對(duì)學(xué)術(shù)學(xué)議有所關(guān)注的讀者朋友們都知道，國(guó)際學(xué)術(shù)頂級(jí)會(huì)議 AAAI 2017 于 2 月 4 日到 9 日在美國(guó)舊金山舉行，雷鋒網(wǎng)旗下 AI 科技評(píng)論也將對(duì)此次大會(huì)做持續(xù)關(guān)注。

周志華教授曾提及，AAAI 2017 原定于春節(jié)期間在新奧爾良舉行，但經(jīng)華人學(xué)者的努力，組委會(huì)首次考慮中國(guó)春節(jié)因素，重新調(diào)整時(shí)間地點(diǎn)。由此可見，華人學(xué)者的影響力可見一斑。

而除此之外，AAAI 2017 的中國(guó)贊助商除了一直以來(lái)非常「堅(jiān)定」的百度外，今年也出現(xiàn)了不少熟悉的新面孔，騰訊、小 i 機(jī)器人、字節(jié)跳動(dòng)（今日頭條）都在今年的贊助商之列。國(guó)內(nèi)公司對(duì)人工智能國(guó)際學(xué)術(shù)會(huì)議的重視與支持，同樣讓我們看到了「中國(guó)創(chuàng)造」的科技力量。

AAAI 2017 既然作為一個(gè)人工智能的學(xué)術(shù)會(huì)議，收錄的論文也同樣值得我們關(guān)注。今年 AAAI 2017 共收到 2,590 篇投稿，錄用 638 篇，錄用率為 24.6%。

自浙江大學(xué)團(tuán)隊(duì)于 2012 年斬獲當(dāng)年最佳論文后，越來(lái)越多的華人學(xué)者也開始在國(guó)際舞臺(tái)上嶄露頭角。

• 比如今年清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系就有 5 篇文章被 AAAI 2017 錄用，分別是：

  劉洋、孫茂松指導(dǎo)的「Bilingual Lexicon Induction from Non-Parallel Data with Minimal Supervision」；

  劉洋指導(dǎo)的「Maximum Reconstruction Estimation for Generative Latent-Variable Models」；

  黃民烈、朱小燕指導(dǎo)的「SSP: Semantic Space Projectionfor Knowledge Graph Embedding with Text Descriptions」；

  劉洋分別為通訊作者和第二作者的「Lattice-Based Recurrent Neural Network Encoders for Neural Machine Translation」和「Neural Machine Translation with Reconstruction」。

• 北大：「Xiangteng He and Yuxin Peng, "Weakly Supervised Learning of Part Selection Model with Spatial Constraints for Fine-grained Image Classification」；

• 復(fù)旦：「On the Transitivity of Hypernym-hyponym Relations in Data-Driven Lexical Taxonomies」；

• 浙大：「Community-based Question Answering via Asymmetric Multi-Faceted Ranking Network Learning」；

  ……

值得一提的是，近年來(lái)，投遞的論文不僅僅只源于名校的象牙塔，不少國(guó)內(nèi)科技公司的研究院同樣也成為了論文豐收的地方。

而今年的 AAAI 2017 上，百度、騰訊、華為、360、今日頭條、攜程、iPIN 等公司的人工智能團(tuán)隊(duì)都有論文被收錄。雷鋒網(wǎng) AI 科技評(píng)論整理了以上公司提交并入選的 AAAI 論文，以饗讀者。

今年百度共有兩篇論文被 AAAI 收錄，分別是《Collaborative Company Profiling: Insights from an Employee's Perspective》和《Localizing by Describing: Attribute-Guided Attention Localization for Fine-Grained Recognition Xiao》。第一篇論文主要通過(guò)介紹如何對(duì)人力資源實(shí)現(xiàn)人工智能化的管理。據(jù)稱，百度的智能化人才管理系統(tǒng)目前算得上是全球首創(chuàng)，將采用人工智能探討如何從員工的視角讓公司產(chǎn)生更大的人力價(jià)值。

深度學(xué)習(xí)實(shí)驗(yàn)室高級(jí)總監(jiān)林元慶也領(lǐng)導(dǎo)團(tuán)隊(duì)提交了一篇關(guān)于本地化描述的深度學(xué)習(xí)論文，主要是解決基于細(xì)粒度的識(shí)別定位。團(tuán)隊(duì)認(rèn)為，這一問(wèn)題的核心挑戰(zhàn)在于尋找最具區(qū)分度的本地區(qū)域，并引入了一個(gè)屬性引導(dǎo)的定位方案。通過(guò)設(shè)計(jì)一種新型的獎(jiǎng)勵(lì)策略，團(tuán)隊(duì)能夠讓機(jī)器在強(qiáng)化學(xué)習(xí)算法上實(shí)現(xiàn)區(qū)域空間與語(yǔ)義的區(qū)分。此外，團(tuán)隊(duì)在 CUB-200-2011 數(shù)據(jù)集上也已經(jīng)證明了該方案的優(yōu)越性。

還以為攜程只是一家旅游網(wǎng)站？那可就大錯(cuò)特錯(cuò)啦。

攜程科研團(tuán)隊(duì)的論文也同樣被 AAAI 2017 收錄，這篇名為「A Hybrid Collaborative Filtering Model with Deep Structure for Recommender Systems」的文章基于公司自主研發(fā)的通用化推薦系統(tǒng)而寫就，并獲得了上海經(jīng)信委專項(xiàng)基金支持。根據(jù)攜程團(tuán)隊(duì)的說(shuō)法，論文提及系統(tǒng)采用了深度神經(jīng)網(wǎng)絡(luò)的自動(dòng)編碼技術(shù)，目前陸續(xù)落地了 50 余個(gè)個(gè)性化場(chǎng)景，而某些場(chǎng)景的轉(zhuǎn)化率提升了 13 倍之多，有效地提升了用戶的出行體驗(yàn)。

攜程R&D基礎(chǔ)業(yè)務(wù)研發(fā)部數(shù)據(jù)分析總監(jiān)于磊在接受雷鋒網(wǎng)采訪時(shí)表示，這一論文解決了數(shù)據(jù)稀疏的問(wèn)題?！癘TA網(wǎng)站與電商網(wǎng)站不同，用戶的使用頻率較低，因此系統(tǒng)所能獲取的數(shù)據(jù)樣本也比較稀疏。傳統(tǒng)的旅游推薦主要是根據(jù)用戶所瀏覽經(jīng)典的歷史數(shù)據(jù)進(jìn)行熱門景點(diǎn)的相關(guān)推薦，而我們則采取提取景點(diǎn)的特征，并根據(jù)相關(guān)性推薦同類景點(diǎn)。當(dāng)然，旅游需要考慮的因素因人而異，包括價(jià)格、距離等，因此我們需要設(shè)計(jì)出能平衡這些維度的算法，為用戶提供更好的出行選擇?！庇诶谝脖硎荆@一技術(shù)的應(yīng)用空間也不局限于旅游，可以延伸到更多領(lǐng)域。

此外，騰訊優(yōu)圖實(shí)驗(yàn)室與廈門大學(xué)合作撰寫的學(xué)術(shù)論文「Towards Optimal Binary Code Learning via Ordinal Embedding」被 AAAI 2016 收錄，其中提及了保持相對(duì)排序的哈希排序算法（OEH+DTW，Ordinal Embedding Hashing and Dynamic Time Warping），采用監(jiān)督學(xué)習(xí)，改進(jìn)了傳統(tǒng)哈希搜索技術(shù)中的效能問(wèn)題。而在今年的「Ordinal Constrained Binary Code Learning for Nearest Neighbor Search」中，黃飛躍采用了一種新型的保持排序散列方法，即 Ordinal Constraint Hashing (OCH)，并在三個(gè)大規(guī)模視覺搜索基準(zhǔn)數(shù)據(jù)集（LabelMe, Tiny100K 和 GIST1M）中取得了性能較好的結(jié)果。

華為諾亞方舟實(shí)驗(yàn)室的李航團(tuán)隊(duì)在今年也同樣有新成果，在「Neural Machine Translation with Reconstruction」中，團(tuán)隊(duì)認(rèn)為雖然端到端神經(jīng)機(jī)器翻譯（NMT）在過(guò)去兩年取得了進(jìn)展，但一個(gè)主要缺點(diǎn)在于 NMT 系統(tǒng)生成的翻譯通常缺乏充分性（adequacy），即反復(fù)翻譯一些單詞而錯(cuò)誤地忽略其它單詞。為了解決這個(gè)問(wèn)題，團(tuán)隊(duì)提出了一個(gè)「編碼-解碼-再現(xiàn)器」的 NMT 框架，能夠顯著提升 NMT 輸出的充分性，并獲取更好的翻譯結(jié)果。

360 首席科學(xué)家顏水成教授的團(tuán)隊(duì)今年也有論文入選 AAAI 2017，「Multi-Path Feedback Recurrent Neural Network for Scene Parsing」，論文考慮通過(guò)多路徑反饋的遞歸神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了現(xiàn)場(chǎng)解析。這個(gè)新穎的 MPF-RNN 能夠提高 RNNs 在不同層次的遠(yuǎn)程環(huán)境建模的水平，比起原本容易混淆的圖像，能夠獲得更理想的分辨像素。與前饋 CNN 與 RNN 只具有單一反饋不同，MPF-RNN 學(xué)會(huì)在頂部層級(jí)通過(guò)多種上下文特征學(xué)習(xí)底部特征的加權(quán)連接。

iPIN 團(tuán)隊(duì)的「Recurrent Attentional Topic Model」則利用了深度學(xué)習(xí)技術(shù)在文檔實(shí)現(xiàn)建模，增加了句間的語(yǔ)義相關(guān)性，并基于 Topic Model 應(yīng)用于社會(huì)經(jīng)濟(jì)圖譜，并研發(fā)一個(gè)類 Watson 的認(rèn)知框架，以輔助用戶決策?！癆lpha Go 雖然在圍棋上戰(zhàn)勝了世界冠軍，但是它的決策過(guò)程依然是一個(gè)黑箱，我們無(wú)法知曉它走某一步棋背后的原理何在。IBM Watson 與其他人工智能公司的最大不同在于，它們將理解和分析融入到機(jī)器學(xué)習(xí)中去，而我們也同樣會(huì)將機(jī)器在決策中的分析過(guò)程以邏輯的形式梳理出來(lái)?！眎PIN CEO 楊洋向雷鋒網(wǎng)表示，雖然目前公司的研究成果還處于試驗(yàn)階段，距離真正的應(yīng)用還有一段距離。iPIN 公司去年被評(píng)選為 AIR Top 25，今年雷鋒網(wǎng)也將持續(xù)關(guān)注他們的動(dòng)態(tài)。

除了雷鋒網(wǎng)上述提及的公司，AAAI 2017 也有不少中國(guó)面孔出現(xiàn)。而更多的中國(guó)企業(yè)又將給我們帶來(lái)怎樣的驚喜？敬請(qǐng)留意雷鋒網(wǎng)發(fā)來(lái)的后續(xù)報(bào)道。

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。