雷鋒網(wǎng) AI 科技評(píng)論：作為人工智能 & 機(jī)器學(xué)習(xí)領(lǐng)域歷史最悠久的學(xué)術(shù)會(huì)議之一，NeurIPS 2018 今年可說(shuō)是花邊不斷，先是 9 月份開(kāi)售的正會(huì)門(mén)票在 11 分鐘內(nèi)售罄，導(dǎo)致許多搶不到票的人士恨得心癢癢；再來(lái)便是迫于各方的聲討壓力，組委會(huì)從 10 月份堅(jiān)持「不改名」到 11 月份悄悄將官網(wǎng)名稱(chēng) NIPS 替換成 NeurIPS ；一直到最近 Twitter 上又爆出相當(dāng)一部分研究人員因?yàn)楸患幽么缶芎灦鵁o(wú)法參加會(huì)議，當(dāng)中包括來(lái)自國(guó)內(nèi)的學(xué)者。

無(wú)論如何，經(jīng)歷了一系列「水逆」的 NeurIPS 2018 終于要在今日正式開(kāi)幕，憑借嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)成果跟大家進(jìn)行交流，雷鋒網(wǎng) AI 科技評(píng)論今日就帶大家了解今年的會(huì)議有哪些值得關(guān)注的亮點(diǎn)。

會(huì)議詳情

今年的 NeurIPS 在 2018 年 12 月 3 日（一）——2018 年 12 月 8 日（六）舉行，地點(diǎn)位于加拿大蒙特利爾會(huì)展中心（Palais des Congrès de Montréal）。NeurIPS 2018 共計(jì)有 9 場(chǎng) Tutorial 、7 場(chǎng) Talk 、30 場(chǎng) Oral 、168 篇 Spotlight 和 41 場(chǎng) Workshop，華人學(xué)者主要見(jiàn)于 Oral（5 場(chǎng)）、Spotlight（47 場(chǎng)）及 Workshop（3 場(chǎng)）環(huán)節(jié)。其中 NeurIPS 2018 的 Tutorial 、主會(huì)議、Workshop 和 Competition Track 的具體舉行時(shí)間如下：

• Tutorial：12 月 3 日（一）——12 月 4 日（二）

• 主會(huì)議：12 月 4 日（二）——12 月 6 日（四）

• Workshop：12 月 7 日（五）——12 月 8 日（六）

• Competition Track：12 月 7 日（五）

今年大會(huì)主席是來(lái)自谷歌的研究科學(xué)家 Samy Bengio，他是深度學(xué)習(xí)領(lǐng)域大牛 Yoshua Bengio 的兄弟，在去年尚未改名的 NIPS 會(huì)議中擔(dān)任大會(huì)程序委員會(huì)主席（Program Chair）一職。Samy Bengio 是谷歌大腦的核心領(lǐng)導(dǎo)成員之一，專(zhuān)注于機(jī)器學(xué)習(xí)領(lǐng)域，研究的對(duì)象包括 deep architectures 、表示學(xué)習(xí)、序列處理、語(yǔ)音識(shí)別、圖像理解、大規(guī)模機(jī)器學(xué)習(xí)、對(duì)抗樣本等內(nèi)容。Samy Bengio 常年活躍于各大頂級(jí)人工智能會(huì)議（如 BayLearn、MLMI、IEEE、NNSP 等），同時(shí)也是 ICML、ICLR、ECML 和 IJCAI 會(huì)議的項(xiàng)目委員之一。

值得一提的是，今年的會(huì)議依然受到中國(guó)企業(yè)的青睞。我們?cè)谫澲麊沃邪l(fā)現(xiàn)了 11 家來(lái)自中國(guó)的企業(yè)，其中百度、阿里巴巴、字節(jié)跳動(dòng)和螞蟻金服為鉑金贊助單位；小馬智行和華為為黃金贊助商；360、松鼠 AI、伏羲實(shí)驗(yàn)室、騰訊 AI Lab 和滴滴出行為白銀贊助商。（NeurIPS 2018 贊助等級(jí)從高到低為：鉆石、鉑金、黃金、白銀）

論文

據(jù)雷鋒網(wǎng) AI 科技評(píng)論了解，今年的 NeurIPS 收到了史無(wú)前例的 4856 篇投稿，相比去年的 3240 篇，增加了 50%；會(huì)議最終接受論文 1011 篇，接受率達(dá)到 20.8%，與去年持平；其中 Spotlight 共有 168 篇，占 3.5%，Oral 則有 30 篇，占 0.6%。

企業(yè)方面，會(huì)議的常年「霸主」谷歌今年依舊表現(xiàn)亮眼，Google Research 今年被收錄的論文數(shù)量達(dá)到了 107 篇，占論文總收錄量的 10.5%，遠(yuǎn)超排名第二、三的微軟（46 篇）和 Deepmind（45 篇）。其中有實(shí)力在論文數(shù)量上與美國(guó)企業(yè)一爭(zhēng)高下的國(guó)內(nèi)企業(yè)是騰訊 AI Lab，它一共有 17 篇文章被 NeurIPS 2018 收錄，榜上排名第六。

高校方面，MIT 以 68 篇的論文數(shù)量把所有高校甩在后頭，勇奪第一，而斯坦福大學(xué)（57 篇）、CMU（53 篇）、加州大學(xué)伯克利分校（45 篇）、佐治亞理工學(xué)院（33 篇）則分別排在第二至五名。其中表現(xiàn)亮眼的國(guó)內(nèi)高校是清華大學(xué)，它一共有 21 篇論文被 NIPS 2018 收錄，榜上排名第十。

我們可以看到，今年「屠榜」NeurIPS 會(huì)議的依舊是來(lái)自美國(guó)的企業(yè)和高校，說(shuō)明美國(guó)的科研能力依然處在世界領(lǐng)先水平。與之相對(duì)應(yīng)的是，華人學(xué)者的影響力也逐漸在增強(qiáng)，無(wú)論是來(lái)自國(guó)內(nèi)還是國(guó)外的單位，比如來(lái)自南京大學(xué)的張利軍就有 3 篇論文被收錄，CMU 教授邢波則是 8 篇，微軟研究院的朱澤園 6 篇。（不完全統(tǒng)計(jì)）

大會(huì)演講

今年的 NeurIPS 一共安排了 7 場(chǎng) Talk，內(nèi)容涵蓋數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、生物神經(jīng)、強(qiáng)化學(xué)習(xí)、計(jì)算機(jī)系統(tǒng)設(shè)計(jì)等領(lǐng)域，雷鋒網(wǎng) AI 科技評(píng)論將詳細(xì)的演講詳情整理如下：

• 《數(shù)據(jù)科學(xué)的問(wèn)責(zé)機(jī)制缺失：為何我們應(yīng)該建設(shè)具有包容性的人工智能》．《Lack of Accountability in Data Science: Why We Should All Be Building Inclusive AI》（主講人：Atipica 創(chuàng)始人 Laura Gomez）

嘉賓將在演講中為我們闡述分析數(shù)據(jù)在多樣性上的缺失如何導(dǎo)致偏見(jiàn)算法的產(chǎn)生，由此產(chǎn)生有缺陷的產(chǎn)品，最終如何走向技術(shù)的不道德之路。

• 《當(dāng)機(jī)器學(xué)習(xí)遇上公共政策:我們應(yīng)該期望什么以及如何應(yīng)對(duì)》．《Machine Learning Meets Public Policy: What to Expect and How to Cope》（主講人：普林斯頓大學(xué)計(jì)算機(jī)科學(xué)與公共事務(wù)教授 Edward W Felten）

人工智能與機(jī)器學(xué)習(xí)如今已對(duì)世界產(chǎn)生了巨大的影響。政策的制定者們已經(jīng)開(kāi)始注意到這種變化，制定相關(guān)的法律法規(guī)以及跟相關(guān)人士展開(kāi)對(duì)話來(lái)管理技術(shù)的發(fā)展。在演講中，嘉賓會(huì)概述政策制定者們應(yīng)對(duì)新技術(shù)變化的決策流程，以及這些政策將如何在人工智能與機(jī)器學(xué)習(xí)領(lǐng)域發(fā)展與落地，此外，他也將分享有建設(shè)性地參與政策過(guò)程將如何為人工智能領(lǐng)域、政府和社會(huì)帶來(lái)「三贏」局面。

• 《你的身體在想什么:神經(jīng)系統(tǒng)、原始認(rèn)知、合成形態(tài)學(xué)以外的生物電計(jì)算》．《What Bodies Think About: Bioelectric Computation Outside the Nervous System, Primitive Cognition, and Synthetic Morphology》（主講人：塔夫茨大學(xué)教授 Michael Levin）

大腦的計(jì)算能力并非我們所想象中的那般具有獨(dú)特性。研究發(fā)現(xiàn)，細(xì)菌、植物和單細(xì)胞生物就展現(xiàn)出了學(xué)習(xí)方面的可塑性；神經(jīng)系統(tǒng)速度優(yōu)化的信息處理能力于生命之樹(shù)中無(wú)處不在，且在神經(jīng)元進(jìn)化之前已經(jīng)從多個(gè)維度上存在。需要強(qiáng)調(diào)的是，非神經(jīng)計(jì)算對(duì)于單個(gè)細(xì)胞創(chuàng)造和修復(fù)復(fù)雜且大規(guī)模的人體結(jié)構(gòu)而言尤其重要。我們發(fā)現(xiàn)，生物電信號(hào)能夠使那些帶有模式記憶的所有類(lèi)型的細(xì)胞組成網(wǎng)絡(luò)，來(lái)引導(dǎo)人體結(jié)構(gòu)進(jìn)行大規(guī)模的形成與生長(zhǎng)。在這場(chǎng)演講中，嘉賓將會(huì)簡(jiǎn)單介紹發(fā)育生物電領(lǐng)域的基礎(chǔ)知識(shí)，并展示這個(gè)新概念與其方法上的成熟性，如何在不進(jìn)行基因編輯的情況下使重寫(xiě)形態(tài)的模式記憶成為可能。實(shí)際上，這些策略可以讓我們對(duì)實(shí)現(xiàn)多細(xì)胞模式目標(biāo)的生物軟件進(jìn)行重編程。此外，嘉賓還將展示該策略在再生醫(yī)學(xué)和認(rèn)知神經(jīng)可塑性領(lǐng)域的應(yīng)用實(shí)例，并說(shuō)明策略將如何對(duì)合成生物工程、機(jī)器人和機(jī)器學(xué)習(xí)的未來(lái)造成影響。

• 《具有可再生性、可重用、魯棒性的強(qiáng)化學(xué)習(xí)》．《Reproducible, Reusable, and Robust Reinforcement Learning》（主講人：麥吉爾大學(xué)副教授 Joelle Pineau）

這些年我們?cè)谏疃葟?qiáng)化學(xué)習(xí)方面取得了顯著的成績(jī)。然而，我們要想直接重現(xiàn)深度強(qiáng)化學(xué)習(xí)的顯著效果依然面臨著困難。此外，當(dāng)環(huán)境或獎(jiǎng)勵(lì)機(jī)制具有很強(qiáng)的隨機(jī)性時(shí)，一些高方差的方法將使學(xué)習(xí)變得困難。另外，領(lǐng)域或?qū)嶒?yàn)過(guò)程中出現(xiàn)小擾動(dòng)有可能導(dǎo)致最終的結(jié)果不穩(wěn)定。在這場(chǎng)演講中，嘉賓將回顧深度強(qiáng)化學(xué)習(xí)領(lǐng)域在實(shí)驗(yàn)技術(shù)與匯報(bào)程序上面臨的挑戰(zhàn)，并提供可以讓實(shí)驗(yàn)結(jié)果變得具有再生性、可重用性與魯棒性的研究成果與指導(dǎo)方案。

• 《人工智能信任現(xiàn)象調(diào)查》．《Investigations into the Human-AI Trust Phenomenon》（主講人：佐治亞理工學(xué)院計(jì)算機(jī)學(xué)院交互計(jì)算學(xué)院院長(zhǎng) Ayanna Howard）

隨著智能系統(tǒng)在日常中與人類(lèi)的接觸變得頻繁，我們有必要謹(jǐn)慎地審視信任在其中扮演的角色。在我們的研究中，信任主要傳遞了這么一個(gè)概念：當(dāng)人類(lèi)與智能系統(tǒng)進(jìn)行互動(dòng)時(shí)，往往會(huì)表現(xiàn)出與其他人類(lèi)互動(dòng)時(shí)類(lèi)似的行為，可能會(huì)誤解將他們的決定推遲到機(jī)器上的相關(guān)風(fēng)險(xiǎn)。偏見(jiàn)又進(jìn)一步加劇了這種毀掉信任的潛在風(fēng)險(xiǎn)，這些智能系統(tǒng)正是通過(guò)模仿我們的思維決策過(guò)程來(lái)進(jìn)行學(xué)習(xí)，由此繼承了我們的隱含偏見(jiàn)。在這場(chǎng)演講中，嘉賓將結(jié)合近期在實(shí)際場(chǎng)景中與人們進(jìn)行互動(dòng)的智能系統(tǒng)鏡頭來(lái)討論這個(gè)現(xiàn)象。

• 《讓算法更值得信賴(lài)：統(tǒng)計(jì)科學(xué)可以為算法的透明度、可解釋性以及數(shù)據(jù)驗(yàn)證做些什么？》．《Making Algorithms Trustworthy: What Can Statistical Science Contribute to Transparency, Explanation and Validation?》（主講人：劍橋大學(xué)數(shù)學(xué)科學(xué)中心的統(tǒng)計(jì)學(xué)家 David Spiegelhalter）

在自動(dòng)化建議系統(tǒng)領(lǐng)域，對(duì)透明度、可解釋性和數(shù)據(jù)驗(yàn)證的需求并非什么新鮮事。早在 20 世紀(jì) 80 年代，就已經(jīng)存在基于規(guī)則的系統(tǒng)和基于更加透明的統(tǒng)計(jì)模型的系統(tǒng)之間的討論（這些討論有時(shí)還挺激烈）?；谒幬镩_(kāi)發(fā)的評(píng)估標(biāo)準(zhǔn)，我們建立了一個(gè)醫(yī)療咨詢(xún)系統(tǒng)，其評(píng)估過(guò)程一共分為是分為四階。最近，歐盟立法尤其關(guān)注算法的能力實(shí)現(xiàn)，在必要的情況下可以向其展示系統(tǒng)的運(yùn)作原理。在 Onora O'Neill 的可信度展示強(qiáng)調(diào)以及「智能透明度」的理念啟發(fā)下，我們可以在理想的情況下檢測(cè)以下幾點(diǎn)：

（a）算法的經(jīng)驗(yàn)基礎(chǔ)；

（b）過(guò)去的表現(xiàn)；

（c）當(dāng)前推論的背后原理，其中包括臨界點(diǎn)和假設(shè)；

（d）當(dāng)前推論的不確定性，包括最新案件是否屬于其職權(quán)范圍。

再者，這些解釋?xiě)?yīng)該對(duì)不同水平的專(zhuān)家們開(kāi)放。

這一演講將通過(guò) Predict 2.1 系統(tǒng)來(lái)進(jìn)行說(shuō)明，系統(tǒng)主要針對(duì)乳腺癌手術(shù)后選擇輔助治療的女性，該系統(tǒng)基于競(jìng)爭(zhēng)風(fēng)險(xiǎn)生存回歸模型，并與專(zhuān)業(yè)心理學(xué)家合作開(kāi)發(fā)，與此同時(shí)還與臨床醫(yī)生和患者們保持著密切的合作。Predict 2.1 系統(tǒng)對(duì)于輔助治療的潛在益處和危害共有四個(gè)層次的解釋?zhuān)壳霸谌澜缑總€(gè)月進(jìn)行大約 25,000 個(gè)臨床決策。

• 《為 Software 2.0 時(shí)代設(shè)計(jì)一款計(jì)算機(jī)系統(tǒng)》．《Designing Computer Systems for Software 2.0》（主講人：斯坦福大學(xué)電氣工程和計(jì)算機(jī)科學(xué)系教授 Kunle Olukotun）

通過(guò)機(jī)器學(xué)習(xí)從數(shù)據(jù)生成模型正在取代許多傳統(tǒng)的軟件開(kāi)發(fā)方法。這種在軟件開(kāi)發(fā)方法上的根本性轉(zhuǎn)變，姑且稱(chēng)作 Software 2.0，給我們的應(yīng)用程序的質(zhì)量和易部署性提供了顯著的改進(jìn)。為了讓 Software 2.0 的輝煌得以延續(xù)，我們必須提供一款專(zhuān)門(mén)為機(jī)器學(xué)習(xí)應(yīng)用量身定制，具有強(qiáng)大功能以及操作上高效靈活的計(jì)算機(jī)系統(tǒng)。嘉賓將在這場(chǎng)演講中描述一種優(yōu)化計(jì)算機(jī)系統(tǒng)以滿(mǎn)足機(jī)器學(xué)習(xí)應(yīng)用要求的設(shè)計(jì)方法。這種全棧式設(shè)計(jì)方法集成了針對(duì)應(yīng)用程序特性和現(xiàn)代硬件優(yōu)勢(shì)的機(jī)器學(xué)習(xí)算法，針對(duì)可編程性和表現(xiàn)性能的特定領(lǐng)域語(yǔ)言和高級(jí)編譯技術(shù)，以及有效實(shí)現(xiàn)高靈活性和高能量效率的硬件架構(gòu)。

結(jié)語(yǔ)

作為人工智能 & 機(jī)器學(xué)習(xí)領(lǐng)域歷史最悠久的學(xué)術(shù)會(huì)議之一，我們可以將會(huì)議中的成果視作人工智能領(lǐng)域的研究「風(fēng)向標(biāo)」。作為「最佳論文」強(qiáng)而有力的競(jìng)爭(zhēng)者，今年的 30 篇 Oral 論文選題上主要集中在這幾塊內(nèi)容上：神經(jīng)網(wǎng)絡(luò)/模塊/損失函數(shù)的理論分析、反向傳播及最優(yōu)化過(guò)程、從策略到結(jié)構(gòu)對(duì)強(qiáng)化學(xué)習(xí)的整體研究等。

隨著會(huì)議的開(kāi)幕，更多的學(xué)術(shù)成果將進(jìn)一步揭開(kāi)面紗，雷鋒網(wǎng) AI 科技評(píng)論接下來(lái)將繼續(xù)保持關(guān)注，及時(shí)為大家送上第一手消息。

                                                                                                          

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