1
IJCAI 2016在紐約已經(jīng)舉行到第5天，不過相比CVPR大會(huì)時(shí)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(xué)習(xí)在語義理解上不再難有用武之地》（NLP相關(guān)）；人工智能哲學(xué)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(jī)器人實(shí)驗(yàn)室以及大學(xué)人工智能和機(jī)器人實(shí)驗(yàn)室的震撼演講。
也沒有看到關(guān)于本次大會(huì)主題——【人類意識的人工智能】相關(guān)的杰出學(xué)術(shù)成果展示，這時(shí)我們不妨把注意力投入到主會(huì)場的報(bào)告方向，來重點(diǎn)關(guān)注這個(gè)夯實(shí)的大會(huì)研究的什么方向的問題是在推動(dòng)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(huì)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(fèi)）
演講人：Vishalaksh Aggarwal Biplav Srivastava Srikanth Tamilselvam
這里我們將演示用人工智能中運(yùn)算量最少的方式來提高旅行活動(dòng)的促銷。通過對事件的集體分析，來促進(jìn)這個(gè)城市未來的旅游業(yè)發(fā)展以及影響這個(gè)城市管理者的風(fēng)格。
關(guān)鍵詞：旅游促銷，機(jī)器學(xué)習(xí)，開源數(shù)據(jù)。
舉例，To Give or Not to Give: Fair Division for Strict Preferences（關(guān)于嚴(yán)格偏好中的公平分割問題）
演講人：Simina Branzei Yuezhou Lv Ruta Mehta
當(dāng)滿足特定要求的情況下，單個(gè)的代理有嚴(yán)格的偏好，這種偏好在資源分配情景里時(shí)常出現(xiàn)，比如計(jì)算機(jī)（內(nèi)部各個(gè)任務(wù)執(zhí)行時(shí)）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(jià)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(dòng)的問題，這里我們要提出一個(gè)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(biāo)出觀察序列；更多地強(qiáng)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(xué)習(xí)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(hù)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(gè)領(lǐng)域的不同數(shù)據(jù)集。
關(guān)鍵詞：城市計(jì)算，多任務(wù)學(xué)習(xí)。
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(gè)問題，我們的模型通過輸入和嵌入一個(gè)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(gè)上下文中，形式規(guī)約語言將被設(shè)計(jì)用來以一種混合了自然語言和離散數(shù)學(xué)模型的，接近自然語言表達(dá)方法卻非常嚴(yán)格和精確的方法來表達(dá)約束問題。
關(guān)鍵詞：約束變成，自動(dòng)模型再形成，自然語言問題描述的自動(dòng)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(shí)是從智能代理器開始的，你可以把智能代理器看做是一個(gè)機(jī)器人手臂、一輛自動(dòng)駕駛汽車、或是一個(gè)推薦引擎的控制系統(tǒng)，這個(gè)智能代理器有一些目標(biāo)需要完成，而且它也正在嘗試不斷優(yōu)化。
為了實(shí)現(xiàn)這個(gè)目標(biāo)，我們需要編寫代碼，這也是我們?yōu)檫@個(gè)智能代理器所做的唯一的事情。
關(guān)于IJCAI這么頂級的AI學(xué)術(shù)會(huì)議，為什么贊助商沒有上次CVPR豪華，截止到目前過去做學(xué)術(shù)報(bào)告的大公司實(shí)驗(yàn)負(fù)責(zé)人也沒有上次那么踴躍，AI科技評論君認(rèn)為是有兩點(diǎn)原因?qū)е碌模?/p>
其一，CV領(lǐng)域目前處在學(xué)術(shù)到產(chǎn)業(yè)落地的高潮期，無人駕駛，無人機(jī)，VR，物體識別，工業(yè)檢測等多個(gè)領(lǐng)域現(xiàn)在都要用到它的最新技術(shù)，導(dǎo)致很多CV領(lǐng)域的學(xué)術(shù)成果一發(fā)布后就投入公司產(chǎn)品運(yùn)用，所以引發(fā)了大量商業(yè)公司的追捧。
其二，IJCAI大會(huì)原本兩年舉辦一次，今年是跟上一次舉辦時(shí)間僅僅一年之隔，一些重要潛在參會(huì)對象可能這期沒有做好充分準(zhǔn)備。加上今年的主題是人類意識的人工智能，這個(gè)相對于CVPR學(xué)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。
