编者按：近日，微软研究院上线了面向全球研究界的全新线上系列活动 Microsoft Research Forum，旨在共同探讨人工智能时代的最新研究进展、大胆新颖的想法以及全球研究界关注的重要议题。来自微软研究院全球各地的研究人员将分享他们的研究洞见，并与大家进行在线讨论，希望碰撞出更多新的思想火花。
在最新一期的 Microsoft Research Forum 中，来自微软研究院不同实验室的研究员们探讨了包容、公平的人工智能的重要性；分享了 AutoGen 和 MatterGen 的最新进展；探索了人工智能在行业发展和科学领域中的新应用，如工业应用和多模态模型在辅助性技术方面的变革潜力。
下面是本期内容的简要回顾及演讲中的精选语录。观看第三期 Microsoft Research Forum 的完整视频回放请点击链接：
第三期 Microsoft Research Forum 的完整视频回放：https://www.microsoft.com/en-us/research/quarterly-brief/jun-2024-brief/
主题演讲：构建全球公平的人工智能
（Building Globally Equitable AI）
Jacki O’Neill 阐述了构建全球公平的生成式人工智能的重要性，并探讨了为了在全球范围内积极改变未来的工作环境所必须应对的技术和社会挑战。
Jacki O’Neill 表示，“我们正处于生成式人工智能及其对工作产生影响的早期阶段。这是一个快速发展的领域，有巨大的机遇让人们可以掌握其发展脉络并构建一个真正实现全球公平的人工智能系统。为实现这一目标，我们必须确保多样化的背景、应用以及各类数据集，以共同促进生成式人工智能的发展。”
圆桌讨论：生成式人工智能的全球影响：挑战与机遇
（Generative AI for Global Impact: Challenges and Opportunities）
在圆桌讨论中，研究员们从代表多元区域及文化的数据到全球相关的新颖应用，就如何让人工智能更具包容性、更有影响力进行了探讨。
Tanuja Ganu：“我们应当如何利用生成式人工智能的力量，赋予全球每个个体应有的权力，无论他们的国籍、民族、文化背景、技术获取途径及经济状况是怎样的？”
Sunayana Sitaram：“我们一直采用的一个解决方案就是在设计时考虑 ‘人机回圈’的理念，因为我们清楚地认识到这些技术尚非尽善尽美。因此，我们致力于寻求人类与人工智能系统协作并创造出高效成果的最佳路径。”
Jacki O’Neill：“我们确实需要开展一些前所未有的跨学科研究，让科研人员、相关从业者与社区成员都参与进来。重要的是，我们必须认识到，单靠机器学习工程师和研究人员的个人努力，是无法解决实现全球公平的生成式人工智能所面临的挑战的。这是我们真正需要大规模开展的工作。”
Daniela Massiceti：“据估计，目前全球有13亿人（约占全球总人口的 16%）患有某种程度的残疾。所以当我目睹这些生成式人工智能应用开始为这些群体提供服务时，我真的十分兴奋。”
“在展望未来十年的生成式人工智能解决方案发展时，我希望看到更多个性化的人工智能模型和解决方案，用户可以拥有更多的控制权和自主权，能够根据自己的需求调整模型以提供更好地服务。”
闪电演讲
闪电演讲1：帮助视障人士的多模态大语言模型所面临的挑战和机遇：CLIP 案例研究
（Insights into the Challenges and Opportunities of Large Multi-Modal Models for Blind and Low Vision Users: A Case Study on CLIP）
Daniela Massiceti 深入分析了像 CLIP 这样的多模态大语言模型在辅助性技术方面的变革潜力。她的演讲特别关注了盲人和低视力群体，通过分析目前与既定目标之间的差距，探讨了为弥合这一鸿沟所需要进行的改进。
Daniela Massiceti 认为，“当前的人工智能模型在辅助盲人群体方面展现出了令人惊叹的潜力，其应用范围涵盖了从文本识别到物体识别再到问答等多个领域。目前，类似 Seeing AI 的应用程序已经部署了一些人工智能功能，但这些模型所蕴含的潜力还远未被充分挖掘。”
闪电演讲2：推动产业发展：探索生成式人工智能对产业转型的影响
（Driving Industry Evolution: Exploring the Impact of Generative AI on Sector Transformation）
边江深入地分析了生成式人工智能如何通过弥合人工智能能力与产业需求之间的差距来引领产业变革。
边江表示，“在与合作伙伴交流时，我们发现了当前生成式人工智能能力与行业应用实际需求之间存在的关键鸿沟。这些鸿沟主要体现在：对类人人工智能的过分关注，而忽视了关键的行业应用；在处理复杂的数据和噪声数据时存在局限性；以及在复杂决策场景中，对人工智能可靠性的担忧。因此，我们的研究对于解决这些局限性，并发掘生成式人工智能在高价值行业中被低估的潜力，具有至关重要的意义。”
闪电演讲3：MatterGen：用于材料设计的生成式模型
（MatterGen: A Generative Model for Materials Design）
Tian Xie 在演讲中介绍了生成式模型 MatterGen。它可根据应用所需的各种属性条件来创造新的无机材料，用生成式人工智能改变传统的材料设计范式。
Tian Xie 介绍道，“传统的材料设计是基于搜索的方法进行的。我们依照一系列应用设计标准，在庞大的候选材料列表中进行逐步筛选。以电池材料为例，我们所需的材料应具备含锂、高稳定性以及高锂离子电导率等特点。在这一筛选过程中，每一步都可以借助基于模拟的方法或人工智能仿真器来完成。最终，我们会得到五到十种候选材料，并将它们送往实验室进行实验合成。”
“在 MatterGen 中，我们希望用生成式人工智能重新思考这一过程。我们的目标是根据目标应用的设计要求直接生成材料，从而跳过 ‘搜索候选材料’这一步骤。这可以类比为使用像 DALL-E 这样的文本到图像生成模型，它能够根据给定的提示直接生成图像，而不必通过搜索引擎在整个互联网上搜寻图像。”
闪电演讲4：AutoGen更新：复杂任务与智能体
（AutoGen Update: Complex Tasks and Agents）
Adam Fourney 讨论了使用多个智能体共同完成复杂且多步骤任务的有效性。在演讲中，他展示了如何通过可定制的多智能体调度在 GAIA 等基准测试中超越传统的单一代理解决方案，这些多智能体能够互相协作、推理以及利用工具达成复杂的任务目标。
Adam Fourney 介绍道，“我们已经开始运用这种配置来应对日益复杂的基准测试和现实场景。很高兴可以尝试引入新的智能体，例如，能在经验中学习和自我提升的智能体；能够更深入理解图像和屏幕截图，从而可以更高效浏览网络或使用界面的智能体；能更系统地探索解决方案空间的智能体等。因此，这些智能体将可以采纳更为务实的策略，而不仅仅在遇到问题时只会简单地更新账户信息然后重启。”
第三期 Microsoft Research Forum 的完整视频回放：https://www.microsoft.com/en-us/research/quarterly-brief/jun-2024-brief/