十三個研究小組，分別是自適應系統和互動組、空中信息和機器人組、會話系統組、深度學習組、信息和數據科學組、知識技術組、語言和信息技術組、機器學習和優化組、機器教學組、自然語言處理組、感知和互動組、生產力組、強化學習組。
自適應交互組：該小組致力於追求智能和交互原理的進步以及相關應用的進步，提高計算系統和接口。包括傳感、學習和決策、搜索和檢索以及人機交互基礎等研究。
空中信息與機器人組：該團隊主要做機器智能的前沿研究，機器人和人類為中心的計算，飛行機器人艦隊，微型無人機，民用客機。
他們的研究彙集了機器學習和思想感知，不確定決策在機器人平臺上產生各種挑戰。合成算法和系統將應用在飛行器如：滑翔機，小飛機和商用飛機。應用場景包括精確農業監控、病原體監測、氣象探測、啟用數字連接等。團隊有三篇論文被 ICRA 2017接受。
對話系統組：重點推進人機對話。研究涵蓋對話框管理、對話狀態跟蹤、用戶建模、語言理解和語言生成。團隊對探索對話系統在對話過程中學習的方法特別感興趣。
團隊正在面對挑戰，例如如何從非常有限的交互中學習特定任務的對話控制器；如何創建結構化知識與機器學習相結合的對話控制模型，以及對話控制器如何通過交互進行自主改進。團隊與微軟研究的其他團體密切合作，包括自然語言處理、機器教學、自適應系統和交互。
深度學習組：他們主要開發算法，模型，和有監督和無監督學習系統，深入強化學習，神經符號推理，然後尋求在計算機視覺、自然語言處理、多智能、互聯網信息處理、以及其他相關領域的突破。
該小組的研究人員對很多在學術界產生重大影響的項目作出了貢獻，最近的一個例子是計算機視覺的API在微軟認知服務，它提供了世界上第一個圖像字幕的雲服務。
信息和數據科學組：跨學科的信息和數據科學團隊彙集了來自信息檢索技術，人機交互（HCI）、人工智能、社會科學共同挑戰相關的問題：（1）人們如何組織信息和信息系統的相互作用；（2）如何用挖掘出來的數據來描述人的行為。
作為一個團隊，他們直接與產品組合作，從根本上理解產品中應用程序中的問題。他們團隊開發的技術，提高了Cortana應用體驗。
知識技術組：知識技術組專注微軟產品和為市場帶來新的企業智能應用和服務。和微軟的研究和產品團隊的密切合作。他們關注先進技術研究項目的進展，自然語言處理、文本挖掘、機器學習、知識獲取等人工智能技術領域。他們將機器學習和人工智能與最廣泛使用的在線服務結合起來，開發出新奇有趣的產品體驗。
語言和信息技術組：他們利用人工智能來了解人們如何與信息系統進行互動，並開發新的功能來提高生產力。他們的研究興趣是信息檢索、自然語言理解和應用機器學習的交叉點。工作包括分析大規模文本和用戶行為數據，以瞭解用戶如何與信息交互，建立從非結構化信息中提取知識的模型，幫助用戶完成任務並有效地查找信息。他們的工作應用於內容理解、智能助理、搜索、個性化和用戶滿意度建模。
機器學習與優化組：機器學習和優化小組的重點是設計新的算法，使下一代人工智能系統和應用程序能應用到，並回答在學習，優化，算法和數學的基本問題。他們主要研究領域包括統計和在線學習、凸和非凸優化、組合優化及其在AI、統計學和概率中的應用。此外，他們的工程機構建立世界級的機器學習和優化系統。
機器教學組：ML（機器學習）組的一大部分專注於創建新算法以提高給定數據集上的“學習者”（ML算法）的準確性。機器教學（MT）組與機器學習相比，側重於教師的效能。如建立一個模型來理解控制電視的語音命令。對機器學習模型的需求遠遠大於能夠建立這些模型的機器教學。所以解決日益增長的需求的一個辦法是使教學機器簡單、快速、普及。
自然語言處理組：自然語言處理組重點是開發處理文本的有效算法，使他們的信息能在計算機應用程序訪問。
感知和交互組：感知和交互小組研究虛擬世界與我們居住的人和物體的物理世界之間的接口。他們的目標是通過傳感技術、智能信號處理、新的交互模式和理解用戶來豐富這一接口。他們的工作是建立在感知和交互的基礎上來實現這一想法，他們也喜歡通過構建工作原型來實現想法。
生產力組：微軟是職場生產力的領導者。隨著工作環境的發展，為了保持這種領導地位，團隊將重點放在人工智能的最新進展、日益普及的數據以及為人們提供低摩擦方式的新興平臺上。我們力求使工作更容易更吸引人，使人們更容易集中注意力在一個給定的環境中做最重要的事情。
強化學習組：強化學習組致力於自主決策的理論基礎、算法和系統。主要研究領域包括馬爾可夫決策過程和上下文決策過程的泛化。他們的技術已經成功地應用於許多領域，如在線廣告、推薦、網絡搜索、會話系統、遊戲和程序合成。由於名單上人較多，以下截圖為部分名單。
以上為此次微軟新成立的AI研究院中包含的13個研究組。
