点击联系发帖人我们生活在一个令人激动的系统研究与创新时代这些创新让微软未来计算机发展系统得以处理前所未见规模的数据和应付高度复杂的大型系统问题。在这些创新中大規模分布式系统的进步以及其他相关系统领域诸如数据库系统、程序语言与编译器、理论与形式化方法、硬件与体系结构、安全与隐私和應用密码学的进步都起到了关键性的作用。然而“无形”的系统因为其“看不见摸不着”的特点，很少成为媒体的焦点究竟什么是微軟未来计算机发展底层系统？一个好的微软未来计算机发展系统究竟意味着什么面向未来的系统创新和设计需要面对怎样的技术挑战和技术战略前瞻？
人工智能备受关注、取得革命性进步背后的推手其实是“机器学习”。 机器学习其实是一门多领域交叉学科它涉及到微软未来计算机发展科学、概率统计、函数逼近论、最优化理论、控制论、决策论、算法复杂度理论、实验科学等多个学科。机器学习的具体定义也因此有许多不同的说法分别以某个相关学科的视角切入。但总体上讲其关注的核心问题是如何用计算的方法模拟类人的学習行为：从历史经验中获取规律（或模型），并将其应用到新的类似场景中 那么，当我们谈机器学习时到底在谈些什么？从业者需要掌握哪些前沿技术未来，又有什么技术趋势值得期待
对于离不开社交平台、电商、新闻阅读、生活服务的现代互联网用户来说，个性囮推荐已经不是什么新鲜事儿 随着信息技术和互联网行业的发展，信息过载成了人们处理信息的挑战对于用户而言，如何在以指数增長的资源中快速、准确地定位到自己需要的内容是一个非常重要且极具挑战的事情对于商家而言，如何把恰当的物品及时呈现给用户從而促进交易量和经济增长，也是一件颇具难度的事情推荐系统的诞生极大地缓解了这个困难。
识别图像对人类来说是件极容易的事情但是对机器而言，这也经历了漫长岁月 在微软未来计算机发展视觉领域，图像识别这几年的发展突飞猛进而这些最新进展的背后推動力是深度学习。深度学习的成功主要得益于三个方面：大规模数据集的产生、强有力的模型的发展以及可用的大量计算资源对于各种各样的图像识别任务，精心设计的深度神经网络已经远远超越了以前那些基于人工设计的图像特征的方法 尽管到目前为止深度学习在图潒识别方面已经取得了巨大成功，但在它进一步广泛应用之前仍然有很多挑战需要我们去面对。与此同时我们也看到了很多具有未来價值的研究方向。
如今人工智能正在改变我们的生活，更在变革或颠覆着各行各业人工智能在创造机遇的同时，也给人类世界带来了諸多挑战未来的人工智能时代会是何种样貌？我们应当以怎样的姿态迎接这个科技时代预见未来的最佳方式是参与创造未来，而参与創造的前提是对人工智能有全面而清晰的认知在这里，我们不仅想讨论人工智能可以做什么也想把更多眼光落在人工智能应该做什么，尝试去探索人工智能造福人类的最佳路径
