艾伦人工智能研究所成立之时，Horvitz 认为，重点是回归短期目标。他相信基于短期目标的方案，百利无一害。他曾提及几个有价值且能实现的应用实例，比如人工智能可以减少医疗错误，可以让科学刊物更易懂和提高车辆安全性。

　　深度学习技术让感知研究突飞猛进，但认知研究差强人意。Eric Horvitz 曾坦言，「很显然，微软在智能助手的研发上还有待提升。」感知（Perception）只是实现通用人工智能的一小部分，人类智能里面还有更多的元素，atv直播，比如常识、推理、分析等，亦即认知。打造更加聪明的通用人工智能系统，需要其他学科的支持。

　　以 DeepMind 的经验为例。围棋系统结合了传统「树搜索」方法与现代近似于大脑神经元网络的「深度神经网络」；在 DeepQ 中，将深度神经网络与所有动物都具有的、大脑多巴胺驱动奖励机制的「强化学习」结合了起来；AlphaGo 中，他们增加了另一种更具深度的强化学习，处理长期计划。后来，他们又尝试整合例如记忆功能等等，直到理论上实现每一个智能的里程碑。

　　据悉，微软新 AI 实验室分为 13 个研究小组：自适应系统和互动组、空中信息和机器人组、会话系统组、深度学习组、信息和数据科学组、知识技术组、语言和信息技术组、机器学习和优化组、机器教学组、自然语言处理组、感知和互动组、生产力组、强化学习组。

　　「多年来，直播，这个领域已经经受了大量的『离心力』作用。」Horvitz 说，计算机视觉专家很少与自然语言专家进行探讨，反之亦然。「新的微软实验室的目的就是把这些研究人员都聚集到一起，让他们之间产生沟通与交流，并且为共同的目标而努力。」

　　除了现有的研究人员外，Horvitz 透露微软计划雇佣计算机科学家和认知心理学等领域的专家参与到新的实验室当中。新的微软实验室也将会和麻省理工的脑科学，智力与机器实验中心进行合作。

　　「微软的很多 AI 项目都利用了微软联合创始人比尔·盖茨和保罗·艾伦的最初设想。」Horvitz 说。

　　其实，早在 2003 年，微软创始人之一保罗·艾伦就捐款 1 亿美元，成立了非盈利性的艾伦脑研究所，该研究所开创了运用公司模式进行基础研究的先河。研究所旨在处理那些全球团队无法克服的科学难题，也一直秉持三大理念：团队科学（Team Science）、大科学（Big Science）和开放科学（Open Science）。

　　「由科学家、工程师、数学家以及物理学家等不同专业背景组成的团队，能够解决目前我们遇到的问题，我们可以广泛地交流、分享彼此的想法。不同的专业背景有助于更好地解决问题。」艾伦脑研究所资深科学家曾红葵说。

　　成立伊始，艾伦脑研究所就在分子库项目中，与 NIH 竞争。后来公布的一系列大脑图谱变革了神经科学的研究方式。有文章曾分析指出，如需对技术进行攻关，小型的科研项目团队最能实现技术上的突破。另外，如果在经费申请以及体制应用方面宽松些，更能实现科技上的飞跃。崛起的科技公司近年来出色的表现，就是这方面的印证。

　　DeepMind 正在这一创新模式的实践者，该做法被哈萨比斯简称为「粘合思维（glue minds）」，即充分掌握各个科学领域知识的学者们能「以别出心裁的方式快速找出有前途的跨学科交叉点。」这些粘合者能以小组的形式每几周就碰一次面，快速、灵活的将各种资源和工程师匹配到需要的地方。

　　「因此，你将拥有一个令人难以置信的天才研究者，而且 3-4 名其他领域的研究者可以直接接过同一任务，基于自己的专业进行补充，这与学术界十分不同，」他曾向《卫报》记者描述道，「这样所带来的结果就是能很快地产生一些惊人的结果。」

　　退一步来看，即使没有实现通用人工智能，微软新 AI 实验室在期间开发出的机器学习软件仍然可能为微软带来巨大利益。