所有文章 > 正文

IJCAI进行时,顶尖学术报告、最佳论文公布!

作者: 技术小白

时间: 2019-08-14 21:38

IJCAI正如火如荼的进行中,前几期的文章我们已经详细的解读了IJCAI会议的信息,今天让我们来看看本届会议邀请了哪些“大咖”,以及他们将上演的精彩学术报告的主要内容。

第28届国际国际人工智能联合会议(International Joint Conference on Artificial Intelligence, 简称为IJCAI)已于8月10日在中国澳门开幕,会议将于16日闭幕。

IJCAI正如火如荼的进行中,前几期的文章我们已经详细的解读了IJCAI会议的信息,今天让我们来看看本届会议邀请了哪些“大咖”,以及他们将上演的精彩学术报告的主要内容。

Title:Queryable Self-Deliberating Dynamic Systems

Abstract: 在非确定性(不确定)环境中自主运行的动态系统正在成为现实。这些包括智能机器人,自动驾驶汽车,以及制造系统(工业4.0),智能对象和空间(IoT),高级业务流程管理系统(BPM)等等。这些系统目前正在通过传感(视觉,语言理解)和驱动组件(自主移动操纵器,自动存储和检索系统)的进步而发生革命性变化。然而,尽管取得了这些进步,但它们的核心逻辑仍然主要基于通过学习过程设计或可能获得的硬连线规则。

演讲人:Giuseppe de Giacomo

aa4.png

简介:朱塞佩·德·贾科莫是罗马大学计算机科学与工程专业的教授。他的研究活动涉及人工智能和CS不同领域的理论、方法和实践方面,最突出的领域是在知识表示、行动推理、广义规划、自主代理、服务组合、业务流程建模、数据管理和集成。他是AAAI研究员、ACM研究员和EurAI研究员。

Title: Doing for our robots what evolution did for us.

Abstract: 作为机器人工程师,我们必须认真考虑我们在机器人设计中的角色,以及在“工厂”(即工程时期)和“野外”(即机器人交付给客户时)中,机器人如何与学习互动。我将分享一些关于机器人设计策略的一般性想法,然后详细讨论我参与过的一些工作,包括智能机器人总体架构的设计,以及学习将新技能整合到现有机器人的技能库中的策略。

演讲人:Leslie Pack Kaelbling

aa5.png

简介:莱斯利·凯尔布林是麻省理工学院计算机科学与工程教授。她拥有斯坦福大学哲学学士学位和计算机科学博士学位,并曾在布朗大学任教。她是“机器学习研究杂志”的创始人。她的研究方向是通过整合感知、估计、学习、规划和推理来制造智能机器人。

Title:Reasoning About The Behavior of AI Systems.

Abstract:我将讨论将一些常见的机器学习系统编译成符号和易处理的表示,这些表示精确地捕获它们的输入输出行为。这包括基于神经网络,贝叶斯网络和随机森林的分类器。 我将展示除了量化系统稳健性之外,编译的符号表示如何用于解释和验证系统行为。我还将讨论一类新的易处理的机器学习模型:测试算术电路(TAC),它与神经网络一样具有表现力。TAC的结构可以从领域知识合成,并且可以使用梯度下降从标记数据中学习它们的参数。人们可以推断TAC的行为,并提供一些保证,这些保证对于如何从标记数据中训练TAC是不变的。

演讲人:Adnan Darwiche

aa6.png

简介:阿德南·达维奇是加州大学洛杉矶分校计算机科学系的教授和主席。他领导着自动推理小组(AutomatedReasingGroup),该小组专注于符号和概率推理及其应用,包括机器学习。达维奇教授是AAAI和ACM研究员,也是“人工智能研究杂志”(Jair)的前总编辑。

Title:Formal Synthesis for Robots.

Abstract:在本次演讲中,我将描述如何使用合成等正式方法(从正式规范自动创建系统)来设计机器人,解释并为其行为提供保证,甚至可以识别可能缺少的技能。 我将讨论合成技术的优点和挑战,并举例说明不同的机器人系统,包括模块化机器人,群体和机器人与人交互。

演讲人:Hadas Kress-Gazit

aa7.png

简介:哈达斯·克雷斯-加吉特是康奈尔大学西布利机械和航天工程学院的副教授。她于2008年在宾夕法尼亚大学获得电气和系统工程博士学位,并从2009年起一直在康奈尔大学工作。她的研究集中在机器人和自动化的形式化方法上,更具体地说,是机器人的综合-为复杂的高级任务自动创建可验证的机器人控制器。她于2010年获得NSF职业奖,2012年获得DARPA青年教师奖。

Title:Creating the Engine for Scientific Discovery: Nobel Turing Challenge as a grand challenge project in AI and Systems Biology.

Abstract:人工智能领域最激动人心和最具破坏性的研究之一就是开发人工智能系统,这种系统可以通过高水平的自治来实现重大的科学发现。在这次演讲中,我提出了“诺贝尔图灵挑战”,以应对人工智能和其他科学界的巨大挑战。挑战要求开发人工智能系统,这些系统能够发现一些重要的研究成果而获得诺贝尔奖,而诺贝尔委员会和其他科学界可能无法区分它是否被人类科学家或人工智能发现的。这一挑战在生物医学领域尤其重要,其中系统生物学的进展导致数据完全溢出和远远超出人类理解的知识。经过20年的系统生物学研究之旅,我得出结论,系统生物学的下一个重大突破需要人工智能驱动的科学发现。最初,它应作为人工智能辅助科学引入,但它将导致人工智能科学家具有高度自治。这一挑战提出了一系列基本问题,涉及科学发现的本质,人类认知的局限性,个别途径对重大发现的影响,意外发现或科学直觉的计算意义,以及可能将人工智能研究带入下一阶段的许多其他问题。

演讲人:Hiroaki Kitano

aa8.png

简介:Hiroaki Kitano博士是索尼计算机科学实验室有限公司总裁兼首席执行官,索尼公司执行总裁,系统生物学研究所院长,冲绳科技大学研究生院教授。他还是机器人杯联合会的创始主席、国际人工智能联合会议(IJCAI)主席(2009-2011年)和世界经济论坛AI&Robotics理事会成员(2016-2018年)。他于1993年获得了人工智能国际联合会议的计算机和思想奖、2000年的Prix Ars Electronica奖。

Title:Empirical Model Learning: merging knowledge-based and data-driven decision models through machine learning.

Abstract:设计良好的模型是获得切实有用的决策支持和优化系统的主要挑战之一。传统上,组合模型是通过与具有有限精度保证的领域专家交互而精心设计的。如今,我们可以访问我们正在决定的系统,这些数据集具有前所未有的规模和准确性。在本次演讲中,我们提出了一种称为经验模型学习的方法,该方法使用机器学习来提取数据驱动的决策模型组件并将它们集成到设计决策模型中。我们概述了EML可能应用的主要领域,并展示了如何在多核平台上解决热感知工作负载分配和调度问题的经验模型学习。

演讲人:Michela Milano

aa9.png

简介:米凯拉·米拉诺博士是博洛尼亚大学计算机科学与工程系教授。她是欧洲人工智能协会(欧洲人工智能协会)副主席和促进人工智能协会(AAAI)执行理事会成员。她是“Constraint Journal”的主编,ACM计算调查编辑委员会的成员。她的研究领域包括决策支持和优化系统合并技术,包括约束编程、运筹学和机器学习,著有150多篇关于国际会议和期刊的论文。

Title:Deep Learning: Why deep and is it only doable for neural networks

Abstract:术语“深度学习”通常被视为“深度神经网络(dnns)”的同义词。虽然深度学习技术在许多应用中取得了巨大的成功,但仍然不清楚为什么模型必须是深度的,而浅层的模型不能如此强大。在本文中,我们将分享一些关于深度学习本质的想法,并声称深度学习可以与其他模型一起实现,即使是基于不可微的模型,也不一定受到神经网络和基于梯度的反向传播的限制。

演讲人:周志华

aa10.png

简介:周志华现任南京大学校学术委员会委员、计算机科学与技术系 主任、人工智能学院院长、计算机软件新技术国家重点实验室 常务副主任、机器学习与数据挖掘研究所(LAMDA)所长。美国计算机学会(ACM)、美国科学促进会(AAAS)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会(IEEE) 、国际模式识别学会(IAPR)、国际工程技术学会(IET/IEE) 、中国计算机学会(CCF)、中国人工智能学会(CAAI) 等学会的会士(Fellow),欧洲科学院外籍院士。

周志华个人主页链接:http://cs.nju.edu.cn/zhouzh/

本届IJCAI会议的各项论文奖项已经评选出来,各个奖项的详细内容如下:

IJCAI 2019 大会杰出论文奖

获奖论文:Boosting for Comparison-Based Learning

论文摘要:作者们在基于比较的环境设定(给定一系列对象,只有三元组的比较描述:(A到B的距离比到C更近)下研究了分类问题。在论文中作者们提出了 TripletBoost,这是可以仅仅使用三元组比较就可以学习到一个分类器的方法。方法的关键思路是把三元组信息集聚成为较弱的分类器,然后可以把它逐步提升为一个比较强的分类器。作者们的方法有两个主要优点:1,它适用于来自任何测量空间的数据;2,它只需要被动收集的、有噪声的三元组就可以处理大规模问题。作者们推导出了泛化性的理论保证以及所需的三元组数量的下限。作者们还通过实验表明了他们的方法和当前最优秀的方法有同等的表现,而且可以抵抗噪声。

论文地址:https://www.ijcai.org/proceedings/2019/0255.pdf

杰出论文奖荣誉提名

获奖论文:通过偏好排序做比例分配:公平性和效率

论文地址:https://www.ijcai.org/proceedings/2019/0002.pdf

获奖论文:不在视野内但在脑子里:一个基于 ASP 的在线

论文地址:https://www.ijcai.org/proceedings/2019/0260.pdf

IJCAI 2019 特别奖:合作奖

获奖论文:有限资源下的迭代指数级搜索

论文地址:https://www.ijcai.org/proceedings/2019/0174.pdf

IJCAI-JAIR 最佳论文奖

IJCAI-JAIR 最佳论文奖(IJCAI-JAIR Best Paper Prize)是颁给发表在过去五年里发表在 JAIR 上的文章。

题目:Clause Elimination for SAT and QSAT

论文链接:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.715.2420&rep=rep1&type=pdf

第一作者:Marijn Heule

简介:Marijn Heule是德克萨斯大学奥斯汀分校研究科学家,2008年获得荷兰代尔夫特理工大学博士学位。研究重点领域是解决形式验证,数论和极端组合等领域的硬组合问题。Marijn Heule我开发了屡获殊荣的SAT求解器,预处理技术用于最先进的SAT求解器。

aa14.png

Marijn Heule 学术迁移路线

除了杰出优秀论文与个人奖的发布,本次大会的亮点之一便是重磅推出的 5 大 Panel (圆桌会),围绕AI 的多样性:“今天和明天”,“IJCAI 50 周年:AI 走向反转还是重构”,“中国的 AI”,“AI 与用户隐私”,“评审高标准的 AI 会议”五大主题,邀请了众多人工智能领域的专家学者展开了深入探讨。

在“中国的 AI”Panel 上,参会者还将对中国AI40周年的发展进行回顾和展望,杨强教授还邀请了中国人工智能的领军人物张钹院士、高文院士、周志华教授,中国香港的人工智能代表人物 PASCAL FUNG(冯雁)、张潼教授以及新一代人工智能的代表人物戴文渊,共同分享中国人工智能的故事。

更多关于IJCAI会议的信息也可登录IJCAI官网进行查询。

IJCAI官网链接:https://www.ijcai.org/

点击阅读原文,进入GCT官网详细了解更多科技咨询和人才信息!

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多