Microsoft Research에서 Ryen White의 작업을 더 많이 탐색하십시오
연구는 항상 Microsoft의 정체성의 필수 요소였으며 글로벌 기술 리더로서 우리의 역할을 이끌었습니다. 1991 년부터 마이크로 소프트 연구 기본 연구 접근 방식에 전념하고 있으며, 지식을 발전시키고, 세상에 대한 우리의 이해를 심화시키고, 기술이 사람과 조직에 힘을 실어 줄 수있는 방법을 탐구합니다. Microsoft Research는 광범위한 출판물과 공개 작업을 공개적으로 공유하겠다는 약속을 통해 AI와 그 이후의 획기적인 것을 주도하기 위해 글로벌 리서치 커뮤니티와 협력하고 있습니다. 우리는 함께 인적 능력을 확장하고 고객을위한 가치를 창출하며 광범위한 사회적 혜택을 제공 할 수있는 경계를 추진하고 있습니다.
Microsoft Research에서 AI 로의 연구 혁신
Microsoft가 AI에서 책임을 맡고있는 Microsoft 연구팀은 우리의 전문 지식, 사고 리더십을 육성하며 AI 및 연구에서 혁신을 주도하는 최전선에 있습니다. AI는 연구자들이 몇 초 안에 대규모 데이터 세트를 분석하고, 인류에게 도움이되는 새로운 AI 솔루션을 발명하고, ACCELERATINAG Foundation Models Research (AFMR) 프로그램을 통해 글로벌 리서치 커뮤니티와 협력하는 많은 Microsoft Research의 개척 프로젝트의 중심에 있습니다.
Microsoft Research는 AI를 채택하고 사용할 수있을뿐만 아니라 AI를 발명 할 수있는 독특한 위치에 있습니다. 우리는 새로운 AI 방법, 모델 및 기술을 구축하여 AI에 상당한 투자를했습니다. AI를 연구 과정에보다 깊이 주입하기 위해 실험 이니셔티브가 진행 중이며 팀이 더 빠르게 움직이고 더 크게 생각하며보다 효과적으로 공유 할 수 있도록 도와줍니다. 이 이니셔티브는 조직 전체의 AI 사용, 주입 및 확산의 세 가지 주요 전략으로 분류됩니다.
- AI 사용 (도구 및 운영) AI의 액세스 및 발전 최적화에 중점을 둡니다.
- AI 주입 (연구 및 개발)는 연구 과정에 혁명을 일으킬 AI의 잠재력을 극대화하는 것입니다.
- 확산 AI (연결 및 정보 흐름)은 Microsoft Research 내부 및 외부에서 AI 통찰력, 도구 및 학습을 빠르게 공유 할 수 있도록합니다.
목표는 AI를 채택하는 것이 아니라 연구 방식을 강화하고 재창조하는 것입니다.
Microsoft Research의 연구 과정에 AI를 통합하면 연구원과 비즈니스에 대한 귀중한 통찰력이 제공됩니다. AI를 사용하면 혁신주기를 가속화하고 운영 효율성을 향상 시키며 최첨단 도구 및 제품을 개발할 수 있습니다. 이러한 발전은 AI가 어떻게 전통적인 워크 플로우를 재창조하고, 운영을 간소화하며, 성장과 수익성을 높일 수있는 방법을 강조하여 조직이 구현하기위한 전략적 초점이됩니다.
그래프 크래그 : 지식 그래프로 연구 발전
큰 언어 모델은 무엇입니까?
그래프 크래그는 모듈 식 그래프 기반입니다 검색 증강 세대 (rag) 대형 언어 모델을 사용하여 원시 텍스트에서 지식 그래프를 작성하는 시스템. 이 기술은 구조화 된 데이터 및 요약을 제공하여 개인 데이터 세트에서 큰 언어 모델 성능을 향상시켜 연구자들이 복잡한 데이터에서 의미있는 통찰력을 쉽게 추출 할 수 있도록합니다.
지금 AI에서 일어나고있는 변화는 정말 놀랍습니다. 기능이 너무 빨리 확장되고 있습니다. 나는 그것을 일종의 가속기로 생각합니다. 우리가 연구에서하는 모든 일, 우리는 더 빨리 할 수 있고, 더 많은 질문을 할 수 있으며, 이것은 모두 왜곡 속도였습니다.
–나단 에반스Microsoft Research의 주요 소프트웨어 아키텍트
데이터 포뮬레이터 : 데이터를 통찰력으로 변환합니다
AI가 분석가가 풍부한 데이터 시각화를 만드는 데 도움이되는 방법을 탐색합니다.
데이터 포뮬레이터는 연구자들이 데이터를 신속하게 탐색하고 분석 할 수 있도록 설계된 혁신적인 도구입니다. AI를 사용하여 데이터 포뮬레이터를 사용하면 사용자는 광범위한 프로그래밍 지식없이 풍부한 시각화를 만들 수 있습니다. 이 도구는 AI와 대화식 접근 방식을 결합하여 시각화 의도를 전달하여 데이터 분석을보다 액세스하고 효율적으로 만듭니다.
AI는 실제로 실험 과정을 가속화합니다. 과거에는 디자인을 실험하기 위해 몇 주에 걸쳐 많은 해킹을해야했습니다. 그러나 이제 우리는 높은 수준의 생각을 가질 수 있고, 짧은 시간 안에 프로토 타입을 할 수 있으며, 그 위에 생각을 시작할 수 있습니다.
–Chenglong WangMicrosoft Research의 선임 연구원
가속화 재단 모델 연구 : AI 연구를 민주화합니다
AFMR (Accelerating Foundation Model Research) 프로그램은 학계 연구원에게 Microsoft Azure에서 호스팅하는 최첨단 재단 모델에 액세스 할 수 있도록 제공합니다. Microsoft Azure AI 서비스. 이 이니셔티브는 글로벌 AI 연구 네트워크를 장려하고 과학적 발견 및 교육에서부터 의료, 다문화 권한 부여, 법률 업무 및 설계에 이르기까지 다양한 분야에 대한 추가 연구에 도움이되는 강력하고 신뢰할 수있는 모델을 제공합니다.
AFMR 프로그램은 광범위한 학술 연구 커뮤니티와 협력하여 기초 모델의 다양한 측면을 탐색하여 세 가지 목표를 달성합니다.
목표 1 : 공유 인간 목표, 가치 및 선호도와 AI를 정렬
여기에는 AI 모델의 안전, 견고성, 지속 가능성, 책임 및 투명성을 향상시키는 것이 포함됩니다. 이 목표에 맞는 주목할만한 프로젝트 중 하나는“ERB 벤치 : 대형 언어 모델에 대한 자동으로 검증 가능한 환각 벤치 마크 기반 엔터티-관계.” 이 프로젝트에서 연구원들은 AI 생성 컨텐츠의 정확성과 신뢰성을 평가하고 개선하는 데 도움이되는 ERB 벤치를 만들었습니다.
목표 2 : AI-Human 상호 작용 개선
두 번째 목표는 신뢰, 인간의 독창성, 창의성 및 생산성을 높이고 개인과 사회에 유해한 AI를 개발할 위험을 줄임으로써 AI-Human 상호 작용을 향상시키는 데 중점을 둡니다. 프로젝트“생성 모델이 향상됨에 따라 사람들은 자신의 프롬프트를 조정합니다결과는 생성 AI 모델로서 변화를 유발하는 방법을 탐구합니다. 결과는 더 많은 고급 모델을 사용하는 참가자가 더 나은, 더 길고, 더 설명적인 프롬프트를 생산하는 것으로 나타났습니다.이 연구는 인간과 AI 사이의 진화하는 역학에 대한 귀중한 통찰력을 제공하여보다 직관적이고 효과적인 AI 시스템을 만들 수 있습니다.
목표 3 : 과학적 발견을 가속화합니다
세 번째 목표는 사전 지식 발견, 가설 생성 및 멀티 모달 데이터 생성을 통해 과학적 발견을 가속화하는 것입니다. 이 목표를 보여주는 하나의 프로젝트는“인과 적 증거를 생성하기위한 인공 지능 기반 복제품.” 이 이니셔티브에서, 대형 언어 모델은 의학적 연구 설계의 결함을 식별하는 데 도움이되는 인과 적“사본”으로 탐구되었다.이 모델은 연구 설계에 대한 전문가의 지침을 제공하여 연구에서 얻은 결론의 정확성을 향상시킬 수있다.
AI는 연구에 정말로 중요합니다.
–Evelyne ViegasMicrosoft Research의 기술 고문
The Next Frontier : 연구 분야의 AI의 미래를 바라 보는 것
AI와 클라우드 기술에 의해 구동되는 시대에 과학적 연구가 발전함에 따라 혁신, 협업 및 글로벌 영향을위한 기회는 전례가 없습니다. 과학적 발견 가속화에서 인간 에이전트 정렬 개선에 이르기까지, 기초 모델은 연구 수행, 공유 및 확장 방법을 재구성하고 있습니다. 앞으로 연구원과 기관은 이러한 도구를 수용 할뿐만 아니라 채택 및 평가를위한 강력한 프레임 워크를 구축해야합니다.
Microsoft에서 연구를 진행할 수있는 방법에 대해 탐구해야 할 것이 훨씬 더 많으며 시작하고 있습니다.
게시물 Microsoft As Customer Zero : AI와 함께 연구 팀에 권한을 부여합니다 먼저 나타났습니다 Microsoft AI 블로그.