DVWtEpVVQAAfnN2

AAAI2018正式落幕 13个世界顶尖AI教授都讲了啥?

白鸽人工智能2018/02/06

智东西(公众号:zhidxcom) 编 | 白鸽 智东西2月8日消息,今天,第32届AAAI大会已在美国新奥尔 […]

智东西(公众号:zhidxcom)
编 | 白鸽

智东西2月8日消息,今天,第32届AAAI大会已在美国新奥尔良闭幕。本次大会不仅颁发了最佳论文奖、最佳学生论文奖、经典论文将等一系列奖项。作为顶级学术会议之一,AAAI还邀请13重量级嘉宾,组织多场不同主题的演讲,共同探讨AI领域的发展。

AAAI成立于1979年,名为“美国人工智能协会”,2007年更名为“人工智能促进协会”。全球有超过4000名会员。AAAI每年赞助许多会议和研讨会,并为14种人工智能领域的期刊提供支持。而AAAI组织的“AAAI人工智能会议”,被认为是人工智能领域的顶级会议之一。

一、机器学习方法霸榜,视觉领域成后起之秀

在AAAI2018大会上,不管是论文投递数量还是录取数都呈现出一个新的高峰。论文投递数共3808篇,较去年提升47%,其录用数为983篇。其中,仅中国就投递了1242篇,当仁不让的成为AAAI学术论文第一产地。

据了解,在AAAI2017的投稿论文中,机器学习(投稿 910 篇,收录 215 篇)、NLP(投稿 373 篇,收录 77 篇),应用(投稿 268 篇,收录 61 篇)这三大领域是 AAAI 最受关注和欢迎的投稿领域。此外,检索/规划、视觉、知识表征和博弈论等领域的投稿论文也不在少数。

今年,机器学习方法以投稿1184篇,收录261篇的数据高居榜首。此外,AAAI2018在视觉领域(Vision)的投稿数和论文录用数实现了质的飞跃,其投稿435篇,录用126篇,以257%的投稿增长和285%的录用增长比重排在第二名。NLP和机器学习、AI和网络、机器学习应用等相关研究领域紧随其后。

二、7位特邀演讲嘉宾,不同领域看AI发展现状

作为顶级会议之一,当然不能仅仅是颁奖这么简单,重点还在于其特别邀请的七位重量级嘉宾做的主题演讲,这七位特邀嘉宾分别为 Subbarao Kambhampati教授、Yejin Choi副教授、Cynthia Dwork教授、Zoubin Ghahramani教授、Joseph Halpern教授、Charles Isbell教授、Percy Liang教授。他们分别从自己研究领域出发,分享自身研究成果,为观众带来一场AI知识盛宴。现在,让我们一起回顾七场重量级嘉宾的精彩演讲内容。

1、AAAI2018主席,亚利桑那州立大学的教授 Subbarao Kambhampati

DVNiXTXUQAABfFb

演讲主题:《人类感知AI系统的挑战》

精彩内容:长期以来,AI的研究一直受到对人类双重矛盾的影响,就像它在替换人类劳动者和增强人类能力之间摇摆一样。现在,AI技术正在飞速发展,并不断侵入我们的生活,那么AI系统更需要与人类协同工作。那么,要有效的做到这一点,AI系统的发展就必须更加关注在与人类相互协作方面的功能,包括情感和社交智能。

在演讲中,Subbarao Kambhampati 教授讨论了设计具有人类认知功能的AI系统所面临的研究挑战,包括对人的心理状态进行建模、识别他们的愿望和意图并提供积极的支持以及对行为和需求做出切实的解释。

Subbarao Kambhampati教授也调查了迄今在这些挑战方面取得的进展,并在演讲中突出了一些有希望的方向,也谈到了这些系统构成的额外的道德困境。

此外,在演讲中,他还谈到追求人类意识的人工智能系统拓宽了人工智能企业的研究范围,这就迫切需要和促进真正的跨学科协作,并且可以大大提高公众对人工智能技术的接受度。

2、华盛顿大学Paul G.Allen计算机科学与工程学院的副教授Yejin Choi

DVOp9g1VoAAHgLA

演讲主题:《从纯粹的物理动作到了解内涵:用语言来学习和推理世界》。

精彩内容:在演讲中,Yejin Choi 首先介绍了如何通过适应框架语义的表示,来组织常识的各个方面,并将其从纯粹的物理知识转化为更抽象的内涵。此外,她还讨论补充了以框架为中心的方法的神经网络方法,并通过讨论当前模型和形式主义方面的挑战来结束此次演讲,还指出了未来研究的途径。

与此同时,Yejin Choi还讨论了如何从没有体现的语言中还原出琐碎的日常知识。其中一个关键的洞察就是人们分享和假设的隐性知识,系统地影响着人们使用语言的方式,这为间接理解世界提供了线索。例如,如果Jen进入她的房子,那一定是她的房子比她大。

3、哈佛/拉德克利夫高等研究学院的Cynthia Dwork教授

DVXG-PgW4AAfyyl

演讲主题:《公平问题》

精彩内容:算法的“不公平性”问题,在时下的流行媒体上引起了相当的关注。用于实现公平的算法技术现在经常出现在专题研讨会以及已经设立研究项目的研究会议中。

Cynthia Dwork教授此次演讲重点讨论了数学严谨的公平理论(定义、方法和可证明的限制以及折衷)的新研究,为“解释性”等热点政策问题提供一个研究方向,并为未来的研究提出新的问题。

4、 剑桥大学信息工程系教授和Uber首席科学家Zoubin Ghahramani

DVT6A0SV4AEjO8F

演讲主题:《概率机器学习和人工智能》

精彩内容:概率论为理解学习和建构合理的智能系统提供了一个数学框架。Zoubin Ghahramani 教授在演讲中回顾了概率AI领域的基础,然后重点介绍其当前的一些研究领域,涉及到了贝叶斯深度学习、概率规划、贝叶斯优化和数据科学 AI 等主题。

5、担任AAAI、AAAS、美国艺术与科学学院、ACM、IEEE、博弈论学会和经济理论进步学会Fellow的Joseph Halpern教授

DVY-AvrX4AIbgBt

演讲题目为:《实际因果关系:一项调查》

精彩内容:“事件 C‘事实上导致’事件 E”的含义何在?界定实际因果关系的问题不仅仅是哲学思辨。例如,在许多法律论点中,确定责任就是需要建立的(车祸或医疗问题的真正原因究竟是什么?)。自 18 世纪以来,哲学文献一直在与定义因果关系的问题斗争。许多定义都是用反事实来表述的。(C 是 E 的一个原因,如果 C 没有发生,那么 E 就不会发生)。

2001 年,Joseph Halpern 和 Judea Pearl 引入了一个新的实际原因的定义,用 Pearl 的结构方程的概念来模拟反事实。自那时以来,这个定义被修改了两次,扩展为处理“责任”和“责备”等概念,并应用于数据库和程序验证。在这一演讲中,Joseph Halpern 围绕他与 Judea Pearl、 Hana Chockler 以及 Chris Hitchcock等人过去15年的研究进行了回顾和展望。

6、 乔治亚理工学院计算学院教授兼高级副院长,机器学习研究人员Charles Isbell

DVR9sC-X0AIG8IB

精彩内容:之所以建立机器学习系统,是因为我们希望它们能够以某种方式行事。在这种情况下,“我们”这一主体通常是人类。无论我们想传达特定的策略还是细微的偏好,亦或者想要对目标本身做一个定义,这都需要某种形式的从人到算法的知识迁移。交互式机器学习主要集中在利用机器学习技术解决人工智能问题的背景下推动迁移的技术。

Charles Isbell教授在本次演讲探讨了交互式机器学习中所研究的一些问题和技巧,特别强调与人类参与者的实验结果所产生的违反直觉的设计原则,尤其,那些违反直觉的原则通常是由于对we和us的错误理解而产生的。

7、著名华人NLP专家,斯坦福大学计算机科学助理教授Percy Liang

演讲主题:《我们应该如何评估AI的机器学习》。

精彩内容:机器学习在推动人工智能领域取得的巨大成功无疑是引人注目的,但也衍生出了训练和测试AI的评价范式。这个标准评估只会鼓励平均行为良好的行为, 但它不能保证对抗性例子所显示的鲁莽性,并且对对话这样的互动性任务或者错误的回答无计可施。

因此,在这次演讲中,Percy Liang 将介绍以自然语言理解任务为重点的评估范例,并探讨在有意义的方向上指导 AI 的进展。

三、新兴课题计划:AI与人类的协作

在此次会议上,AAAI还专门推出了AI和人类协作新兴课题计划,其目的就是为了突出这些技术的挑战和机遇,同时展现新的人与AI伙伴关系的价值。因此,除七位特邀演讲嘉宾之外,还邀请了四位嘉宾,从他们的研究领域出发,分别从四个不同的角度对这一新兴课题进行阐述。

1、康奈尔大学计算机科学系的助理教授Ross Knepper

演讲主题:《类似于人类的机器人团队的交互行为》

精彩内容:现今,世界上的机器人都是在为人类工作,而不是与人类打交道。在机器人可以相互合作之前,它们首先需要具备像人一样思考和行动的能力。而当人类作为团体中的一员与其他成员共同行动时,他们参与协作计划,并通过与其他人交换关于目标、能力和局部计划等信息形成共识。

在演讲中,他讲述了一个关于机器人能够广泛理解并产生信息的框架,它不仅仅是通过自然语言来理解,还能够通过在它们之间传递信息时上下文含义的功能行动来理解。此外,谨慎的行动选择可以允许机器人能够以类似于心灵感应的方式与其人类伙伴进行交流。

他还在演讲过程中展示这种隐性的行为该如何帮助人类工作,就像能够在走廊里进行导航或者在装配等工作中使用复杂工具等。而且他还展示该功能是如何在出现故障后帮助人类进行修复的。

2、内盖夫本古里安大学信息系统工程系的教师,也是哈佛大学工程与应用科学学院的副教授Kobi Gal

演讲主题:《AI新挑战:支持人类在线交互》

精彩内容:随着网络技术和界面设计的进步,它可以使不同的复杂性活动可以通过互联网全部或部分进行,例如,公民科学、大型在线开放课程(MOOC)和问答网站等。而支持这些高度多样化的交互的需要,也给人工智能带来新的重大挑战。如,该如何设计高效的描述来描述在线群体交互;如何提供激励措施,保持参与者的积极性和生产力等。

Kobi Gal详细阐述其在该领域正在研发的项目,以便解决这些问题。并且其研发目标是为了支持在课堂上的学生能够进行小组学习,并为拥有数以千亿的志愿者的最大的网络平台——公民科学贡献力量。

3、EECS学院华盛顿州立大学人工智能的特聘教授Matthew Taylor

演讲主题:《利用人类输入提高强化学习》

精彩内容:在演讲过程中,他展示了最新研究进展,即通过利用来自信息不完善的用户的示范和奖励反馈,来着重强调该如何进行交互式机器学习,以便将计算机和人类的独特能力扩展大最大程度,从而改进强化学习。

4、佐治亚理工学院互动计算学院的助理教授,以及Facebook AI Research(FAIR)的研究科学家的Devi Parikh

演讲主题:《Towards Theory of AI’s Mind》

精彩内容:传统AI研究项目中,研究重点侧重于使AI能够更好的理解人类的意图、倾向、信仰以及背景等信息。这就涉及到使AI更加人性化,让它能够发展出我们头脑中的理论。而为了能够充分利用AI的进步,从而使我们的生活变得更好,那么人类与AI共同协作是非常重要的。

Devi Parikh认为,人类AI团队要富有成效,人类也必须发展出一个关于AI思想的理论,并去了解它的长处、弱点、信仰和怪癖。在此次演讲中,她详细介绍她在该领域的初步成果,即AI代理被训练回答有关图像的自然语言问题。

四、AI落地:智能化应用

在AAAI2018召开的同时,其分论坛第三十届人工智能创新应用年会也同期举行,它重点关注领域为AI技术的应用。本次会议也邀请了两位嘉宾,从其研究领域到将AI落地应用,详细阐述其研究成果。

1、卡内基梅隆大学机器人研究所的研究教授,智能协调和后勤实验室的负责人,还是Rapid Flow Technologies公司的联合创始人兼首席执行官Stephen Smith

sfs_300dpi

演讲主题《未来城市交通的智能基础设施》

精彩内容:现今,在智能交通领域,尤其是在实时交通信号控制领域,仍然面临着众多的挑战。而Stephen Smith教授所带领的研发小组在过去几年中一直在发展自适应交通信号控制系统,该系统被称为Surtrac(可伸缩城市交通流量控制)。作为一个分散的在线规划流程的交通信号控制系统,它结合了自动化规划和调度、多代理系统和交通。

此前,在宾夕法尼亚州匹兹堡东部地区,Surtrac公司已经初步部署了该交通信号控制系统,并取得了显著性的成果。目前,该技术正逐渐扩展到美国其它地区。

而Stephen Smith教授将其研究聚焦在能够通过直接的车辆或行人来与基础设施进行交互,从而进一步改善交通状况,以及在线分析用于实时事件检测的交通流信息,以及信号控制和路线选择决策的综合优化。在本次演讲中,Stephen Smith教授详细阐述了其整个研究过程。

2、Orbital Insight的计算机视觉工程师Boris Babenko

演讲主题:《利用人工智能和地理空间数据来了解地球的规模》

精彩内容:Boris Babenko在演讲中,首先讨论的是卫星图像领域,包括它是如何演变的,以及与这些图像相关的各种优势和挑战。此外,他还介绍了几个使用深度学习构建的计算机视觉模块的例子,以及一些经验教训。最后,Boris Babenko讨论了快速原型设计和生产计算机视觉/深度学习模型的实际考虑。