Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

机器之心编辑部报道

IJCAI2019:中国接收论文最多,CMU德扑团队获奖,杰出论文公布

IJCAI 2019 大会今年在中国澳门举行。本届大会收到了将近 5000 篇投稿,有 850 篇被接收。其中,中国通讯作者的论文接收数最高。同时,大会公布了杰出论文,并向多位研究者颁发了卓越研究奖,而 CMU 德扑团队获得了第二个由 IJCAI 颁发的明斯基奖章。

大会概况

大会首先介绍了一些数据。首先先回顾了历年来的论文接收情况。从数量来看,2015 年开始,大会每年的投稿数都在急剧上升。

本届 IJCAI 大会收到了将近 5000 篇投稿,其中有 850 篇被接收。接收率为 18%。

从接收的地区来看,中国大陆(不含港澳台)被接受论文的数量最多(按通讯作者统计)。

接收数量的地区排名如下:

中国成为本届大会接收论文数量最多的国家。

获奖论文

杰出论文

IJCAI 2019 评选了一篇杰出论文 (Distinguished Paper),该论文作者来自德国马普研究所和图宾根大学。

标题:Boosting for Comparison-Based Learning

  • 作者:Michaël Perrot, Ulrike von Luxburg

  • 作者机构:德国马普智能研究所、德国图宾根大学

  • 论文地址:https://arxiv.org/pdf/1810.13333.pdf

论文中,研究人员研究了一种在基于对比条件下的分类问题。这种问题一般是这样的:给定一个集合,只能获得三元组信息,这个三元组的信息是三个目标的对比,如 x_i 到 x_j 的距离比 x_i 到 x_k 的距离小,怎样将 x_i 分类呢?在这篇论文中,研究人员提出了名为「TripletBoost」的算法,可以从这样的三元组数据中学习分类器。论文的主要思想是,将三元组带来的距离信息输入一个弱分类器中,可以序列化地逐步提升为一个强分类器。

这样的方法有两个优势:首先这种方法可以应用在各种矩阵空间中,另外这个方法可以解决很多领域中,只能被动获得的或者噪声的三元组信息。研究人员在论文中理论上验证了这一方法的可行性,并提出了需要获得的三元组数量的下限。通过实验,他们说这种方法相比现有的方法更好,并且能够更好的抵抗噪声。

图 1:三元组分类器的样例。给定参考点 x_j 和 x_k,空间可被分成两个部分——分别靠近 x_j 和 x_k 的样本。而三元组信息足以说明 x_i 属于哪个空间。

IJCAI-JAIR 最佳论文

获得 IJCAI-JAIR 最佳论文的是《Clause Elimination for SAT and QSAT》,作者来自德克萨斯大学奥斯汀分校、芬兰赫尔辛基大学、维也纳工业大学和奥地利约翰内斯·开普勒大学。这一奖项颁发给过去五年里发表在 JAIR 上的论文。

标题:Clause Elimination for SAT and QSAT

  • 作者:Marijn Heule,Matti Järvisalo,Florian Lonsing,Martina Seidl,Armin Biere

  • 论文地址:https://www.jair.org/index.php/jair/article/view/10942

这篇论文讲了什么

这篇论文看标题和摘要就感觉很难,估计非专业领域的研究者并看不懂它在研究什么,感兴趣的读者也可以查阅原论文。该论文表示,最典型的 NP 完全问题(NP-complete),布尔可满足性(SAT)和它 PSPACE-complete 泛化版的量化布尔可满足性(QAT)是声明式编程范式的核心,它能高效解决各种计算性复杂问题在现实世界中的实例。

该领域的成功是通过在 SAT 和 QSAT 决策程序的实际实现上,即 SAT 和 QSAT 求解器上的突破而实现的。在这篇论文中,研究者开发并分析了用于预处理和后处理的子句消除(clause elimination)过程。其中子句消除过程形成了一套 (P)CNF 形式化简化技术,因此在保持公式可满足性的同时,在多项式时间内去除具有特定冗余特性的子句。

其他奖项

IJCAI 2019 奖项设置分为:卓越研究奖(Research Excellence Award)、计算机与思想奖(Computer and Thought Award)、约翰麦卡锡奖(John McCarthy Award)以及杰出服务奖(Donald E. Walker Distinguished Service Award)。此外,今年 IJCAI 还颁布了第二枚马文·明斯基奖章。

马文·明斯基奖章

值得一提的是,去年 IJCAI 第一次颁布了以工智能领域创始人之一马文·明斯基命名的奖章:Marvin Minsky Medal,它奖励具有超越 AI 领域本身影响力的研究成果。第一枚奖章颁给了 DeepMind 的 AlphaGo 团队。

今年 IJCAI 颁布了第二枚马文·明斯基奖章,德州扑克 LIBRATUS 团队获得了这项荣誉。

链接:https://www.ijcai.org/awards/minsky_medal

卓越研究奖(Research Excellence Award)

2019 年卓越研究奖得主是斯坦福大学计算机科学教授 Yoav Shoham。Shoham 教授因对知识表示、多智能体系统和 AI 经济基础的研究而受到表彰。

Yoav Shoham 的研究兴趣主要包括人工智能、基于逻辑的知识表示、多智能体系统博弈论、电子商务等。他是 AAAI Fellow、博弈论社区(Game Theory Society)的创始会员。此外,他还创立了几家成功的电子商务软件公司。

卓越研究将旨在表彰在整个职业生涯中一直进行高质量研究并取得若干重大成果的科学家,往届获奖者都是人工智能领域最杰出的科学家,包括 Marvin Minsky (1991)、Judea Pearl (1999)、 Geoffrey E. Hinton (2005)、 Michael I. Jordan (2016), 和 Jitendra Malik (2018) 等。

计算机与思想奖(Computer and Thought Award)

IJCAI 计算机与思想奖主要颁发给人工智能领域的杰出青年科学家。这一奖项是在《计算机和思想》这本书(编辑为 Edward Feigenbaum 和 Julian Feldman)获得荣誉的同时设立的,现在由 IJCAI 资助。

今年的得主是加州大学洛杉矶分校助理教授、Samueli 研究员 Guy Van den Broeck。他因在统计和关系人工智能方面的杰出贡献,以及在可追踪性(tractability)在学习和推理中的研究而获此荣誉。

约翰麦卡锡奖(John McCarthy Award)

约翰麦卡锡奖旨在表彰那些拿到博士学位 15-25 年之间、在人工智能领域做出卓越贡献的职业生涯中期研究人员。该奖项以人工智能先驱 John McCarthy 的名字命名。

2019 年约翰麦卡锡奖的得主是华盛顿大学教授 Pedro Domingos。Domingos 教授因其对机器学习和数据科学以及统一逻辑和概率的贡献而受到表彰。

除了 IJCAI 约翰麦卡锡奖之外,Domingos 教授还获得过 SIGKDD 创新奖(SIGKDD Innovation Award)、美国自然科学基金委员会杰出青年奖(NSF CAREER AWARD)等奖项。他撰写或参与撰写的机器学习、数据挖掘等领域相关出版物超过 200 本。

杰出服务奖(Donald E. Walker Distinguished Service Award)

IJCAI 杰出服务奖设立于 1979 年,旨在表彰为 AI 领域做出贡献并提供服务的资深科学家。

今年 IJCAI 杰出服务奖的得主是意大利帕多瓦大学计算机科学教授、IBM 研究院杰出研究员 Francesca Rossi。她是 AI 伦理全球领导者(AI Ethics Global Leader),因其大量的贡献,以及在整个职业生涯中对人工智能领域的广泛服务而受到表彰。

Francesca 的研究兴趣主要包括约束推理、偏好、多智能体系统、集体决策等。她还对人工智能系统开发和行为的相关伦理问题感兴趣,特别是群体决策的决策支持系统。她是一位多产的研究者,在期刊、大会上发表过 190 多篇科学文章。

入门IJCAI 2019
2
相关数据
马文·明斯基人物

马文·李·明斯基,生于美国纽约州纽约市,美国科学家,专长于认知科学与人工智能领域,麻省理工学院人工智能实验室的创始人之一,著有几部人工智能和哲学方面的作品。1969年,因为在人工智能领域的贡献,获得图灵奖。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

博弈论技术

博弈论,又译为对策论,或者赛局理论,应用数学的一个分支,1944年冯·诺伊曼与奥斯卡·摩根斯特恩合著《博弈论与经济行为》,标志着现代系统博弈理论的的初步形成,因此他被称为“博弈论之父”。博弈论被认为是20世纪经济学最伟大的成果之一

多智能体系统技术

一个多智能体系统,是由一个在一个环境中交互的多个智能体组成的计算系统。多智能体系统也能被用在解决分离的智能体以及单层系统难以解决的问题。智能可以由一些方法,函数,过程,搜索算法或加强学习来实现。尽管存在相当大的重叠,然而一个多智能体系统并不总是一个基于智能体的模型表现一致。

推荐文章
暂无评论
暂无评论~