1
IJCAI 2016在紐約已經(jīng)舉行到第5天，不過相比CVPR大會時期黑科技的不斷刷屏，IJCAI顯得要低調(diào)的多，已經(jīng)過去的幾天除了微軟曝出了演講PPT：《深度學習在語義理解上不再難有用武之地》（NLP相關(guān)）；人工智能哲學專家Aaron Slaman公布了演講：《AI的發(fā)展已經(jīng)失去了方向？》（基礎(chǔ)理論與架構(gòu)相關(guān)），Deepmind的David Silver 解釋《AlphaGo如何工作》，我們并沒有看到太多大公司人工智能和機器人實驗室以及大學人工智能和機器人實驗室的震撼演講。
也沒有看到關(guān)于本次大會主題——【人類意識的人工智能】相關(guān)的杰出學術(shù)成果展示，這時我們不妨把注意力投入到主會場的報告方向，來重點關(guān)注這個夯實的大會研究的什么方向的問題是在推動人【類意識的人工智能】？
看什么，看那幾位主講人的演講，看大會講啥？
舉例，Data-based Promotion of Tourist Events with Minimal Operational Impact(基于數(shù)據(jù)庫利用最小化操作影響旅游消費）
演講人：Vishalaksh Aggarwal Biplav Srivastava Srikanth Tamilselvam
這里我們將演示用人工智能中運算量最少的方式來提高旅行活動的促銷。通過對事件的集體分析，來促進這個城市未來的旅游業(yè)發(fā)展以及影響這個城市管理者的風格。
關(guān)鍵詞：旅游促銷，機器學習，開源數(shù)據(jù)。
舉例，To Give or Not to Give: Fair Division for Strict Preferences（關(guān)于嚴格偏好中的公平分割問題）
演講人：Simina Branzei Yuezhou Lv Ruta Mehta
當滿足特定要求的情況下，單個的代理有嚴格的偏好，這種偏好在資源分配情景里時常出現(xiàn)，比如計算機（內(nèi)部各個任務(wù)執(zhí)行時）就要求對CPU，內(nèi)存，寬帶這些資源的分配盡量做到公平。
關(guān)鍵詞：公平價值分配技術(shù)，市場均衡。
舉例，Distributing Knowledge into Simple Bases （把知識庫分解成簡單的基礎(chǔ)（庫））
演講人：Adrian Haret Jean-Guy Mailly Stefan Woltran
理解經(jīng)典邏輯問題中碎片信念變化算子的行為這一問題，近幾年受到了越來越多的關(guān)注，比如最近流行的小說研究問題開始涉及碎片驅(qū)動的問題，這里我們要提出一個概念……
關(guān)鍵詞：信念，信念合并，碎片化。
舉例，Plan Recognition as Planning Revisited（規(guī)劃識別以及規(guī)劃的重新審視）
演講人：Shirin Sohrabi Anton Riabov Octavian Udrea
最近幾年，在域理論和總體規(guī)劃算法中，規(guī)劃識別中的規(guī)劃工作已經(jīng)讓我們看到了巨大希望，在這篇論文中，我們建議將以前的工作：標出觀察序列；更多地強調(diào)不可靠的觀測（比如噪聲或者遺漏的觀察）來協(xié)助……
關(guān)鍵詞：智能規(guī)劃，規(guī)劃識別，多樣性規(guī)劃。
舉例，Urban Water Quality Prediction based on Multi-task Multi-view Learning （基于多任務(wù)，多視角學習的城市水質(zhì)預(yù)測）
演講人： Ye Liu Yu Zheng Yuxuan Liang Shuming Liu David Rosenblum
城市水質(zhì)問題跟我們的生活息息相關(guān)，預(yù)測水質(zhì)可以幫助我們控制水污染和保護人類健康，在這篇文章里，我們將用多任務(wù)，多視角的辦法，來處理來自多個領(lǐng)域的不同數(shù)據(jù)集。
關(guān)鍵詞：城市計算，多任務(wù)學習。
舉例，Main track & AIW track Posters（主要跟蹤和AIW跟蹤）
原鏈接略……
原鏈接略……
舉例，Neural Segmentation Models Leveraging Segment Representations（利用分割模式表示神經(jīng)分割模型）
演講人：Yijia Liu Wanxiang Che Jiang Guo Bing Qin Ting Liu
自然語義處理的問題大都可以歸類為（語義）分割問題，這里我們結(jié)合semi-CRF與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來解決這個問題，我們的模型通過輸入和嵌入一個分割，然后再深入研究不同的組合功能和不同的嵌入式分割……
關(guān)鍵詞：自然語言處理，分割，神經(jīng)網(wǎng)絡(luò)，中（英）文分詞。
舉例，Constraint Detection in Natural Language Problem Descriptions（在自然語言問題描述中的約束檢測）
演講人：Zeynep Kiziltan Marco Lippi Paolo Torroni
在這個上下文中，形式規(guī)約語言將被設(shè)計用來以一種混合了自然語言和離散數(shù)學模型的，接近自然語言表達方法卻非常嚴格和精確的方法來表達約束問題。
關(guān)鍵詞：約束變成，自動模型再形成，自然語言問題描述的自動處理。
舉例，Mastering the Game of Go with Deep Neural Networks and Tree Search （ 如何用神經(jīng)網(wǎng)絡(luò)和樹搜索掌握圍棋游戲。）
演講人：Google DeepMind David Silver
我們的人工智能技術(shù)其實是從智能代理器開始的，你可以把智能代理器看做是一個機器人手臂、一輛自動駕駛汽車、或是一個推薦引擎的控制系統(tǒng)，這個智能代理器有一些目標需要完成，而且它也正在嘗試不斷優(yōu)化。
為了實現(xiàn)這個目標，我們需要編寫代碼，這也是我們?yōu)檫@個智能代理器所做的唯一的事情。
關(guān)于IJCAI這么頂級的AI學術(shù)會議，為什么贊助商沒有上次CVPR豪華，截止到目前過去做學術(shù)報告的大公司實驗負責人也沒有上次那么踴躍，AI科技評論君認為是有兩點原因?qū)е碌模?/p>
其一，CV領(lǐng)域目前處在學術(shù)到產(chǎn)業(yè)落地的高潮期，無人駕駛，無人機，VR，物體識別，工業(yè)檢測等多個領(lǐng)域現(xiàn)在都要用到它的最新技術(shù)，導致很多CV領(lǐng)域的學術(shù)成果一發(fā)布后就投入公司產(chǎn)品運用，所以引發(fā)了大量商業(yè)公司的追捧。
其二，IJCAI大會原本兩年舉辦一次，今年是跟上一次舉辦時間僅僅一年之隔，一些重要潛在參會對象可能這期沒有做好充分準備。加上今年的主題是人類意識的人工智能，這個相對于CVPR學術(shù)成果的應(yīng)用火爆，此次主題偏基礎(chǔ)理論的討論。
而基礎(chǔ)理論的討論恰恰不是很快能得出驚人結(jié)論的東西。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
