2016年美国人工智能协会年会(AAAI-16)简介

2117

2016年美国人工智能协会年会(The Thirtieth AAAI Conference on Artificial Intelligence, AAAI-16)于2016年2月12日至17日在美国亚利桑那州菲尼克斯召开,吸引了来自学术界与企业界逾千人参加。

AAAI由美国人工智能协会(American Association for Artificial Intelligence)组织,是人工智能领域的顶级会议之一。AAAI每年召开一次,今年已经是第三十届,此次会议也是AAAI第二次在冬季举办的旗帜性年会。此次AAAI与IAAI(Twenty-Eighth Conference on Innovative Applications of Artificial Intelligence)和EAAI(The Sixth Symposium on Educational Advances in AI)一并举行。

会议概况

本次会议举办时间为期6天,会议活动包括了AAAI主会录取论文的口头报告和海报展示、特邀报告、讲习课程、研讨会、应用展示等活动,也包括IAAI、EAAI的报告展示以及一些学生交流活动和业界交流展示活动。讲习课程、研讨会等活动在2月12-13日举行,主会与特邀报告等活动在2月14-17日举行。

本次会议共收到2132篇论文投稿,最终收录549篇长文,录用率为26%。录用长文采用口头报告和海报展示两种形式,口头报告时长18分钟,海报展示包括2分钟的口头展示和海报环节。会议还举行了近十场特邀报告,内容涵盖对人工智能整体发展趋势的介绍、对人工智能自身的思考,以及人工智能在各个领域,例如移动医疗、机器人、自动飞行等领域上的应用。除此之外,本次会议还安排了部分会议期刊(AAMAS, ILP, ICCV, ICRA, IUI, NAACL, UAI, SoCS)以及企业组织(Angry Birds, ASP, General Video Game AI, Kaggle, Planning, RoboCup, Winograd Schema Challenge)进行展示。

会议论文

AAAI是人工智能领域的顶级会议,是人工智能领域学术界与产业界的研究人员进行沟通交流、相互合作的重要平台。会议收录论文涵盖了多个主题:统计机器学习;视频、图像特征提取;市场调度;文本分类;知识图谱;数据挖掘;深度学习应用;信息检索;图像识别;效率与优化;互联网知识获取;关系抽取;图模型;机器人科学;信息抽取;问答系统;知识表示与推理;推荐系统;社交媒体;半监督学习;词向量表示;信息安全;多模态学习;博弈论;社会网络;模式识别;聚类学习;概率模型;认知系统;计算生物学;贝叶斯学习;加强学习等。

本次会议论文中,机器学习相关研究依旧占据了极大的比重,而深度学习与表示学习方法已经渗透至文本、图像、社会媒体等各个领域,发挥着至关重要的作用。深度学习中,以人工神经网络为代表,长短期记忆模型(LSTM)、卷积神经网络(CNN)、递归神经网络(RNN)等模型被广泛使用与拓展,并被改进以适应于各个特定领域。Lemao Liu等人的“Agreement on Target Bidirectional LSTMs for Sequence to Sequence Learning”使用双向LSTM模型解决自然语言处理中的序列对序列学习(Sequence to Sequence)问题;Jimmy Ren等人的“Look, Listen and Learn – A Multimodal LSTM for Speaker Identification”通过使LSTM在多模态中共同学习参数的方式,提升数据来源中说话人识别的效果;Lin Ma等人的“Learning to Answer Questions from Image Using Convolutional Neural Network”使用改进的卷积神经网络提升图片相关的问答系统的表现;Lili Mou等人的“Convolutional Neural Networks over Tree Structures for Programming Language Processing”通过针对树状结构的CNN对程序源码进行分析;Peter Ondruska等人的“Deep Tracking: Seeing Beyond Seeing Using Recurrent Neural Networks”则使用RNN处理机器人的物体轨迹追踪问题,获得了良好的效果。另外,在机器翻译领域中已被证明其有效性的基于Attention的神经网络模型也被广泛运用。从这些论文中我们可以看到,基于神经网络模型的深度学习已被广泛运用于自然语言处理、图像处理、视频音频处理等各个领域,并取得了一个个突破性的结果。从深度学习相关主题的论文数量和会场关注度来看,深度学习的热度与活力还将继续延续。

主会开幕致辞

AAAI主会在2月14日开幕,AAAI的主席Tom G. Dietterich在主会致开幕报告:通向稳健的人工智能。Tom G.Dietterich是AAAI,ACM和AAAS的成员,曾担任NIPS大会主席、国际机器学习协会创会主席,担任信息科学与技术顾问委员会、网络基础设施咨询委员会等政府机构的顾问,并主持arXiv上机器学习领域的论文,现任俄勒冈州立大学的特聘教授,是人工智能领域的著名学者。Tom G.Dietterich主要研究机器学习及人工智能领域中一些基本的理论问题,以解决实用系统中可能存在的人工智能的鲁棒性与安全性问题。

通向稳健的人工智能报告围绕人工智能的稳健性,主要有以下两个方面的内容:(1)介绍了我们对于人工智能系统稳健性的需求,并从高风险应用的情境以及现实世界中无法预料到的未知情境两方面着手,阐述了我们为什么需要稳健的人工智能系统;(2)介绍通向稳健的人工智能系统的方法,从针对已知的未知情境的鲁棒性,以及针对未知的未知情境的鲁棒性两个角度着手,阐述我们可能的方案。Tom G.Dietterich认为,在真实世界中,为所有事物建立细致的模型是不可能,也是低效的做法,因为我们不可能得到事物所有的先决条件(qualification Problem)和内隐条件(ramification Problem),并且模型复杂度越高,真实错误率就会越大。所以我们需要简化,甚至过度简化已有的模型。在这种情况下,一个简化后的模型在复杂世界中运行,就必须具有良好的稳健性。而通往稳健的人工智能,主要体现在两类方法中:(1)提升对建模误差的稳健性,可以通过稳健优化、正则化、对风险敏感设立优化目标、使用稳健的推理等方法实现;(2)提升对非建模现象的稳健性,可以通过扩充模型、使用因果模型、使用组合模型、监控模型异常等方法实现。人工智能系统只有实现稳健性,才能真正广泛运用于实际复杂世界中,为人类的生活与生产带来地覆天翻的变革。

特邀报告

本次会议邀请了近十场特邀报告,内容涵盖人工智能在各个领域上的运用。Naveen Rao介绍了深度学习模型在学习过程中存在的挑战,以及计算与交流上的优化对深度学习的正面影响;Susan Murphy介绍了在移动医疗领域治疗策略学习的挑战与进展;Nick Bostrom在报告中探究了未来机器可能存在的超级智能应该走向何方,并提出了询问与展望;Toby Walsh主持的环节讨论了人工智能在劳动市场中起到的重要影响;Demis Hassabis介绍了Google雄心勃勃的DeepMind项目,以及通向普适人工智能(Artificial General Intelligence)之路;Claire Tomlin介绍了在航天、飞行与地面交通等领域使用的人工智能系统。这些特邀报告展示了人工智能在各行各业中起到的重要影响。

会议奖项

本次会议评选出两篇最佳论文。最佳论文是“Bidirectional Search That Is Guaranteed to Meet in the Middle”,论文的第一作者是Robert C. Holte。这篇论文第一次提出一种创新的双向启发式搜索算法——MM,保证在搜索中前向和后向搜索能够在“中间相遇”。论文对MM算法进行了详尽的理论推导与分析,同时对MM、A*算法和蛮力搜索进行比较分析。最佳学生论文由“Toward a Taxonomy and Computational Models of Abnormalities in Images”获得,论文的第一作者是Babak Saleh。这篇论文着重解决事物在异常情境下的图像处理问题。人类的视觉认知系统能够分辨出事物在异常情境下的图像(例如经过装饰、碰撞变形以及焚烧中的汽车),并且能够推理出事物出现异常图像的原因。真实世界中,事物并不一定总是表现出其常态,图像处理技术应该能够识别经过一定程度变形后的图像原型。然而计算机视觉对这个问题研究很少。这篇论文构建了包含各类异常事物图片的数据集,并且提出了一个基于理解和计算的模型解决异常情境下图像识别与分类问题。

在两篇最佳论文之外,AAAI还根据论文的影响力,评选出了两篇在1998年发表于会议的经典论文。其一是“The Interactive Museum Tour-Guide Robot”,论文的第一作者是Wolfram Burgard;其二是“Boosting Combinatorial Search through Randomization”,论文的第一作者是Carla P. Gomes。另外,AAAI、EAAI、IAAI也颁布了其它相关的奖项。值得注意的是,今年在AAAI会议上有6位学者被擢升为AAAI Fellow,这是此学会给予会员的最高荣誉。在其中,南京大学计算机科学与技术系周志华教授,以其在集成学习与多标记及部分标记数据学习上的卓越贡献获此殊荣,这也是中国大陆第一位获此殊荣的学者。

讲习课程和研讨会

AAAI共设置了17场讲习课程,内容涵盖深度学习、调度算法、社会媒体、逻辑编程、人工智能在医疗、灾难应对等方面的应用等热点问题。会议还设置了16场研讨会,内容涵盖了计算机理论研讨、文本知识抽取、社会媒体、符号认知系统、大数据处理、人工智能各领域的应用研讨等。讲习课程和研讨会在会议前两天进行。

总结与展望

AAAI是人工智能领域的顶级会议,也是此领域一年一度最重要的盛会之一。近年来,AAAI会议的投稿数飞速上升,会议规模不断扩大。在AAAI会场,无论是研讨会、口头报告或是海报展示环节,到处都有学术界与企业界的研究者们在倾听、询问与讨论。这充分说明了人工智能领域作为当前计算机研究的热点课题,正吸引着全球广大计算机学者的关注,并且仍在蓬勃发展,欣欣向荣。值得注意的是,在本次会议中,无论在会议组织者和分会场主席中,或是在口头报告和海报展示中,都能随处可见中国学者的活跃身影。这些也是中国人工智能领域繁荣发展的一个侧面佐证。

从本次会议的录用论文中我们可以读出,在人工智能领域,深度学习与神经网络模型已经成为重要的研究方法,并广泛运用于自然语言处理、图像处理、社会媒体等任务之中。从特邀报告中我们亦可领悟,在实验数据集上取得更好的结果仅仅只是开始,真实世界的人工智能系统需要安全、可用以及稳健。在研究的同时,我们也需要思考真正的人工智能之路。也许距离真正理想的人工智能仍旧任重而道远,但我们仍将充满希望,上下求索。

AAAI会议的海报展示环节

AAAI会议的海报展示环节

来源:智能立方

当前文章:Search » 2016年美国人工智能协会年会(AAAI-16)简介