雷鋒網(wǎng) AI 科技評論按：今年4月，ICLR 2017  (International Conference on Learning Representations) 在法國土倫舉行。有1100多名參會者、收到490篇論文投稿的 ICLR 2017 是舉辦以來最大的一屆，與 ICLR 2016 相比規(guī)模上又有大幅提升，去年的參會者只有 400人左右。

ICLR 2017全體大合照，左下角紅色衣服的就是Hervé Glotin 教授

大會期間，雷鋒網(wǎng)記者與本地組織主席 Hervé Glotin 教授進行了訪談，向他了解 ICLR 2017的各方面情況。Hervé Glotin 是土倫大學教授，并且由于突出的研究工作，在2011到2016年間被授予法國巴黎大學研究所榮譽成員。Hervé Glotin 教授的研究領域包括大規(guī)模感知人工智能、表征學習、多模態(tài)信息檢索、生物聲學領域的技術運用。Hervé Glotin 教授還是NIPS的領域主席和多個國際會議的審稿人。

以下為采訪全文。

今年的會議把地點選在了法國土倫的原因是什么？您在今年會議中發(fā)揮的作用是什么？

這個會議正逐漸從歐洲移到美國舉辦，這次輪到歐洲了。土倫這里就是一個很好的地方。去年參加會議的有400人左右，很少。今年很快就到了七八百，最后到了1100人。因為場地不大所以后來我們就停止注冊了。我是本地主席所以我要負責組織這次大會。

特邀演講嘉賓是您邀請的嗎？

是的，Eero Simoncelli和Regina Barzilay是我邀請的

您眼中，會議的亮點是什么？

表征學習，這是機器學習的根本。所以會同時有NIPS和ICML這兩個會議，它們都關注的是統(tǒng)計和優(yōu)化。我們這個會議討論的主要是表征學習。所以我們這個會議比較新，但也發(fā)展壯大的很快，今年有1000人參會了，明年可能會有2000。所以表征學習是機器學習的一個重要因素。

只有這一個亮點嗎？這個會議上表征學習之外還有別的亮點嗎？

大規(guī)模表征，比如向更高維度和更大量數(shù)據(jù)的大規(guī)模表征也是熱門話題

這次會議作為一次學術會議，許多工業(yè)界的公司也來參加了，比如谷歌、Facebook、亞馬遜、微軟。您覺得這種情況是好還是壞呢？

首先糾正一下你的說法，谷歌、Facebook都是有自己的研究院的，水平都很高，都是它們各自方向里的頂尖水平。所以來自它們的參會者的水平都是很高的，如果你是擔心這一點的話。我們認為他們也屬于學術的參會者。

那這樣有哪些好處和不好之處呢？

這個會議的好處是能夠和人工智能領域最杰出的研究者會面，他們在熱門話題上做出了很多成果，不停地刷新著人工智能的上限。不好之處是，企業(yè)的研究人員有可能在思維開闊程度上比學術界的研究人員差一點，不過也有來自OpenAI等一些基礎研究團隊的研究人員。所以其實他們不是僅僅來自企業(yè)而已，他們也和學術界的研究人員一樣做出了學術貢獻。

您是否擔心來自Facebook和谷歌的論文太多，它們占據(jù)了很多位置，以至于學術界的論文相對比例變少了嗎？

這里選出的論文只是真正優(yōu)秀的那些，篩選論文的Open Review流程也是十分客觀、公開的。那么，來到這里的論文都是名副其實的，不管是來自谷歌還是Facebook都沒有關系，現(xiàn)在的研究就是這樣的。

您覺得來自企業(yè)的論文有哪些不好之處？

可能有一些論文中沒有完全開放、清晰地描述了它們的算法。有一些想法和做法沒有完全在論文中發(fā)布出來；由于他們需要用到，有一些知識他們沒有公開。

您覺得中國學者們的學術力量如何？今年和去年相比有何變化？

當然是越來越多了。美國和中國在一些學術研究上有著深入的合作。有一些我也參與了，比如百度。由于美國和中國之間的像百度這樣的IT合作，中國的研究水平成長得非常塊，不論質(zhì)量還是數(shù)量。

我們注意到，會議的很多時間都用在了演講上，比如各種論文演講和各種論文展示活動，您是如何看待這種現(xiàn)象的？

這就是我們想要的，我們是有意識地這樣安排的。這項會議的目的就是要讓大家聽演講和展示論文，那么展示論文的最好的方式就是讓大家做演講來介紹。

這也是這項會議和AAAI會議的區(qū)別嗎？

不是的，AAAI會議也是這樣的。計算機科學方面的會議也都是這樣圍繞著論文和論演講的。這個領域的做法就是這樣，計算機科學的會議都是這樣的。

但是 ICLR 有一點和其它的會議有非常大的不同，就是論文是通過Open Review選出的，在評選過程中所有的研究者都可以對提交的論文中的內(nèi)容提出批評或者贊同，而不局限于官方的程序委員會。對于提高論文的質(zhì)量來說，這是一種非常強力的方法。

我們從工業(yè)界得到了一些反饋說，今年深度學習領域沒有GAN這樣的突破性進展。您贊同這個觀點嗎？您覺得今年有哪些進展可以稱得上突破性嗎？

是的我贊同今年沒有大突破的觀點。新GPU的大范圍應用和GAN在各種領域的應用應該會帶來一些新的突破。

您認為未來5到10年內(nèi)表征學習的趨勢會是怎樣的？

可能是關于時間序列的（time sequences），用于預測，基于比如人類行為這樣的數(shù)據(jù)…… 也可以是基于不同的媒體，比如聲音。我自己的研究就是關于更好地理解和分析聲音環(huán)境場景，以及動物們在平常和警戒環(huán)境下的叫聲的。

對于環(huán)境的調(diào)查會有大規(guī)模的調(diào)查記錄和長期的數(shù)據(jù)，需要新型的深度學習網(wǎng)絡模型，在未來5年內(nèi)會是一個引人入勝的而且非常有用的研究領域。

（完）

ICLR 2018將于明年4月30日至5月3日在加拿大溫哥華舉行，到時雷鋒網(wǎng) AI 科技評論會繼續(xù)帶來全方位報道。論文投遞截止日期是10月27日，更多信息可以參見 iclr.cc 。

相關文章：

直擊｜ICLR 2017現(xiàn)場最令人矚目的5個亮點｜ ICLR 2017

紐約大學神經(jīng)學教授Eero Simoncelli萬字解析：機器生成的圖像為何能騙過你的眼睛？| ICLR 2017

慘遭 ICLR 拒絕的十大好論文：LeCun榜上有名，Yoshua連中兩槍 | ICLR 2017

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。