新网站快速排名软件,对话微软沈向洋：AI当前程度如何 有哪些手艺难点

明确核心关键词后，我们要搜索长尾关键词。寻找长尾关键词的方法是从用户的角度思考。也就是说，把自己当成用户，想象通过什么单词找到网站。网站定位要在title强调网站的核心内容，网站界面的布局也要优先展示核心内容，这样搜索引擎才能快速准确地捕捉网站的核心内容，给网站带来有利的分数。我们很多企业网站建议将仍然使用的table布局修改为div CSS布局，不仅可以捕捉搜索引擎，还可以提高web界面的美观性。代码优化主要是简化页面代码，将其放置在CSS的内容端CSS中，并将该端js的内容放入js中。Css加载在网站head标签中，js尽可能加载在网站最后，其次是网站TKD标签、H标签和alt标签的优化。

2017年5月10日，在方才完毕了Microsoft Build 2017大会的主题演讲后，微软人工智能及微软研讨事业部负责人沈向洋博士(Harry Shum)接受了InfoQ等特邀媒体的采访。本文对此次采访的要点整顿。

为何如今人工智能这么火?沈向洋说：“云盘算日积月累的壮大威力、运转于深度神经收集的强力算法，再加上本日能够猎取到的海量数据，在这三股壮大动力的交错驱动下，本日，我们终究有才能完成人工智能的妄想。人工智能具有无限的潜力，它有才能推翻任何现有的垂直行业。”

那末，人工智能当前终究生长到了什么程度?行进的路上手艺难点在那里?微软的人工智能之路是如何计划的，又是如何面临人材协作的呢?

一、如何对待人工智能?

在回覆InfoQ记者发问时，沈向洋博士周全论述了他对人工智能的明白：人工智能分为感知和认知两方面，感知方面已有重大愿望，认知方面的还远远没有取得打破，但可诠释的AI将在5年到10年取得重大打破。

1.为何会有人工智能?

谈到人工智能，虽然人人在本日会冲动的不得了——我自身也以为——有些东西已在发生了，然则，起首你要回过甚来看，为何会有人工智能?

人工智能是关于人类智能出来的，也就是Human Intelligence。厥后60年之前约翰·麦卡锡定义一个词叫Artificial Intelligence，据说是麦卡锡真正提如许一个智能。

2.人工智能分为感知和认知两部分

为何人人会以为人有智能?实在，人的智能基础上分红两部分，一部分是感知，一部分是认知，而人工智能也是对应的。

(1)感知方面有异常大的愿望

感知内里最了不得的、最大的一部分就是视觉感知。

之前有人做过如许的研讨，一个人91%的信息是从视觉收集过来的，我忘记了他用什么样的要领算出来这个数字，但人人基础上会赞同这个看法：绝大多数感知都来自于视觉，然后是听觉，末了才是其他的感知。

我以为这边的愿望异常大，我一向讲，过去这一年我都在讲盘算机语音辨认也就是五年的事变，五年以内盘算机语音，它能够辨认，不论你怎样去讲它都能辨认。接下来10年摆布的时刻我以为盘算机视觉也会到达这一点，本日视觉许多东西已凌驾人，人脸辨认。我讲的是是很平常的广泛认知，到一个新处所，看到一个新东西能够联想到什么，这些东西也许十年摆布的时刻能够完成。

(2)认知方面远远没有取得打破

在认知方面，本日我们远远没有取得打破，都谈不上跟人类比拟的田地。

起首是自然言语处置惩罚的问题，然后就是学问猎取的问题。越来越多的人更应当去做这方面的事情。自然言语处置惩罚，我适才也提到机械浏览，言语这个问题，相对来说的确是比较复杂。用本日现有的要领，包含深度进修的要领，解出来的效果还不是足够好，固然用深度进修已能够协助到我们许多东西，比方像翻译也用了许多自然言语的东西。

更重要的，本日人人对悉数“认知”如许的一件事变的定义，还在一个比较低级的阶段。

比方，什么叫做基本知识(Common Sense)?你怎样晓得见到这个人今后，为何会对他很有一种密切的觉得?这些我们还不是很明白，而这是一个很大的问题。

轻微岔开一点讲，很重要的一个问题是，本日我们个人工智能做的这些东西，和脑科学的连系不够，明白也不够。很重要的缘由就是对“智能”的许多东西，只需人脑如许一个范本，但人脑构造很迥殊，本日我们还不够明白。脑科学作为一门科学，本日也还处在一个初期的阶段，我们还不能做太多的试验，也不能随时把一个人的脑壳翻开塞一些东西进去。

这个是一个历久的问题，如今越来越多的人也在想如许的问题——衔接人工智能和脑科学。

(3)认知方面，可诠释的AI将做出异常了不得的效果

有一个方向让我们以为是很冲动人心：如今在微软研讨院许多的人在做这方面的事变，我也跟许多大学有一些协作，就是所谓的“可诠释的AI”(Explainable AI)。我以为，Explainable AI在接下来5到10年，肯定能够做出异常了不得的效果。本日我假如有研讨生的话，我就会让他们做这个方向的事情，缘由异常简朴，由于本日AI最大的打破就是深度进修，然则深度进修的一个最大的问题就是，出来的效果异常好，然则你没法诠释。

我自身看到的，这方面写得最好的一篇文章，是近来在《纽约客》的一篇有关医疗AI的。为何看统一张图，大夫会跟你讲，你没问题，缘由是一、二、三。但本日AI还做不到这点，深度进修做不到这点，很大的问题是人人解问题的空间不一样，大夫是在一个所谓的neural，脑的如许一个一连的空间在解，而AI许多的明白是在标记的离散的空间上去做。

所以，如何把这些东西连起来，从手艺上有讲有许多有待打破的处所，也是我们如今研讨院很仔细在做科研的一个方面。

二、微软在人工智能方面的愿望

1.语音方面

起首，我们讲人工智能在语音方面的打破，人工智能在语音辨认，语音合成上面近来都取得了异常注视的效果。2016年9月，微软的对话语音辨认手艺在产业规范Switchboard语音辨认基准测试中完成了词错率低至6.3%的打破，制造当时该范畴内错误率最低记载。一个月后，微软进一步将词错率下降至5.9%，初次杀青与专业速记员持平而优于绝大多数人的表现。

2.图象方面

其次，在图象方面，人工智能也有许多长足的提高:

2015年12月，ImageNet盘算机视觉辨认应战赛效果发表——微软亚洲研讨院视觉盘算组的研讨员们依附深层神经收集手艺的最新打破，以绝对优势取得图象分类、图象定位以及图象检测悉数三个重要项目的冠军。统一时刻，他们在另一项图象辨认应战赛MS COCO(Microsoft Common Objects in Context，罕见物体图象辨认)中一样胜利登顶。在ImageNet应战赛中，微软亚洲研讨院的研讨团队运用了一种亘古未有的深度高达152层的神经收集，这比以往任何胜利运用的神经收集层数多5倍以上，从而在照片和视频物体辨认等手艺方面完成了重大打破，将错误率下降至3.57%。

2016年10月，微软亚洲研讨院视觉盘算组的研讨员在图象辨认MS COCO图象支解应战赛中取得第一名，结果比第二名凌驾11%，且相较于前一年COCO图象支解应战赛第一名的结果也有奔腾性的提高。

3.自然言语方面

除了语音和图象之外，实在人工智能在自然言语上面也取得了很大的愿望。

(1)人机对话：自然言语人机对话方面，深度神经收集逐步庖代了传统的统计机械进修，成为主流的研讨方向。如今，自然言语手艺已悉数转向深度进修收集，我们的对话体系也都用到了深度进修收集。人人熟知的微软小冰，起症结自然言语处置惩罚手艺就是采纳的微软自然言语处置惩罚手艺，现在已能够完成与人类23个往返的对话。

(2)机械翻译方面，Microsoft Translator现已支撑60多种言语，能够完成多个人多种言语的及时翻译，比方人人每个人大概来自差别的国度，只需拿着手机APP版的Microsoft Translator就能够相互交换。你说一句话或许输入笔墨，对方听到/看到的就是他的母语。而在方才完毕的微软年度开发者嘉会Build 2017上，微软也展现了最新的Presentation Translator的PowerPoint插件，它利用了微软的Translation API接口，能够在播放演示文稿的历程当中，及时地将其翻译成多种言语。

(3)机械浏览明白方面，在由斯坦福大学自然言语盘算组提议的SQuAD(Stanford Question Answering Dataset)文本明白应战赛上，微软亚洲研讨院的自然言语盘算研讨组延续稳居榜首。微软亚洲研讨院团队在准确性和类似度这两个差别维度的评价规范上均取得了最优的结果，其准确度到达了76.922%，类似度到达了84.006%，凌驾第二名近两个百分点。

三、微软的人工智能科研之路

任何一个企业，一个单元，迥殊是大了今后，肯定要去想短时间的目的是什么，历久的愿景是什么，肯定要从这个角度去想。我的部门比较迥殊的处所就是，由于我除了AI之外，还管AI研讨院，在AI研讨院我们有1000多位科学家，要不停造就一代一代新的了不得的研讨员去做越发了不得的手艺。

1.微软在人工智能范畴四个研讨大方向

第一，搜刮引擎方面。本日天下上最大的人工智能大概照样搜刮引擎，微软Bing这么多年下来凌驾25亿的entity。这内里就有许多的学问，搜刮引擎自身不单单议是一个营业，虽然如今Bing也很赢利，我们在美国22.6%的搜刮市场份额再加上雅虎的11%(手艺是我们背景做的)，所以我们在美国有1/3的搜刮份额，在中国近来涨到16.5%。从AI的角度来说，它就是学问的积聚。

第二，异常异常重要的一件事变就是Cortana(小娜)，我以为Cortana是代表了AI的将来，对人的相识。要做好AI须要三个方面的学问：

对天下的明白

对事情的相识

ASO案例研究：如何选择最佳应用程序图标

优化附件，对网站没有太大影响，但有可以提高网站的内容。网站seo优化技术是通过美化网站内容，改善结构和改善用户体验来推广网站。如果使用主动优化技术，则排名会更长，成本也会降低。互联网行业必须增加曝光率，这是吸引更多用户组，用户单击网站并最终带来流量以获利的唯一方法。

对用户的相识

这三件加在一同的话，才能够做的异常好，我以为小娜在朝着这个方向走，要去做这个事变固然要有很大的投入在内里。

第三，其他的公司和微软公司一同协作，如何令AI协助微软转型，我适才提到Office，也提到Cloud，也提到Windows，我们一同做。同时我们把如许的一些手艺拿出来给其他一切Microsoft开发者去做，本日我讲的尽头一向都是在我们AI部门这么多年做出来，有许多的手艺是从微软研讨院做了几十年下来。

第四，对贸易时机的发掘。一切的贸易运用都会被推翻掉，在这内里微软正在挑选哪些方向，哪些贸易的AI如许的时机我们会发掘，今后愿望能够有时机跟人人再分享这边的愿望。

2.历久造就人材举行科研

任何一个企业，一个单元，迥殊是大了今后，肯定要去想短时间的目的是什么，中期的愿望是什么，历久的愿景是什么，肯定要从这个角度去想。我的部门比较迥殊的处所就是，我除了AI之外，还管研讨院。在研讨院我们有1000多位科学家，适才新智元的同事也问道，我以为最重要的就是，要不停造就一代一代新的了不得的研讨员，去做更了不得的手艺。

比方我适才提到，人工智能(更多在离散的空间做标记处置惩罚)和脑科学(更多在Neural神经元做一连处置惩罚)这两个空间的融会。标记可诠释的空间和一连的脑空间之间的关联，三五年前基础上没有什么人研讨这些方向。我以为更重要的就是应当造就新一代，看到如许的问题。如深度进修，要去诠释它。

四、微软的人工智能产物之路

1.为何肯定要有产物?

对普罗群众来说，他不会去看论文来推断你的研讨效果，也不晓得你的论文有多了不得。你要跟人诠释，最轻易诠释的要领就是你给人看看你的产物，HoloLens立时就会被人看到，我们愿望有时机做一些更了不得的产物，不光是对消费者，更多是针对企业用户的产物。我个人以为，三五年内，对AI而言最大的时机照样在企业市场中。

2.正确对待科研

许多人不明白，说这么多人做科研，怎样还没有产物化?科研就是一个很历久的东西，你要么就不要说自身做科研，要做科研就要有耐烦。比方本日人人谈的如火如荼的量子盘算，详细哪天量子盘算机能够做出来，没有人晓得。在这一点上，美国的这套体系照样值得我们进修：从大学入手下手，到研讨所，再到工业界。之前的AT&T和IBM，再到如今的微软，许多公司情愿花许多的钱出来做历久的科研，而绝大多数的科研效果不单单议属于本公司，只是自身的公司有大概获得好处。

这一点我们盖茨讲得异常清晰，比方苹果和微软初期的胜利，很重要的就是图形用户界面，而 graphic interface 最早是施乐做出来的，我们跟他们进修。一样，本日微软做了许多了不得的事，然则大概其他一些公司，以至一些始创公司还会做得更好，这都是很一般的。

而且，做科研是异常兴奋的一件事变，做科研最兴奋的事变就是基础不必忧郁他人在想什么，你自身拍拍脑壳想一想就能够，要有一个了不得的主意——我之前是何等的享用做科研，厥后被鲍尔默赶出来去做产物。

3.如何从手艺研讨到产物化

固然，我们不是一个公益的研讨院，对公司是有义务的，包含最重要的一件事变，就是从手艺到产物的转化。现在，AI自身本日许多的东西还在研讨阶段，所以本日微软重组，把AI和研讨院放在统一个部门——我以为异常幸运能够指导如许的部门——我们看到了异常多的时机。

怎样从手艺到产物转化这个问题，大概本日最好的例子就是认知效劳，个中也许2/3的手艺是本来微软研讨院做的，而且做了许多年，之前我们不是很清晰，一些盘算机视觉的手艺怎样转化成产物。然则由于有Azure，有认知效劳如许的时机，许多许多的微软研讨院的手艺，都已经由历程认知效劳转化成为产物。

别的一个例子是HoloLens，它研发的历程是“研和发，研和发”不停轮回的历程。HoloLens这些人之前就是做Kinect，Kinect做出来微软研讨院就做了Kinect Fusion，又做了一个项目叫Holodesk，假如是三维的东西，你如何加一些三维的假造物体进去。厥后微软有一批异常了不得的做产物和设想的工程师，他们想到要在此基础上做成HoloLens，在这个历程当中，内里许多盘算机视觉、语音的手艺都是微软研讨院一同做的，是一个配合研发的历程。

4.AI部门的产物计划

能够挣一些钱，定个小目的，这是异常重要的。然则，更重要的事变是 AI 这个部门建立以后，我们要想清晰假如我们真的以为AI会推翻更多的行业运用，在推翻的历程当中，我们的时机在哪。

(1)对现有产物AI化

比方Office等跟AI连系，将会有哪些推翻性的内容发生，有什么新的产物出来，有什么新的功用出来，这边的话我们愿望得异常好。

AI的三大方面：第一，你要有异常壮大的运算才能;第二，你要有异常了不得的算法;第三，你肯定要有自身的数据。

我用微软的例子来引见一下，在微软，我们固然置信，微软一切的产物都必须要AI化，重新去定义如许的产物。

我们如今很注意的处所是两个方面，一个是在一切的Office产物，在主题演讲中我给人人看了 PowerPoint一个功用，就是翻译(translate)。实在PowerPoint他们还做了别的一个，我自身异常喜好的，所谓的图说生成(image caption)：来一张照片，PowerPoint图说生成能够自动给你出图片说明，这个我们已做得相称好了。

PowerPoint许多人用。如许的数据能够协助我们不停改良一些算法。前不久我们也宣布Word，Word内里运用AI手艺，这也异常异常重要。

这内里另有许多AI的手艺都才方才入手下手，我自身以为Office最冲动人心的手艺就是所谓的机械浏览。前不久微软买了一个加拿大的始创公司叫做Maluuba ，重要就是做这方面的事情，用自然言语、深度进修的要领来做这个东西。深度进修内里一个很重要的问题，就是回覆问题。我以为对Office的影响会异常庞大，所以我们AI部门的同事和Office的同事一同在做。

别的一个就是在云这里，人人协作异常多，你到Azure.com主页的产物内里，Cognitive Services的内容安排最明显的位置上，这是Scott和我，跟我们产物团队的同事review了今后决议，Cognitive Services会变成Azure的重中之重。Windows另有许多AI，像HoloLens另有许多AI的手艺，盘算机视觉、盘算机语音方面。

(2)发掘新的产物线：决议做什么和不做什么

别的一个你要去想，新的产物线在那里，你有无一条新的产物线出来，三五年今后能够做到十亿美圆的买卖。要思索，你有无如许的营业，五到十年能够做到一百亿美圆的买卖。假如有，固然要放马去寻求如许的时机。

所以我们如今悉数AI部门最重要的事变，就是决议要做什么，决议不做什么。

五、如何应对人工智能方面的人材应战?

1.如何对待人材流动?

我以为人材流动异常一般，一个大公司造就了许多的人材，最重要的照样说任何一个公司你要晓得你存在的代价和理念，这表现到优异的员工为何会挑选留在你这里，不光是你到表面挖人，你给在这里的员工供应什么样异常了不得的环境，让他在这内里有异常好的生长。

我上次在乌镇，跟刘云山书记报告的时刻，跟人人说微软公司在中国，为中国IT产业造就了无数的优异人材，我说你不仅要看到中国险些一切IT公司的CTO都是我造就的，从联想到海尔到小公司，我说你越发要看到微软研讨院在过去18年，造就了5000个门生，那些才是真正了不得的，新一代的创业公司出来——如今大概不会是如许的状况——当时盘算机视觉、AI公司刚起来的时刻，那些投资人来问我一些状况，我说你不要跟我讲，在中国开盘算机视觉的公司，要么是我的门生开的，要么是我的门生的门生开的，这都异常荣耀的事变。回过甚来看，微软研讨院、微软公司对中国的IT生长，许多方面都起了庞大的正面作用，迥殊是为中国造就了异常多的一流人材。

关于对外输出人材，微软研讨院一向以为异常骄傲。我们造就了李开复，我们造就了张亚勤，我们造就了赵峰、我们造就了芮勇，芮勇照样我学弟，这些都异常好，我们都以为异常荣耀。

2. 如何造就人材

我们近来在做一个异常重要的事变就是关于人材方面的。在6个月之前，当时建立我们这个部门还不久，我就建立了微软人工智能学院，造就相称一批微软内部人材。我们愿望经由历程如许的体式格局能够吸收到更多许多表面的人材来到微软。这么做，并非我们忧郁又有人挖我们AI的人材，更重要的是把我们的人材造就成AI capable，所以我们就有一字头的课、二字头的课、三字头的课，一向到六字头的课，我近来方才做完一期AI611这门课，特地做深度进修详细项目。有10个项目，异常了不得，这门课完毕的时刻，我特地用了2小时去听了他们的报告，异常好!所以我们如今在不停造就AI的人材，既包含内部的人材造就，也包含吸收表面的人材。

六、结语

多少年前，很难设想会有一样手艺东西是由人工智能驱动的。

多少年后，很难设想会有任何手艺的背地没有人工智能的影子。

云盘算日积月累的壮大威力、运转于深度神经收集的强力算法，再加上本日能够猎取到的海量数据，在这三股壮大动力的交错驱动下，本日，我们终究有才能完成人工智能的妄想。

人工智能具有无限的潜力，它有才能推翻任何现有的垂直行业，比方银行或许零售业，另有任何单一的营业流程，比方贩卖、市场或许人力资源和猎头。

如许生长下去，终有一天，人工智能将有才能为人类无边的聪明才智如虎添翼——加强人类已有的才能，而且协助我们取得更强的生产力。

根据竞争对手网站的关键词来决定长尾关键词。查看竞争对手网站的原始文件，了解有哪些关键词，选择好的关键词，然后扩展，变成长尾关键词。(威廉莎士比亚、温斯顿、竞争对手、竞争、竞争、竞争、竞争、竞争、竞争、竞争。采集的内容可能都不是原创的。最好只有满足用户需求的原创和非原创内容。

企业品牌与传播难在哪里？100+品牌公关总监告诉你