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

分布式人工智能盛会DAI 2024征稿:Agent Day,强化学习之父Richard Sutton将出席!颜水成、Sergey Levine以及DeepMind科学家将做主旨报告

会议简介

随着科技的飞速发展,人工智能已经成为了推动社会进步的重要力量。在这个时代,我们有幸见证并参与到分布式人工智能(Distributed Artificial Intelligence, DAI)的创新与应用中。分布式人工智能人工智能领域的重要分支,这几年引起了越来越多的关注。基于大型语言模型(LLM)的智能体(Agent)异军突起,通过结合大模型的强大语言理解和生成能力,展现出了在自然语言交互、知识推理、任务规划等方面的巨大潜力。AI Agent正在接棒大语言模型,成为当前AI圈的热点话题。Auto-GPT,AutoGen,HuggingGPT,LangChain Agent等大语言模型智能体在不同领域的应用潜力,从游戏、编程到日常任务自动化,正在逐步改变我们与技术的互动方式,在未来将发挥更加重要的作用。

在2019年,多智能体系统领域的一些国际知名学者发起了国际分布式人工智能学术会议——DAI,致力于打造一个联系国内外相关研究群体的高水平国际交流平台,汇聚了来自不同领域的研究人员和实践者,包括通用人工智能多智能体系统、分布式学习和计算博弈论等。通过提供高规格、国际知名的论坛,DAI促进了分布式人工智能理论与实践的研究。时至今日,DAI已先后在北京、南京、上海、天津、新加坡等地成功举办。

DAI 2024——第六届分布式人工智能国际会议,将于2024年12月18日至12月22日在新加坡举办。这场盛会将汇聚全球顶尖的研究人员和实践者,共同探讨和分享分布式AI的最新研究成果和实践经验。DAI 2024除了会议的高水平投稿之外,还邀请了国内外各大高校和研究机构的人工智能领域顶会(如NeurIPS,ICML,ICLR,AAAI等)论文作者做现场报告,旨在为大家呈现一场顶级人工智能领域的盛宴。

DAI 2024大会网站:http://www.adai.ai/dai/2024/call-for-workshop.html

此次大会邀请到了将带来Keynote的重量级嘉宾,学术大牛,业界翘楚。Richard S. Sutton, 被称为“强化学习教父”。作为强化学习领域的领军人物,Sutton教授的参与预计将吸引全球AI研究者和从业者的目光。Sutton教授是阿尔伯塔大学计算机科学系教授,强化学习人工智能实验室首席研究员,阿尔伯塔机器智能研究所首席科学顾问,CIFAR高级研究员,他提出的“阿尔伯塔计划”旨在通过环境交互学习打造与复杂世界交互并预测和控制其感官输入信号的长寿命计算智能体,推动智能系统从世界模型中学习。

Sergey LevineUC伯克利电气工程和计算机科学系的副教授,专注于能够使 Autonomous Agents 通过学习获得复杂行为的算法,特别是能够使任何自主系统学习解决任何任务的通用方法。Sergey 是强化学习领域大神,也是UC 伯克利的网红教授。。

Georgios Piliouras是谷歌DeepMind研究科学家,Google DeepMind 博弈论团队的负责人。他的研究兴趣在多智能体学习、算法博弈论区块链动力系统领域。

颜水成是昆仑2050全球研究院院长,天工智能联席CEO。颜水成博士是新加坡工程院院士、AAAI、ACM、IEEE 和 IAPR会士。他的研究领域包括计算机视觉机器学习和多媒体分析。

专家学者们的出席和演讲将为分布式人工智能领域的最新研究和发展趋势提供深刻的见解。

大会特色

大会亮点一:强大的特邀嘉宾报告阵容

Sergey Levine:加州大学伯克利分校副教授

Georgios Piliouras:谷歌DeepMind研究科学家

Richard S. Sutton:阿尔伯塔大学教授

颜水成:昆仑2050全球研究院院长,天工智能联席CEO

大会亮点二:大会特别设立"Agent Day"

为了进一步推动智能体技术的应用和普及,DAI 2024特别设立了“智能体日(Agent Day)”,旨在展示智能体技术在各行各业的实际应用,以及与人类互动的创新案例。在这一天,参会者将有机会亲历来自大语言模型智能体、多智能体系统、人机协作与交互等多主题的报告和交流盛宴。与会者有机会参与智能体技术展示和专题研讨交流。涵盖了最新的多智能体系统和应用案例,包括机器人协作、自动化决策支持系统等。行业专家和学者就智能体技术的发展趋势、挑战和未来前景进行深入讨论。

“智能体日”将成为大会的一大亮点,为参会者提供亲身体验和深入了解智能体技术的机会,同时也是一个促进学术界与产业界交流合作的平台。

大会亮点三:数十个顶会级别的会议报告

大会特别组织了顶会级别的会议报告,涵盖了多智能体系统、大语言模型强化学习博弈论机器学习、机器人学习,深度学习与模型等多领域,来自NeurIPS、ICLR、ICML、AAAI、CoRL、WWW、AAMAS等国内外顶级会议期刊的数十篇高质量学术论文。

征稿通知

DAI 2024会议征稿主题广泛,涵盖但不限于:

Agent Cooperation:

  • Biologically-inspired approaches and methods
  • Collective intelligence
  • Distributed problem solving
  • Teamwork, team formation, teamwork analysis
  • Coalition formation (non-strategic)
  • Multi-robot systems
  • Federated learning
  • Distributed learning systems

Humans and Agents:

  • Human-robot/agent interaction
  • Multi-user/multi-virtual-agent interaction
  • Agents competing against humans
  • Agent-based analysis of human interactions
  • Agents for improving human cooperative activities

Single/Multi-agent Learning:

  • Reward structures for learning
  • Multi-agent learning
  • Reinforcement learning
  • Deep learning
  • Adversarial machine learning

Computational Game Theory:

  • Complexity of algorithms for games
  • Practical algorithms for games
  • Behavioral models of games
  • Security games

Economics and Computation:

  • Auctions and mechanism designMarket design and applicationsSocial choice theoryGame theory for practical applicationsEconomics of blockchain systems

我们鼓励提交理论性、实证性和观点性论文,以推动分布式AI领域的深入理解和应用。所有提交的论文将经过严格的同行评审,确保会议内容的高质量和学术价值。

组织委员会

此次会议由南洋理工大学安波教授、以色列巴伊兰大学的Sarit Kraus教授共同担任大会主席。此外,组委会还包括了多位领域内的知名学者。

程序委员会共同主席:北京大学杨耀东教授、英国华威大学的Long Tran-Thanh教授

研讨会/讲座共同主席:上海交通大学的张伟楠教授、美国卡内基梅隆大学的Bryan Wilder教授

赞助联合主席:南京大学俞扬教授

宣传共同主席:上海科技大学赵登吉教授

发表共同主席:上海交通大学的陈思衡教授

本地组织共同主席:新加坡管理大学的王新润教授

联系方式

会议征稿全文提交日期为2024年8月25日到9月10日,论文通知日期为2024年10月5日。如有任何关于投稿的问题,请通过以下邮箱联系我们:

  • Yaodong Yang: yaodong.yang@pku.edu.cn
  • Long Tran-Thanh: long.tran-thanh@warwick.ac.uk

我们期待您的参与,共同见证和塑造分布式人工智能的未来。立即访问DAI2024官方网站http://www.adai.ai/dai/2024/index.html获取更多信息,并准备您的投稿。投稿请登录EasyChair 网站:https://easychair.org/conferences/?conf=dai20240

DAI 2024期待您的参与,共同探索和推动分布式人工智能的未来。

产业计算机视觉颜水成分布式人工智能
相关数据
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

https://deepmind.com/
颜水成人物

颜水成,新加坡国立大学副教授、360集团副总裁、人工智能研究院院长、第十三批国家 "千人计划"专家。颜水成的主要研究领域包括计算机视觉、深度学习、信息检索应用与多媒体分析。他带领的团队曾提出的“Network in Network” ,对深度学习产生了很大的推动力,同时他的团队开发的”Purine”是全球第一个开源的支持多机多GPU的深度学习系统。

俞扬人物

博士(导师为周志华),南京大学副教授,南京大学机器学习与数据挖掘研究所(LAMDA)成员。主要研究领域为人工智能、机器学习、演化计算、数据挖掘。

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

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。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

动力系统技术

动态系统(dynamical system)是数学上的一个概念。动态系统是一种固定的规则,它描述一个给定空间(如某个物理系统的状态空间)中所有点随时间的变化情况。例如描述钟摆晃动、管道中水的流动,或者湖中每年春季鱼类的数量,凡此等等的数学模型都是动态系统。 在动态系统中有所谓状态的概念,状态是一组可以被确定下来的实数。状态的微小变动对应这组实数的微小变动。这组实数也是一种流形的几何空间坐标。动态系统的演化规则是一组函数的固定规则,它描述未来状态如何依赖于当前状态的。这种规则是确定性的,即对于给定的时间间隔内,从现在的状态只能演化出一个未来的状态。 若只是在一系列不连续的时间点考察系统的状态,则这个动态系统为离散动态系统;若时间连续,就得到一个连续动态系统。如果系统以一种连续可微的方式依赖于时间,我们就称它为一个光滑动态系统。

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。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

语言模型技术

统计式的语言模型是借由一个几率分布,而指派几率给字词所组成的字串。语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。

北京大学机构

北京大学创办于1898年,初名京师大学堂,是中国第一所国立综合性大学,也是当时中国最高教育行政机关。辛亥革命后,于1912年改为现名。2000年4月3日,北京大学与原北京医科大学合并,组建了新的北京大学。原北京医科大学的前身是国立北京医学专门学校,创建于1912年10月26日。20世纪三、四十年代,学校一度名为北平大学医学院,并于1946年7月并入北京大学。1952年在全国高校院系调整中,北京大学医学院脱离北京大学,独立为北京医学院。1985年更名为北京医科大学,1996年成为国家首批“211工程”重点支持的医科大学。两校合并进一步拓宽了北京大学的学科结构,为促进医学与人文社会科学及理科的结合,改革医学教育奠定了基础。

官网,http://www.pku.edu.cn/
推荐文章
暂无评论
暂无评论~