微软-matrix51_40页_132mb

Matrix 2019年10-12月 第51期 总结

核心内容

本期《Matrix》聚焦微软亚洲研究院在人工智能领域的前沿研究与技术应用，内容涵盖AI换脸鉴别、NLP技术突破、自动机器学习工具NNI的更新、Excel智能数据分析功能的推出，以及语音增强与视频内容片段检测等技术进展。

主要观点

• AI换脸技术的挑战与应对：随着DeepFake等AI换脸技术的普及，虚假信息传播成为社会问题。微软亚洲研究院开发了换脸鉴别算法，其识别率远超人类和业界现有水平，且能识别未知换脸技术。
• 统一预训练语言模型UniLM：微软在NLP领域取得突破，UniLM支持自然语言理解和生成任务，且在SQuAD和CoQA数据集上均超越人类水平。
• 开源自动机器学习工具NNI：NNI支持多种机器学习框架和平台，提供完整的机器学习生命周期自动化支持，包括特征工程、NAS、超参调优和模型压缩等，并拥有完整的中文文档。
• Excel对话式数据分析：微软亚洲研究院开发了AnnaParser算法，使Excel能够通过自然语言进行数据分析，降低了使用门槛，提高了效率。
• 语音增强模型PHASEN：该模型通过双流结构和频域变换模块（FTB），有效提升了语音降噪效果，在多个数据集上表现优异。
• 二维时间图的视频内容片段检测：微软提出2D-TAN模型，通过二维时间图建模，提高了视频内容定位和人体动作检测的准确性。

关键信息

AI换脸鉴别

• 技术挑战：DeepFake等换脸技术的普及带来虚假信息风险，人类识别率低。
• 解决方案：微软开发的换脸鉴别算法基于FaceForensics数据库，支持多种换脸技术。
• 识别率：
  • DeepFake: 99.87%
  • FaceSwap: 99.66%
  • Face2Face: 99.67%
• 通用模型：可同时鉴别不同类型的换脸技术，提升对未知算法的适应性。

NLP研究突破

• 统一预训练语言模型UniLM：支持自然语言理解和生成，已在NeurIPS、ACL、EMNLP等顶级会议发表。
• 机器阅读理解：微软在SQuAD和CoQA数据集上取得突破，使机器阅读理解能力超越人类水平。

自动机器学习工具NNI

• 功能与优势：
  • 支持多种主流框架（如PyTorch、TensorFlow等）。
  • 提供分布式训练支持，可适配Kubernetes等平台。
  • 支持特征工程、NAS、超参调优、模型压缩等全生命周期任务。
  • 提供可视化界面和中文文档。
• 超参优化：支持多种优化算法，包括TPE、SMAC、进化算法等。
• 模型压缩：支持9种模型压缩算法，包括AGP、L1Filter、Slim等。

Excel智能数据分析

• 技术实现：微软亚洲研究院开发了AnnaParser算法，提升Excel的自然语言处理能力。
• 功能特点：
  • 自动识别表格实体与语义。
  • 结合语义规则与深度学习算法，实现自底向上的逻辑表达。
  • 提供多语言支持，降低使用门槛。
• 应用场景：支持用户通过自然语言提问，Excel自动进行数据分析并以图表形式呈现结果。

语音增强模型PHASEN

• 技术亮点：
  • 双流结构：分别处理强度和相位信息。
  • 频域变换模块（FTB）：提升对谐波相关性的捕捉能力。
• 实验结果：
  • 在AVSpeech+Audioset数据集上，SDR提升1.76dB。
  • 在Voice Bank+DEMAND数据集上，多个指标优于其他模型。
• 未来方向：优化延迟与模型参数量，拓展应用到语音分离等任务。

视频内容片段检测

• 技术突破：提出二维时间图（2D-TAN）模型，用于视频内容定位和人体动作检测。
• 方法优势：
  • 通过二维时间图建模，捕捉时间片段之间的依赖关系。
  • 在HACS Temporal Action Localization Challenge中获得第一名。
• 实验结果：
  • 在Charades-STA、ActivityNet Captions、TA-CoS数据集上表现优异。
  • 在Rank1@0.5和Rank5@0.5指标上分别提升5和14个百分点。

总结

微软亚洲研究院在2019年第四季度持续推进AI技术的创新与应用，涵盖NLP、机器学习、语音处理、视频分析等多个领域。通过技术突破与开源工具的发布，微软不仅提升了自身产品的智能化水平，也为整个行业提供了可借鉴的研究成果与解决方案。同时，研究院强调AI技术的社会责任，倡导构建可信赖的AI系统，以技术手段应对虚假信息、隐私泄露等问题，推动AI技术在社会中的积极应用。