1
| 本文作者： 老王 | 2017-02-07 20:39 |
2月4日至2月9日，舊金山迎來(lái)人工智能的國(guó)際頂級(jí)會(huì)議——AAAI 2017。
AI科技評(píng)論作為前赴第一線現(xiàn)場(chǎng)報(bào)道的中國(guó)媒體，在大會(huì)期間為大家梳理了一份AAAI 2017的現(xiàn)場(chǎng)精華集錦。內(nèi)容包括七大部分，讓你即便不在現(xiàn)場(chǎng)也能感受一番“故事在手，天下我有”的體驗(yàn)。
今年的 AAAI 2017 上，百度、騰訊、華為、360、今日頭條、攜程、iPIN 等公司的人工智能團(tuán)隊(duì)都有論文被收錄。
百度
今年百度共有兩篇論文被 AAAI 收錄，分別是《Collaborative Company Profiling: Insights from an Employee's Perspective》和《Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition Xiao》。第一篇論文主要通過(guò)介紹如何對(duì)人力資源實(shí)現(xiàn)人工智能化的管理。據(jù)稱(chēng)，百度的智能化人才管理系統(tǒng)目前算得上是全球首創(chuàng)，將采用人工智能探討如何從員工的視角讓公司產(chǎn)生更大的人力價(jià)值。
百度IDL主任林元慶也領(lǐng)導(dǎo)團(tuán)隊(duì)提交了一篇關(guān)于本地化描述的深度學(xué)習(xí)論文，主要是解決基于細(xì)粒度的識(shí)別定位。團(tuán)隊(duì)認(rèn)為，這一問(wèn)題的核心挑戰(zhàn)在于尋找最具區(qū)分度的本地區(qū)域，并引入了一個(gè)屬性引導(dǎo)的定位方案。通過(guò)設(shè)計(jì)一種新型的獎(jiǎng)勵(lì)策略，團(tuán)隊(duì)能夠讓機(jī)器在強(qiáng)化學(xué)習(xí)算法上實(shí)現(xiàn)區(qū)域空間與語(yǔ)義的區(qū)分。此外，團(tuán)隊(duì)在 CUB-200-2011 數(shù)據(jù)集上也已經(jīng)證明了該方案的優(yōu)越性。
騰訊優(yōu)圖實(shí)驗(yàn)室
騰訊優(yōu)圖實(shí)驗(yàn)室與廈門(mén)大學(xué)合作撰寫(xiě)的學(xué)術(shù)論文「Towards Optimal Binary Code Learning via Ordinal Embedding」被 AAAI 2016 收錄，其中提及了保持相對(duì)排序的哈希排序算法（OEH+DTW，Ordinal Embedding Hashing and Dynamic Time Warping），采用監(jiān)督學(xué)習(xí)，改進(jìn)了傳統(tǒng)哈希搜索技術(shù)中的效能問(wèn)題。而在今年的「Ordinal Constrained Binary Code Learning for Nearest Neighbor Search」中，黃飛躍采用了一種新型的保持排序散列方法，即 Ordinal Constraint Hashing (OCH)，并在三個(gè)大規(guī)模視覺(jué)搜索基準(zhǔn)數(shù)據(jù)集（LabelMe, Tiny100K 和 GIST1M）中取得了性能較好的結(jié)果。
華為諾亞方舟實(shí)驗(yàn)室
華為諾亞方舟實(shí)驗(yàn)室的李航團(tuán)隊(duì)在今年也同樣有新成果，在「Neural Machine Translation with Reconstruction」中，團(tuán)隊(duì)認(rèn)為雖然端到端神經(jīng)機(jī)器翻譯（NMT）在過(guò)去兩年取得了進(jìn)展，但一個(gè)主要缺點(diǎn)在于 NMT 系統(tǒng)生成的翻譯通常缺乏充分性（adequacy），即反復(fù)翻譯一些單詞而錯(cuò)誤地忽略其它單詞。為了解決這個(gè)問(wèn)題，團(tuán)隊(duì)提出了一個(gè)「編碼-解碼-再現(xiàn)器」的 NMT 框架，能夠顯著提升 NMT 輸出的充分性，并獲取更好的翻譯結(jié)果。
360
360 首席科學(xué)家顏水成教授的團(tuán)隊(duì)今年也有論文入選 AAAI 2017，「Multi-Path Feedback Recurrent Neural Network for Scene Parsing」，論文考慮通過(guò)多路徑反饋的遞歸神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了現(xiàn)場(chǎng)解析。這個(gè)新穎的 MPF-RNN 能夠提高 RNNs 在不同層次的遠(yuǎn)程環(huán)境建模的水平，比起原本容易混淆的圖像，能夠獲得更理想的分辨像素。與前饋 CNN 與 RNN 只具有單一反饋不同，MPF-RNN 學(xué)會(huì)在頂部層級(jí)通過(guò)多種上下文特征學(xué)習(xí)底部特征的加權(quán)連接。
攜程
攜程科研團(tuán)隊(duì)的論文也同樣被 AAAI 2017 收錄，這篇名為「A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems」的文章基于公司自主研發(fā)的通用化推薦系統(tǒng)而寫(xiě)就，并獲得了上海經(jīng)信委專(zhuān)項(xiàng)基金支持。根據(jù)攜程團(tuán)隊(duì)的說(shuō)法，論文提及系統(tǒng)采用了深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)編碼技術(shù)，目前陸續(xù)落地了 50 余個(gè)個(gè)性化場(chǎng)景，而某些場(chǎng)景的轉(zhuǎn)化率提升了 13 倍之多，有效地提升了用戶(hù)的出行體驗(yàn)。
iPIN
iPIN 團(tuán)隊(duì)的「Recurrent Attentional Topic Model」則利用了深度學(xué)習(xí)技術(shù)在文檔實(shí)現(xiàn)建模，增加了句間的語(yǔ)義相關(guān)性，并基于 Topic Model 應(yīng)用于社會(huì)經(jīng)濟(jì)圖譜，并研發(fā)一個(gè)類(lèi) Watson 的認(rèn)知框架，以輔助用戶(hù)決策。“Alpha Go 雖然在圍棋上戰(zhàn)勝了世界冠軍，但是它的決策過(guò)程依然是一個(gè)黑箱，我們無(wú)法知曉它走某一步棋背后的原理何在。IBM Watson 與其他人工智能公司的最大不同在于，它們將理解和分析融入到機(jī)器學(xué)習(xí)中去，而我們也同樣會(huì)將機(jī)器在決策中的分析過(guò)程以邏輯的形式梳理出來(lái)。”iPIN CEO 楊洋向雷鋒網(wǎng)表示，雖然目前公司的研究成果還處于試驗(yàn)階段，距離真正的應(yīng)用還有一段距離。
AAAI 每年所邀請(qǐng)的演講嘉賓也順利成章地成為了關(guān)注的重點(diǎn)。今年共有六位學(xué)術(shù)大牛受邀來(lái)到了舊金山，與觀眾們分享人工智能的研究觀點(diǎn)。以下為雷鋒網(wǎng)整理的嘉賓演講及主題：
2 月 5 日，田納西大學(xué)與國(guó)家科學(xué)基金 Lynne Parker：《美國(guó)國(guó)家人工智能研究及發(fā)展戰(zhàn)略計(jì)劃的創(chuàng)新之處》。此前雷鋒網(wǎng)曾經(jīng)報(bào)道過(guò)關(guān)于這位學(xué)界大神的介紹，更多可參看《琳恩帕克：調(diào)教一個(gè)機(jī)器人不難，她要教一群機(jī)器人自動(dòng)「聚沙成塔」》
2 月 6 日，MIT 的 Rosalind Picard：《構(gòu)建情感智能技術(shù)存在的風(fēng)險(xiǎn)》；
2 月 7 日，劍橋大學(xué)工程部 Steve Young：《機(jī)器學(xué)習(xí)的統(tǒng)計(jì)語(yǔ)音對(duì)話系統(tǒng)及其挑戰(zhàn)》；同一天下午還有倫敦大學(xué)教授 Peter Dayan的《神經(jīng)強(qiáng)化學(xué)習(xí)與人工強(qiáng)化學(xué)習(xí)的兼容性》；
2 月 8 日，德克薩斯大學(xué)奧斯汀分校 Kristen Grauman：《根據(jù)無(wú)標(biāo)簽視頻，機(jī)器如何學(xué)習(xí)移動(dòng)與觀察方位》；
2 月 9 日，MIT CSAIL 與本田研究院 Russ Tedrake：《現(xiàn)實(shí)世界中，動(dòng)態(tài)機(jī)器人的凸度與組合優(yōu)化》；
此外還有谷歌 Dmitri Dolgov、NASA 的 Jeremy Frank等人的沙龍會(huì)議。
除了上述6大重點(diǎn)演講外，雷鋒網(wǎng)全程跟進(jìn)了多位AI大牛的分享。
谷歌首席科學(xué)家 Vincent Vanhoucke
Vincent Vanhoucke是Google的首席科學(xué)家，斯坦福大學(xué)電子工程學(xué)博士，目前在Google Brain主導(dǎo)機(jī)器人相關(guān)的項(xiàng)目。Vanhoucke主要的研究領(lǐng)域是語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)和機(jī)器人等領(lǐng)域，他還即將主持機(jī)器人領(lǐng)域的盛會(huì)CoRL 2017（Conference on Robot Learning）。
Vanhoucke在AAAI大會(huì)中提到：機(jī)器智能現(xiàn)在已經(jīng)發(fā)展到一個(gè)相當(dāng)?shù)乃疁?zhǔn)，在某些特定情境下的表現(xiàn)可以媲美（甚至超越）人類(lèi)，比如機(jī)器視覺(jué)、機(jī)器翻譯、語(yǔ)音識(shí)別，現(xiàn)在是時(shí)候讓這些能力在物理世界中發(fā)揮效應(yīng)了。他在今天的演講中提到，robotics的研究現(xiàn)在也正面臨著一場(chǎng)深度學(xué)習(xí)的革新，實(shí)現(xiàn)這一點(diǎn)，需要現(xiàn)在的機(jī)器學(xué)習(xí)從業(yè)者跳出監(jiān)督學(xué)習(xí)的舒適區(qū)，面臨一些棘手的問(wèn)題：數(shù)據(jù)稀缺，如何使機(jī)器實(shí)現(xiàn)技能轉(zhuǎn)換以及持續(xù)性的學(xué)習(xí)等等。Vanhoucke也提到，這也是人工智能從理論到實(shí)踐的必經(jīng)之路。
Vanhoucke分別介紹了他在圖像、語(yǔ)音（及機(jī)器翻譯）領(lǐng)域和機(jī)器人（主要是機(jī)械手抓取）的一些研究成果。
亞馬遜AWS機(jī)器學(xué)習(xí)總監(jiān)Alex Smola：如何用MXNet構(gòu)建可拓展的深度學(xué)習(xí)框架？
亞馬遜 AWS 機(jī)器學(xué)習(xí)總監(jiān) Alex Smola 做了主題分享，介紹了如何利用 MXNet 構(gòu)建一個(gè)可拓展的深度學(xué)習(xí)框架。
Alex Smola 是 MXNet 主要作者李沐在 CMU 的博士導(dǎo)師，后者在 Smola 加入亞馬遜期間一直在做 MXNet 開(kāi)發(fā)和 AWS 上深度學(xué)習(xí)的應(yīng)用，這也難怪在 Smola 演講最開(kāi)始的感謝名單上，第一個(gè)名字就是李沐。
那么，作為亞馬遜的官方開(kāi)源平臺(tái)，MXNet 又是如何實(shí)現(xiàn)「又快又好」的目標(biāo)呢？
Smola 指出，要構(gòu)建一個(gè)這樣集高效與個(gè)性化于一體的框架，首先不可避免地要涉及潛變量模型的設(shè)計(jì)。潛變量模型是一種結(jié)構(gòu)方程模型，區(qū)別于顯變量，指的是不能被直接觀測(cè)、需要通過(guò)間接數(shù)據(jù)體現(xiàn)的指標(biāo)。而它具有以下兩種表現(xiàn)形式：
首先是時(shí)間序列觀察，包括了購(gòu)物、點(diǎn)贊、App 的使用、郵箱、廣告點(diǎn)擊、查詢(xún)及評(píng)分等。
其次是用潛狀態(tài)解釋用戶(hù)的行為。一個(gè)是基于非參模型的方法，系統(tǒng)能夠數(shù)據(jù)構(gòu)建用戶(hù)畫(huà)像，剔除存在誤差的推斷；第二點(diǎn)是基于深度神經(jīng)網(wǎng)絡(luò)的 RNN 還有 LSTM 及 GRU 等方法。
大會(huì)期間，雷鋒網(wǎng)組織了一次AAAI華人舊金山沙龍，有近30位AI學(xué)者、業(yè)者聚集在沙龍場(chǎng)地。AAAI現(xiàn)任執(zhí)委楊強(qiáng)教授、今日頭條實(shí)驗(yàn)室總監(jiān)李磊、清華大學(xué)智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室主任朱小燕、iFly.vc合伙人沈瀚（他在Fomula 8時(shí)主導(dǎo)了Oculus的投資)、物靈科技人工智能首席科學(xué)家吳惟心、iPIN創(chuàng)始人楊洋在現(xiàn)場(chǎng)做了分享。
楊強(qiáng)教授從1990年起就參加AAAI，在這次的沙龍中講述了AAAI 二十幾年的歷史變遷。楊強(qiáng)教授回憶到，1990年的那期會(huì)議有個(gè)激動(dòng)人心的題目是邏輯——非單調(diào)邏輯，有很少的人群在研究人工智能、概率，更多的人是在研究邏輯，到現(xiàn)在情況又完全不同，今天是就機(jī)器學(xué)習(xí)的天下了。
人工智能的國(guó)際頂級(jí)會(huì)議必定少不了讓人垂涎的獎(jiǎng)項(xiàng)，此次大會(huì)頒發(fā)了多個(gè)獎(jiǎng)項(xiàng)，其中包括：
Deployed Application Awards獎(jiǎng)項(xiàng)頒發(fā)給了“Large Scale OccupationalSkills Normalization for Online Redcruitment”和“Phase Mapper：An AIPlatform toAccelerate High Throughout Materials”
Robert S.Engelmore Memorial Award Leture頒發(fā)給了David Aha
AAAI 2016 Blue Sky Winner頒發(fā)給了“The AI Rebellion：Changing the Narrative”、“Moral Desision Making Frameworks for Artificial Intelligence”和“Getting More Out of the Exposed Structured in Constraint Programming Models of Combinatorial Problems”
杰出服務(wù)獎(jiǎng)（Distinguished Service）頒發(fā)給了Jim Hendler
AAAI/EAAI杰出教育者獎(jiǎng)頒發(fā)給了Sebastian Thrun
AAAI Classic Paper頒發(fā)給了Dieter Fox等人在1999年佛羅里達(dá)大會(huì)上撰寫(xiě)的“Monte Carlo Localization：Efficient Position Estimation for Mobile Roots”
Feigenbaum Prize頒發(fā)給了斯坦福大學(xué)的Yoav Shoham
除了獎(jiǎng)項(xiàng)之外，大會(huì)還宣布了3名高級(jí)會(huì)員和7位新當(dāng)選 Fellow：
三位高級(jí)會(huì)員是：Alessandro Cimatti、Xuelong Li（中科院）和Nathan R. Sturtevant,
7名Fellow是：Ronen I. Brafman， Eduard H. Hovy, Tommi S. Jaakkola, Maurizio Lenzerini, Fangzhen Lin(香港科技大學(xué))、Dale Schurmans, Munidar P. Singh.
大會(huì)組委會(huì)宣布了多項(xiàng)關(guān)于 AAAI 的數(shù)據(jù)：
參會(huì)人數(shù)，AAAI 2017 注冊(cè)參會(huì)人數(shù) 1692 人，為近年來(lái)最高；
根據(jù)官方數(shù)據(jù)顯示，2013年是AAAI論文數(shù)量的一個(gè)低谷，而從這一年開(kāi)始，AAAI加快了國(guó)際化的步伐，連續(xù)4年論文連創(chuàng)新高，今年大會(huì)收到的投遞論文為2571篇，為歷史最高；
大會(huì)發(fā)表的論文總數(shù)為 639 篇，錄取率為24.9%；
從主題來(lái)看，Machine Learning毫無(wú)懸念?yuàn)Z得投遞數(shù)和錄取數(shù)的冠軍，2-5名依次是NLP、Application、Search/Planning、Vision；
從論文標(biāo)題看，Latent、Estimation、Kernel這三個(gè)單詞出現(xiàn)率最高，其他出現(xiàn)率較高的單詞還包括：ProCESs、Algorithms、Application、Structured、Fast、Tracking、Solving. （說(shuō)句題外話，知乎有大神總結(jié)過(guò)CV和Deep Learning類(lèi)灌水論文標(biāo)題套路，CV灌水文多用{consistent/robust/joint/regularized/generalized/discriminated/structured}) + {learning/coding/dictionary/representation} + {based/for} + 經(jīng)典保留曲目(如{image segmentation/verification/identification})，而Deep Learning灌水文多用“ deep feature for/based XXXX”。
（AI君對(duì)比了一下，上述灌水詞幾乎都沒(méi)有出現(xiàn)，看來(lái)大會(huì)的論文質(zhì)量還是可以的）
在Keyword中出現(xiàn)頻率最高的10個(gè)單詞分別為：Data、Learning、Model、Algorithm、Methods、Proposed、Information、Network、Different；
錄取率最高的領(lǐng)域包括：Game Theory、Search/Planning、Intefrated System Track、Uncertainly、Cognitive systems track、Vision、Comuter sustainbility track、Knowledge Representation、Machine Learning、MAS、Robotics、Application、Human、NLP；
AAAI的Job Fair分為兩個(gè)不同場(chǎng)次：在Grand Ball Room的現(xiàn)場(chǎng)展位以及在Continental Ball Room的10分鐘宣講。需要尋找工作的學(xué)生可以先聽(tīng)自己感興趣的公司對(duì)自己業(yè)務(wù)以及招聘概況的介紹，如果感興趣可以再到現(xiàn)場(chǎng)展位進(jìn)行更詳細(xì)的洽談。
高校：來(lái)到現(xiàn)場(chǎng)招聘的高校包括University of Kentucky、Nanyang Technological University、National University of Singapore、Kyushu University等。從AI君現(xiàn)場(chǎng)觀察情況看，盡管AI畢業(yè)生往產(chǎn)業(yè)走的比例一直在提高，但現(xiàn)場(chǎng)還是有不少人對(duì)學(xué)術(shù)職位感興趣。
（企業(yè)）研究所：包括IBM Research、Disney Research、Maluuba Research、Allen Institute of Artificial Intelligence等。這些研究所招聘崗位包括博士后崗位，以及與自己業(yè)務(wù)相關(guān)的研發(fā)人員，如Disney的招聘官就和AI君表示，他們對(duì)NLP、機(jī)器人、計(jì)算機(jī)視覺(jué)等崗位有需求。
企業(yè)：企業(yè)是招聘的主流，從現(xiàn)場(chǎng)的情況看，情況最好的是Facebook，而一些相對(duì)“傳統(tǒng)”的企業(yè)，如Ford（招聘分析人員）、GM（招聘自動(dòng)駕駛?cè)藛T）就較少有人問(wèn)津，甚至像Capital One這樣在Fintech領(lǐng)域做了不少事兒的金融公司，在中國(guó)招人恐怕要搶破頭了，但在現(xiàn)場(chǎng)也并沒(méi)有得到太多的關(guān)注。
其實(shí)不少企業(yè)并沒(méi)有在招聘上抱太大想，而是把Job Fair當(dāng)做企業(yè)做PR的平臺(tái)。而更希望通過(guò)這一平臺(tái)發(fā)揮作用，吸引優(yōu)秀人才的企業(yè)則使出渾身解數(shù)來(lái)宣傳自己，如iPin的創(chuàng)始人楊洋在宣講中就提出了“高額搬家費(fèi)與期權(quán)”、“三年內(nèi)上市”等很實(shí)在的條件，甚至提出“如果沒(méi)有女（男）朋友，我們可以幫你找（因?yàn)槲覀兪亲稣衅傅模胰耸俏覀兊奶亻L(zhǎng)）”，引來(lái)聽(tīng)眾一片笑聲。
AAAI 還未結(jié)束，后續(xù)雷鋒網(wǎng)將為大家呈現(xiàn)更多精彩的內(nèi)容。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
