AI Next》播客音频和宣传视频背后包含微软亚洲研究院在合成 AI 领域的三项关键技术:VibeVoice 具备自然、富有表现力的语音合成能力,能够为最多4位说话者合成长达90分钟的高质量对话语音,为用户带来更灵动的声音互动感受。VASA 可将静态肖像与音频信号结合,合成情感逼真且拥有细腻面部表情的说话头像,为内容创作及辅助教育提供了全新的呈现方式。TRELLIS 则是一个 3D 物品生成模型,能依据文本提示或图片信息构建相应的 3D 效果,让复杂的概念设计可以在立体空间中被“看见”。目前,VASA 和 TRELLIS 技术可在微软的 Copilot 产品中体验,VibeVoice 也已在 Hugging Face 上开源。三项技术的加持将为内容创造者和听众带来 AI 技术演进的真实体验。《AI Next》的第一季主要聚焦当今智能发展的核心议题,探索前沿趋势。 当 AI 深度参与我们的工作、学习和生活,人与技术的关系也在悄然发生着改变。在第五期《AI Next》中,我们邀请到微软亚洲研究院副院长谢幸博士,从日常使用 AI 的真实场景出发,与大家探讨 AI 在效率提升背后暴露出的偏见、安全与价值对齐等问题。围绕 Societal AI(社会责任人工智能) 这一研究方向,我们将进一步讨论当 AI 成为人类社会的“伙伴”时,应如何更好地融入人类社会?我们又该如何与 AI 共建未来?嘉宾介绍:谢幸博士谢幸博士现任微软亚洲研究院副院长,其研究团队目前专注于数据挖掘、社会计算与负责任人工智能等领域,致力于推动前沿技术的发展与跨学科融合。谢幸博士在国际学术界具有广泛影响,曾获得一系列重要奖项,包括:2019年 ACM SIGSPATIAL 十年影响力论文奖、中国计算机学会“青竹奖”,2020年 ACM SIGSPATIAL 十年影响力论文荣誉奖,2021年 ACM SIGKDD China 时间检验论文奖,2022年 ACM SIGKDD 时间检验论文奖,2023年 IEEE MDM 时间检验论文奖与中国计算机学会自然科学一等奖,并于同年入选 DeepTech“中国智能计算科技创新人物”。2025年,谢幸博士被授予“北京市劳动模范”荣誉称号。谢幸博士是国际计算机学会会士(ACM Fellow)、电气电子工程师学会会士(IEEE Fellow)和中国计算机学会会士。他曾多次受邀在全球顶级学术会议上担任大会主题报告讲者,并长期担任多个全球学术期刊的编委。此外,他还曾担任多个全球顶级学术会议的程序委员会共同主席。本期技术名词:负责任的人工智能(Responsible AI):负责任的人工智能关注的不是“AI 能不能做”,而是“AI 应不应该这样做”。它强调在设计和使用 AI 时,要尽量避免伤害、减少偏见、保护隐私,并确保 AI 的决策对人类是公平、可靠、可控的。可解释性:AI 的可解释性指的是当 AI 给出一个结果时,人类能不能理解它判断、运行的原因。可解释性研究的目标,就是让 AI 的决策过程更透明,让人类在关键场景下能看懂它,而不是盲目相信它。社会责任人工智能(Societal AI):社会责任人工智能是一个新兴的跨学科研究领域,聚焦于 AI 与全球社会系统和公共生活的复杂交互关系。它主要关注两个方面:一是,AI 对教育、就业和治理等领域带来的影响;二是,在 AI 能力不断演进的过程中,AI 系统所面临的新兴的内在挑战。它的目标是引导 AI 发展与社会系统相协调,能够更好地融入现实世界。价值观罗盘(Value Compass):价值观罗盘是微软亚洲研究院正在进行的一项研究。其研究的核心问题是,当 AI 被用在不同国家、不同文化、不同人群中时,它是不是能理解并尊重这些差异。研究员们希望构建一套评测方式,去衡量 AI 在价值观上的表现,让 AI 学会在不同语境下,做出更合适的判断。研究员们从交叉学科的角度切入,充分借鉴伦理学和社会学中的理论,从而解决 AI 对价值观的定义、评测和对齐问题。内容提要:05:29 AI 走进日常生活:效率提升背后的变化07:39 AI 也会“出错”09:03 什么是 社会责任人工智能?13:28 AI 的“价值观”从何而来?17:10 AI 出现偏见与风险的根源18:06 从可解释性到可预测性,建立与AI间的信任24:33 跨学科合作推动AI发展27:25 理想的社会责任人工智能互动方式:公众号/ 小红书/ 知乎/ 微博:微软亚洲研究院相关阅读: 文章:微软亚洲研究院发布社会责任人工智能白皮书,助力构建以人为本的AI系统 白皮书:Societal AI: Research Challenges and Opportunities 文章:Value Compass Benchmarks自进化评测框架,深度剖析大模型“三观” 项目页面:价值观罗盘评估中心Value Compass Benchmarks 论文:价值观罗盘评估中心:面向人机交互的大模型价值观评测平台 文章:价值观罗盘:如何让大模型与人类价值观对齐? 文章:人工智能评测新范式:解锁AI性能的可解释力与预测力 文章:跨学科合作构建具有社会责任的人工智能声明:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,旨在探索合成生成式技术在内容制作和传播中的新形式与可能性。节目中的语音均非真人录制,而是由研究技术原型合成。其中,嘉宾语音由 VibeVoice 技术基于既定文字内容以及嘉宾声音样本合成,宣传视频中的嘉宾人物头像由 VASA 技术基于音频内容以及卡通风格合成和渲染。作为一项探索性播客节目,《AI Next》中涉及的相关技术仍处于研究阶段,生成内容的表现可能受多种输入因素的影响。节目制作及发布遵循人工智能、数据安全与隐私保护相关的法律法规。节目中所使用的语音、文字与图像均获得嘉宾授权,仅用于科研与科普展示。微软亚洲研究院将持续对相关技术进行优化,提升节目的收听体验。随着人工智能技术的快速发展,确保相关技术能被人们信赖是一个亟需解决的问题。微软主动采取了一系列措施来预判和降低人工智能技术所带来的风险。微软致力于依照以人为本的伦理原则推动人工智能的发展,早在2018年就发布了“公平、包容、可靠与安全、透明、隐私与保障、负责”六个负责任的人工智能原则(Responsible AI Principles),随后又发布了负责任的人工智能标准(Responsible AI Standards)将各项原则实施落地,并设置了治理架构确保各团队把各项原则和标准落实到日常工作中。微软也持续与全球的研究人员和学术机构合作,不断推进负责任的人工智能的实践和技术。所有使用或转载本节目的个人与机构,在引用与传播时需明确标注相关内容“由AI技术合成”或者不得移除已有的标识,并避免任何可能引发误导或侵犯他人权益的使用方式。若您发现本节目内容或相关技术被非法使用,请通过微软安全响应中心(Microsoft Security Response Center)网站进行举报:msrc.microsoft.com前往小宇宙评论区与主播互动
节目介绍:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,内容聚焦 AI 前沿技术、科研趋势与社会影响。我们希望让听众在体验微软亚洲研究院最新研究成果的同时,聆听技术专家对 AI 发展的解读和深度洞察,在理解与思考中迎接 AI 的未来。作为一档由 AI 合成的播客栏目,《AI Next》播客音频和宣传视频背后包含微软亚洲研究院在合成 AI 领域的三项关键技术:VibeVoice 具备自然、富有表现力的语音合成能力,能够为最多4位说话者合成长达90分钟的高质量对话语音,为用户带来更灵动的声音互动感受。VASA 可将静态肖像与音频信号结合,合成情感逼真且拥有细腻面部表情的说话头像,为内容创作及辅助教育提供了全新的呈现方式。TRELLIS 则是一个 3D 物品生成模型,能依据文本提示或图片信息构建相应的 3D 效果,让复杂的概念设计可以在立体空间中被“看见”。目前,VASA 和 TRELLIS 技术可在微软的 Copilot 产品中体验,VibeVoice 也已在 Hugging Face 上开源。三项技术的加持将为内容创造者和听众带来 AI 技术演进的真实体验。《AI Next》的第一季主要聚焦当今智能发展的核心议题,探索前沿趋势。在《AI Next》第四期中,我们邀请到微软亚洲研究院首席科学家韦福如,从第一性原理出发,与大家探讨当前 AI 发展中最核心、具有争议的前沿问题。为何 Scaling 仍是 AI 的第一性原理,但必须走向“科学规模化”;为什么 AI 已能很好地解决 In-Distribution 问题,却仍未真正学会“学习本身”;为何下一次决定性跃迁,来自学习范式而非单纯工程优化。从基础研究到产业化路径,让我们共同开启这场关于 AI 下一代范式迁移的深度对话。嘉宾介绍:韦福如博士韦福如博士现任微软亚洲研究院首席科学家、微软杰出科学家,领导团队从事基础模型、自然语言处理、语音处理和多模态人工智能等领域的研究。近年来,他还致力于领导和推进通用人工智能的基础研究和创新。近年来,韦福如博士和团队在基础模型和通用人工智能领域发表和开源了一系列开创性、有影响力的论文和模型,例如 UniLM, InfoXLM, XLM-E, MiniLM(-2), (m)E5, Layout(X)LM(-3), WavLM, BEiT(-3), Kosmos(-2), VALL-E, DeepNet, LongNet, MiniLLM / On-Policy Distillation, (Gated) RetNet, YOCO / Decoder-Decoder Architecture, 1-bit LLMs / BitNet (b1.58 | a4.8 | b1.58 2B4T | v2 | BitDistill | bitnet.cpp), Q-Sparse / Fully Sparsely-Activated LLMs, MH-MoE / 1-bit MoE, Differential Transformer, LatentLM / Multimodal Latent Language Modeling, RPT / Reinforcement Pre-Training, VibeVoice, TPT / Thinking Augmented Pre-Training, Agentic Organization / Asynchronous Thinking, Generative Adversarial Distillation / Black-Box On-Policy Distillation 等。韦福如博士在顶级会议和期刊上发表了200多篇研究论文(被引用超过70,000次,H-Index 120),并获得 AAAI 2021 年最佳论文提名奖以及 KDD 2018 最佳学生论文奖。韦福如博士分别于2004年和2009年获得武汉大学学士学位和博士学位。2017年,他因对自然语言处理的贡献入选《麻省理工技术评论》中国35岁以下创新者年度榜单(MIT TR35 China), 2018年入选中国AI英雄风云榜技术新锐奖榜单。2019年“统一自然语言预训练模型与机器阅读理解”入选世界互联网领先科技成果奖,2024年 LayoutLM 荣获国际基础科学大会前沿科学奖。2020年入选北京市劳动模范。本期技术名词:规模法则(Scaling Law):规模法则 Scaling Law 可谓是 AI 领域的“摩尔定律”。简单说 Scaling Law 就是模型越大,即参数越多、训练数据越多、算力越强,它的能力通常就越强。比如早期的 AI 模型参数量大幅增加的话,它回答问题、写代码、总结文本的能力肉眼可见地变强。Transformer 架构:如果把 AI 模型比作“大脑”,那当前几乎所有主流 AI 的”脑回路”都是基于 Transformer 架构的。它就像积木中的基础模块,无论是语言模型、视觉模型还是语音模型,都能用同一套积木搭建的方法。评测基准(Benchmark):Benchmark 是判断 AI 模型能力的基准。科学家们会针对不同能力设计一些“考试题”,比如数学题、逻辑推理题、代码生成题,或者让 AI 根据一段文字回答问题。早期的评测可能比较简单,之后难度会逐步升级。低比特量化:随着模型越做越大,用 Transformer 架构搭建的模型越来越耗费算力和能源。低比特量化就好比给 AI 模型节能瘦身。原本 AI 计算时用的是8位、16位的复杂数据,现在低比特量化将其压缩成1位、4位这样更简单的形式,以此来降低计算量和能耗。内容提要:05:24 在信息爆炸时代,研究者如何跟上 AI 前沿步伐?06:44 规模化是否真的见顶了?09:34 刷榜的意义是什么?10:25 Transformer 到底是不是瓶颈?数据荒背后,真正稀缺的是什么?14:34 向大脑学习:记忆、神经可塑性与持续学习21:47 模型架构、系统与硬件的协同进化24:16 从“语言思考”走向“多模态思考”36:46 通用模型 vs 垂直定制:如何做出正确选择?40:07 第二增长曲线,仍在继续互动方式:公众号/ 小红书/ 知乎/ 微博:微软亚洲研究院相关阅读: 论文:Reinforcement Pre-Training(RPT) 论文:BitNet: Scaling 1-bit Transformers for Large Language Models 论文:You Only Cache Once(YOCO): Decoder-Decoder Architectures for Language Models 论文:Differential Transformer 论文:The Era of 1-bit LLMs: All Large Language Models are in 1.58 Bits 项目页面:VibeVoice: A Frontier Open-Source Text-to-Speech Model 文章:VibeVoice实现90分钟、多角色播客生成,拓展语音合成新边界 论文:Thinking Augmented Pre-Training 论文:DeepNet: Scaling Transformers to 1,000 Layers 论文:LongNet: Scaling Transformers to 1,000,000,000 Tokens 论文:The Era of Agentic Organization: Learning to Organize with Language Models 论文:BEiT: BERT Pre-Training of Image Transformers 论文:Multimodal Latent Language Modeling with Next-Token Diffusion 署名文章:人工智能基础创新的第二增长曲线声明:《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客,旨在探索合成生成式技术在内容制作和传播中的新形式与可能性。节目中的语音均非真人录制,而是由研究技术原型合成。其中,嘉宾语音由 VibeVoice 技术基于既定文字内容以及嘉宾声音样本合成,宣传视频中的嘉宾人物头像由 VASA 技术基于音频内容以及卡通风格合成和渲染。作为一项探索性播客节目,《AI Next》中涉及的相关技术仍处于研究阶段,生成内容的表现可能受多种输入因素的影响。节目制作及发布遵循人工智能、数据安全与隐私保护相关的法律法规。节目中所使用的语音、文字与图像均获得嘉宾授权,仅用于科研与科普展示。微软亚洲研究院将持续对相关技术进行优化,提升节目的收听体验。随着人工智能技术的快速发展,确保相关技术能被人们信赖是一个亟需解决的问题。微软主动采取了一系列措施来预判和降低人工智能技术所带来的风险。微软致力于依照以人为本的伦理原则推动人工智能的发展,早在2018年就发布了“公平、包容、可靠与安全、透明、隐私与保障、负责”六个负责任的人工智能原则(Responsible AI Principles),随后又发布了负责任的人工智能标准(Responsible AI Standards)将各项原则实施落地,并设置了治理架构确保各团队把各项原则和标准落实到日常工作中。微软也持续与全球的研究人员和学术机构合作,不断推进负责任的人工智能的实践和技术。所有使用或转载本节目的个人与机构,在引用与传播时需明确标注相关内容“由AI技术合成”或者不得移除已有的标识,并避免任何可能引发误导或侵犯他人权益的使用方式。若您发现本节目内容或相关技术被非法使用,请通过微软安全响应中心(Microsoft Security Response Center)网站进行举报:msrc.microsoft.com前往小宇宙评论区与主播互动








