除了机器学习、量子计算和 TensorFlow，Greg 在大公司垄断的问题上也回应道，「一家从事某些小研究专注小范围的产品的公司逐渐壮大起来是一件很寻常的事情，就像当年 IBM 并没有想方设法阻止微软的成长，微软也没有阻止谷歌的成长，谷歌也没有阻止 Facebook 做大做强，这种情况会永远持续地发生下去。从好地方面看，目前我们的行业总是能以某种方式保持更迭并不断前行。」

正如他在评价 TensorFlow 开源时所提到的，未来这个领域相关的产品，谷歌打算把自己开发的平台也通过云服务共享给公众使用，通过这种云机器学习，其他开发者可以开发和实现自己的机器学习构想，就像在谷歌中研发一样。开发者可以通过 TensorFlow 使用谷歌提供的免费软件和工具，也可以用云服务运行他们自己构建的机器学习系统。

精耕细作的微软和它的秘密武器

由于人类自然的语言语音交互方式，以及天生的情感和社交需求，我们对于能与我们进行语音交互和聊天的智能应用格外关注。近几年人工智能的迅速发展也带来了更多更加智能的智能语音助理，包括 Google Now、Facebook M、亚马逊 Echo、微软 Cortana 和小冰等，其中的大部分产品重点关注功能，比如、语音控制和信息查询等，而微软小冰却是走了另外一条路——从与用户的情感交流出发，在底层的深度学习技术越发通用的前提下，不同的产品理念就体现了各方对人工智能现状及未来的不同理解。就此，

微软研究院人工智能首席科学家邓力

在机器之心对邓力的专访中，他介绍了自己和微软研究院在做的关于人工智能的数项研究，回顾了自己在人工智能和语音识别领域的研究历程，并深入分析了人工智能领域的研究现状和未来发展，针对无监督学习等人工智能难题提出了自己的研究思路和解决方法。相信邓力的精彩分享将会给人工智能从业者带来巨大收获，其对人工智能的深入思考和研究理念也会给大家带来宝贵的灵感和启发。

2016 年 9 月中旬，微软报告了在语音识别方面取得的新里程碑：新系统的识别词错率降至 6.3%；一个月后，微软又公布了在这一领域成功实现了历史性突破：他们的语音识别系统实现了和专业转录员相当甚至更低的词错率（WER），达到了 5.9%

带领团队取得这一成果的正是微软首席语音科学家黄学东。在对黄学东博士的专访中，。

此后，机器之心也有幸专访了顶级语音专家、MSR 首席研究员俞栋。在专访中，

当然，除了突破和进展，我们还面临着诸多的难题。如何在增加 CPU 或 GPU 数量的同时，保证训练的线性加速以及性能？这是并行训练中存在的一个矛盾问题。让大规模并行训练在增加 GPU 的条件下几乎实现了线性加速并保证了模型性能，这一突破对大数据机器学习的效率提升意义重大。

©本文为机器之心原创，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]