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

机器之心编辑部报道

IJCAI 2021开幕:程序主席周志华揭晓热门研究主题,杰出论文等奖项出炉

从AI学术顶会IJCAI统计的这些数据中,洞见热门研究趋势。

北京时间 8 月 23 日晚,人工智能领域的学术顶会 IJCAI 2021 在线上开幕。

从此前的报道中我们知道,今年的会议程序委员会主席由南京大学周志华教授担任,负责掌控会议内容。该职位历来由全球人工智能领域内公认学术声誉高、影响力大的学者担任。

周志华教授也是人工智能两大综合性顶会 AAAI(2019) 和 IJCAI(2021)都担任过程序委员会主席的第一位华人学者。此前在华人学者中,香港科技大学杨强教授曾担任 IJCAI(2015) 程序委员会主席。

今年 IJCAI 的大会主席由 AAAI 卓越服务奖获得者、美国明尼苏达大学 Maria Gini 教授担任,负责协调各方资源,这是继 IJCAI-2020 之后连续第二次由女性学者出任该职位。

在开幕式上,大会官方公布了本届大会投稿、接收论文的关键数据信息以及杰出论文、AIJ 突出论文奖、AIJ 经典论文奖等多个奖项。

此前,IJCAI 2021 已经公布了本年度的部分奖项,包括卓越研究奖(Research Excellence Award)、计算机与思想奖(Computer and Thought Award)以及约翰麦卡锡奖(John McCarthy Award),分别由「强化学习之父」Richard Sutton、CMU 助理教授方飞、「德扑 AI 之父」 Tuomas Sandholm 获得。

论文审稿与接收数据

每个学术会议的审稿,都是一项极为重要的工作。

据介绍,今年的 IJCAI 采用了快速初审 + 全文复审两阶段的审稿方式。

在快速初审阶段,每篇论文分给了至少 10 位资深审稿人(AC/SPC),个别比较偏或难的稿子交由 SAC 复查。不过,这一阶段的拒稿采用了非常保守的策略:只有至少 40% 的资深审稿人投票拒绝时,该论文才会在快速初审阶段被拒。

在全文复审阶段,每篇论文分给了至少 5 位审稿人(PC/SPC),其中 78.3% 的论文得到了 5 份或 5 份以上的全文审稿意见;97.5% 的论文得到了至少 4 份全文审稿意见;只有不到 2.5% 的论文得到了 3 份全文审稿意见(所有文章获 3 份以上审稿意见)。此外,每篇论文都被分给了一位 AC 和一位 SAC,然后由 APCC 和 PCC 作出最终决定。

所以总体来看,每篇被接收 / 拒绝的论文(或摘要)都经过了十几位专家的审阅。

我们可以通过官方公布的数据看下今年的论文投稿与接收情况。

投稿量和接收率

今年的 IJCAI 总共收到 5534 份摘要投稿、4204 份全文投稿,其中 144 份提交因违反 IJCAI-21 提交政策被拒,Desk Reject 率(144/4204)为 3.4% ;而在剩下的 4060 份进入摘要审查阶段的提交材料中,3063 份进入了全文审查阶段。

最终,有 587 份投稿被大会接收,占大会全文投稿数的 13.9%。

投稿热门领域和关键词


从词云来看,今年投稿的热门词汇前十名分别是:学习、网络、图、神经、模型、深度、强化、检测、图像和对抗。
从投稿领域来看,比较热门的领域包括机器学习、计算机视觉数据挖掘自然语言处理等。这四大领域的投稿占了全文投稿数的 65%。
从变化情况来看,投稿数增幅最大的三个领域分别是:1)AI 伦理、信任、公平性;2)数据挖掘;3)基于智能体和多智能体的系统。投稿数降幅最大的三个领域分别是自然语言处理启发式搜索和 Game Playing 以及机器学习。

被接收论文热门领域和关键词

从词云来看,今年接收论文的热门词汇前十名分别是:学习、网络、图、神经、模型、数据、知识、博弈(game)、检测和深度。
接收率较高的论文主要分布在以下几个领域:规划调度、约束和 SAT、基于智能体和多智能体的系统、启发式搜索和 Game Playing、AI 中的不确定性等。
此外,大会官方还统计了被接收论文的标题关键词,发现排在前几位的有:随机( stochastic )、博弈(game)、示例( instance )、增强( augmentation )、蒸馏等。

如果你的标题是「Stochastic optimization for matching game distillation with instance-wise sampling and label augmentation」,被接收率能达到 97.23%(狗头)。

与之对应的是拒稿重灾区标题关键词,排在前几位的有:卷积、训练、特征、深度、对抗等。

如果你的标题是「 Adversarial training of deep convolutional embedding features for efficient generative clustering with attention 」,被拒的概率能达到 99.99%(狗头)。

热门投稿国家 / 地区

从地域上分析,今年投稿数量前三名的国家分别是:中国(2219)、美国(580)和澳大利亚(118);接收数量前三名分别是:中国(268)、美国(97)和德国(33);接收率前三名的国家分别是:奥地利(42.1%)、瑞士(39.1%)和德国(32.0%)。

杰出论文奖

本次共有 3 篇论文获得 IJCAI 2021 杰出论文奖,1 篇论文获得荣誉提名。
  • 论文 1:Learning Generalized Unsolvability Heuristics for Classical Planning

  • 作者:Simon Ståhlberg (Linköping University), Guillem Francès (Universitat Pompeu Fabra), Jendrik Seipp (Linköping University)

论文链接:https://www.ijcai.org/proceedings/2021/0574.pdf

论文摘要:近来经典规划方面的研究提出了一些专用方法来检测无法解决的状态,即无法达到目标状态的状态。在本篇获奖论文中,研究者从广义规划的角度处理问题,并学习描述整个规划领域不可解性的一阶公式。此外,该研究还展示了如何将这个问题转换为一个自监督分类任务。

训练数据是通过对每个域的小实例进行详尽的探索而自动生成和标记的,候选特征是根据用于定义域的判断自动计算出来的。研究者研究了三种具有不同属性的学习算法,并将它们与文献中的启发式算法进行比较。实验结果表明,所提方法能够捕获重要的不可解状态类别,并具有较高的分类准确率。此外,启发式的逻辑形式使它们易于解释和推理,并且可以用来展示在某些域中学得的特征,可以精确地捕获域的所有不可解状态。
  • 论文 2:On the Relation Between Approximation Fixpoint Theory and Justification Theory

  • 作者:Simon Marynissen (KU Leuven), Bart Bogaerts (Vrije Universiteit Brussel), Marc Denecker (KU Leuven)

论文链接:https://www.ijcai.org/proceedings/2021/0272.pdf

论文摘要:AFT(Approximation Fixpoint Theory )和 JT(Justification Theory )是两个统一逻辑形式的框架。AFT 用 lattice 算子的不动点来研究语义,JT 则解释了为什么某些事实在模型中成立或不成立。虽然方法不同,但这两种框架在设计时考虑了类似的目标,即研究非单调逻辑中出现的不同语义。本篇获奖论文的第一个贡献是在这两个框架之间提供了一个正式的联系。准确地说,该研究表明每个 justification 框架都引入了一个近似器,并且这种从 JT 到 AFT 的映射保留了所有的主要语义。第二个贡献是利用这种对应关系用一类新的语义来扩展 JT,即终极语义(ultimate semantic):终极语义可以通过 justification 框架上的句法转换在 JT 中获得,本质上是对规则执行某种解析。
  • 论文 3:Keep Your Distance: Land Division With Separation

  • 作者:Edith Elkind (University of Oxford), Erel Segal-Halevi (Ariel University), Warut Suksompong (National University of Singapore) 

论文链接:https://arxiv.org/pdf/2105.06669.pdf

论文摘要:该研究通过处理现实生活中的应用需求,让公平划分理论更接近于实际。该研究关注土地分割的两个需求:(1)每个代理人都应该获得一个可用几何形状的地块;(2)不同代理人的地块必须在物理上分开。有了这两点要求,按比例划分的经典公平概念是不切实际的,因为可能无法对其进行乘法近似。相比之下,Budish 在 2011 年提出的序数最大值共享近似(the ordinal maximin share approximation)提供了更有意义的公平保证。当可用形状为正方形、宽矩形或任意轴对齐矩形时,本篇获奖论文证明了可实现的最大共享保证的上限和下限,并探索了在此设置下找到公平划分的算法和查询复杂性。

荣誉提名
  • 论文:Actively Learning Concepts and Conjunctive Queries under ELdr-Ontologies

  • 作者:Maurice Funk (University of Bremen), Jean Christoph Jung (University of Hildesheim), Carsten Lutz (University of Bremen)

论文地址:https://arxiv.org/pdf/2105.08326.pdf

AIJ 奖

AIJ 突出论文奖(AIJ Prominent Paper Award)表彰不早于 7 年内发表在 AI 期刊上,并且具有很高的重要性以及影响力的论文研究。2021 年的获奖论文颁给了 2014 年发表在《Artificial Intelligence》杂志上的一篇论文。

获奖论文:《Algorithm runtime prediction: Methods & evaluation》
  • 作者:Frank Hutter、Lin Xu、Holger H. Hoos、Kevin Leyton-Brown

  • 论文链接:https://reader.elsevier.com/reader/sd/pii/S0004370213001082?token=C684E5315124C2EF0A0DEEE4EA0B091D708435141CAB29F5421DD0A12C0048A41DCF3BEE8531E2491B05244282BED8CF&originRegion=us-east-1&originCreation=20210824022324

该研究使用机器学习技术将算法运行时的模型构建为特定于问题实例特征的函数,这种方法可以预测算法在先前未见过的输入上运行需要多长时间。此类模型在算法分析、基于投资组合的算法选择以及参数化算法的自动配置方面具有重要应用。

在该论文中,研究者描述了当时已有的多个模型、该研究所提模型的系列扩展和改进,并阐述了将算法参数作为模型输入的处理方法。该论文还全面描述了用于预测布尔可满足性问题(SAT)、旅行推销员问题(TSP)和混合整数规划问题(MIP) 的算法运行时的多个特征,包括在该研究模型中用到的特征和以往模型中用到的特征。研究者通过同类问题中最大型的实验分析来评估所提模型的一些创新,并与文献中的各种运行时建模技术进行比较。该研究的实验考虑了 11 种算法和 35 个实例分布,涵盖了非常广泛的 SAT、MIP 和 TSP 实例,并且这些实例中结构化程度最低的是随机均匀生成的,结构化程度最高的则是从实际行业应用中获取的。总的来说,该研究所提模型在对新问题实例和参数化空间新算法的泛化以及同时对两者的泛化方面,都能比以往方法产生更好的运行时预测。

AIJ 经典论文奖表彰的是至少 15 年前发表在《Artificial Intelligence》杂志上的具有非凡意义和影响力的杰出论文。今年的 AIJ 经典论文奖颁给了 Leslie Pack Kaelbling 等人 1998 年发表的一篇文章。论文作者表示,这篇文章是他们 1994 年发表在 AAAI 上的一篇文章的期刊加长版,1994 年那个版本还拿到了 AAAI 经典论文奖。

获奖论文:《Planning and acting in partially observable stochastic domains》

  • 作者:Leslie Pack Kaelbling(MIT)、Michael L.Littman(布朗大学)、Anthony R.Cassandra(RVshare)

  • 论文链接:https://www.sciencedirect.com/science/article/pii/S000437029800023X

在这篇论文中,研究者将运筹学中的技术引入到部分可观测随机域的最优行为选择问题中。他们首先介绍了马尔可夫决策过程理论(mdps)和部分可观察 MDPs(pomdps);然后概述了离线求解 pomdps 的新算法,并展示了如何在某些情况下,从某个 pomdp 的解中提取 finite-memory 控制器。最后,他们讨论了该方法如何与以前的工作相联系、寻找 pomdps 精确解的复杂性,以及寻找近似解的一些可能性。
理论杰出论文奖周志华IJCAI 2021
相关数据
周志华人物

周志华分别于1996年6月、1998年6月和2000年12月于 南京大学计算机科学与技术系获学士、硕士和博士学位。主要从事人工智能、机器学习、数据挖掘 等领域的研究工作。主持多项科研课题,出版《机器学习》(2016)与《Ensemble Methods: Foundations and Algorithms》(2012),在一流国际期刊和顶级国际会议发表论文百余篇,被引用三万余次。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

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。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

启发式搜索技术

计算机科学的两大基础目标,就是发现可证明其运行效率良好且可得最佳解或次佳解的算法。而启发式算法则试图一次提供一个或全部目标。例如它常能发现很不错的解,但也没办法证明它不会得到较坏的解;它通常可在合理时间解出答案,但也没办法知道它是否每次都可以这样的速度求解。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

经典规划技术

智能规划(intelligent planning)是人工智能研究的一个重要领域,它的主要任务是在给定初始状态,可执行动作和目标条件的情况下,设计相应的规划系统,使得当前初始状态通过执行合适的动作序列到达满足目标条件的状态。规划问题的描述通常采用国际通用的规划域描述语言(planning domain description language,简称PDDL),包含了用词以及对各种逻辑关系的表示方法。对智能规划问题的抽象描述予以一定限制和规范化,就得到了经典规划问题(classical planning)。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

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。

香港科技大学机构

香港科技大学(The Hong Kong University of Science and Technology),简称港科大(HKUST),为东亚研究型大学协会、环太平洋大学联盟、亚洲大学联盟、中国大学校长联谊会、京港大学联盟、粤港澳高校联盟重要成员,并获AACSB和EQUIS双重认证,是一所亚洲顶尖、国际知名的研究型大学。该校以科技和商业管理为主、人文及社会科学并重,尤以商科和工科见长。

云来机构
暂无评论
暂无评论~