AAAI 2017最佳论文出炉,Udacity 创始人摘得双项荣誉

Submitted by neurta on Thu, 03/23/2017 - 14:39
2017aaai

正在大洋彼岸举行的 AAAI -17公布了本年度的最佳论文,一篇从物理研究中获得启发的论文获得大奖,论文引入了一种新的神经网络监督学习方法,在没有任何带标签的训练样本的情况下,成功训练出一个卷积神经网络来检测和跟踪对象。另外,本届大会的其他10项大奖也同时公布。优达学城(Udacity)创始人 Sebastian Thrun 的署名论文《Monte Carlo Localization: Efficient Position Estimation for Mobile Robots》获奖,同时,他还获得优秀教育者奖。

 

人工智能界年度顶级会议 AAAI 2017,暨第31届 AAAI 大会 2月4日在美国旧金山举行,会议围绕人工智能的研究与发展,开展多场演讲、课程讲座、Workshop等多种形式的活动,吸引了世界各地的人工智能精英参加。

AAAI 成立于 1979 年,最初名为“美国人工智能协会” (American Association for Artificial Intelligence),2007 年才正式更名为“人工智能促进协会” (Association for the Advancement of Artificial Intelligence )。

据不完全统计,本届AAAI 大会共接收了近700多篇学术论文。在官方公布的程序手册中,可以看到,有两篇论文被评为最佳论文,其中一篇为学生论文。

 

最佳论文关键词:不带标签的监督学习以及时间抽象

本届AAAI 大会共评出两篇最佳论文(Outstanding Paper),包括一篇最佳学生论文。其中最佳论文的荣誉归属于来自斯坦福大学计算机科学系的Russell Stewart、Stefano Drmon,他们的论文《用物理和特定领域知识让神经网络进行不带标签的监督学习》(Label-Free Supervision of Neural Networks with Physics and Domain Knowledge),采用物理学领域的启发进行AI研究,这一思路与最近圈内讨论得很多的AI研究趋势不谋而合。

| 最佳论文 | 

 

用物理和特定领域知识让神经网络进行不带标签的监督学习

 

作者: Russell Stewart、Stefano Drmon

来自:斯坦福大学计算机科学系

 

摘要

 

在许多机器学习应用中,带标签的数据数量稀少,要获得更多的标签造价昂贵。我们引入了一种新的神经网络监督学习方法,不是直接给出输入-输出对的直接示例,而是指定在输出空间上能够成立的约束。这些约束来源于先前的特定领域知识(domain knowledge),如已知物理定律。我们展示了这种方法在真实世界和模拟计算机视觉任务上的有效性。使用这种方法,我们在没有任何带标签的训练样本的情况下,成功训练了一个卷积神经网络来检测和跟踪对象。

 

| 最佳学生论文 |

 

Option-Critic结构

 

作者:Pierre-Luc Bacon、Jean Harb、Doina Precup

来自McGill大学计算机科学系推理和学习实验室

 

摘要

 

时间抽象(temporal abstraction)是增强学习中对学习和规划进行扩展(scaling up)的关键。虽然我们对在时间上延伸(temporally extended)的动作进行规划有很好的理解,但从数据中自动创建这样的抽象仍然十分具有挑战性。我们在 options 框架中处理这个问题[Sutton,Precup&Singh,1999; Precup,2000]。我们为 option 得出了策略梯度定理,并提出了一个新的 option-critic 结构,该结构能够在与 policy over option 串联的情况下,同时学会选择期权的内部策略和终止条件,并且不需要提供任何额外的奖励或子目标。在离散和连续环境中的实验结果显示了该框架的灵活和高效。

2017aaai

其他10项大奖

 

1. 资深会员奖

 

AAAI 资深会员奖授予长期参与 AAAI 并有所成绩的会员。2017年新晋资深会员如下:

 

  • Alessandro Cimatti (Fondazione Bruno Kessler, Italy) 

  • Xuelong Li (中国科学院) 

  • Nathan Sturtevant (University of Denver, USA)

 

2. 经典论文奖

 

2017年的经典论文奖授予了1999年第十六届AAAI 最有影响力的论文,来自无人车领域的元老级人物、优达学城(Udacity)创始人 Sebastian Thrun 的署名论文《Monte Carlo Localization: Efficient Position Estimation for Mobile Robots》获奖。

 

其他作者包括 Dieter Fox, Wolfram Burgard, Frank Dellaert。

 

获奖理由:开创了粒子滤波(particle filtering)的应用,为机器人定位提供有效和可扩展的方法。

 

经典论文荣誉提名论文:

 

《Combining Collaborative Filtering with Personal Agents for Better Recommendations》

 

作者:Nathaniel Good, J. Ben Schafer, Joseph A. Konstan, Al Borchers, Badrul Sarwar, Jon Herlocker, John Riedl 

 

Dieter Fox 将于美西时间2月6日11:30领取“经典论文奖”并发表演讲。

 

3. 2017 杰出服务奖

 

AAAI -17杰出服务奖颁发给每一年对 AI 社区做出超凡服务的个人。2017年获奖者是马里兰大学的 James A. Hendler,以奖励他通过持续服务于 AAAI 、其它专业社区以及对政府倡议人工智能研究的重要性而对人工智能领域做出的特殊贡献。

 

4. 2017AAAI/EAAI 优秀教育者奖

 

AAAI/EAAI 优秀教育者奖授予对 AI 教育做出重大贡献、让 AI 社区持续受益的个人或者团体。2017年的AAAI/EAAI 优秀教育者奖颁发给 Sebatian Thrun奖励他在高质量、广泛使用并可负担的线上课程所做的探索工作,并且他对自动驾驶汽车和导航做出了令人兴奋的展示。

 

5. Robert S. Engelmore 纪念奖 

 

该奖项和讲座成立于2003年,以表彰Robert S. Engelmore 博士对AAAI,AI Magazine 和AI应用社群的卓越服务,以及他对应用AI的贡献。2017年奖将颁发给 David Aha(美国海军研究实验室),奖励其在自动化系统、机器学习和基于案例推理方面的开拓性研究贡献和高影响的应用,以及对 AAAI 的广泛贡献,包括通过 AAAI 博士联盟和视频比赛教育更广泛的AI社区 。

 

6. 2017 Feigenbaum 奖

 

AAAI Feigenbaum奖旨在表彰并鼓励使用计算机科学实验方法做出的优秀的人工智能研究进展。2017年的奖项将授予 Stanford大学/ Google的 Yoav Shoham,他对人工智能基础研究有很高的影响力,包括知识表示,多代理系统和计算游戏理论,并将基础研究转化为具有影响力和创新的商业产品。

 

7. AI 杂志荣誉奖

 

AAAI AI 杂志奖授予荣誉退休主编 David B. Leake 。

 

8. IAAI-17 应用开发奖

 

两篇论文获此殊荣:

 

《在线人才招聘中的大规模职业技巧规范化》(Large-Scale Occupational Skills Normalization for Online Recruitment)

 

作者:Faizan Javed, Phuong Hoang, Thomas Mahoney, Matt McNair 

 

《相位:一个用于加速高通量材料发现的AI平台》(Phase-Mapper: An AI Platform to Accelerate High Throughput Materials Discovery) 

 

作者(未注明均为康奈尔大学):Yexiang Xue, Junwen Bai(上海交通大学), Ronan Le Bras, Brendan Rappazzo, Richard Bernstein, Johan Bjorck, Liane Longpre, Santosh K. Suram(加州理工), Robert B. van Dover, John Gregoire(加州理工), Carla P. Gomes 

 

摘要

 

高通量材料发现涉及对许多不同但在结构上相关的材料的快速合成、衡量和表征(characterization)。材料发现中的关键问题相位图识别问题(phase map identification problem),涉及从材料的组成和结构表征数据确定晶相图。我们提出了相位图识别器(Phase-Mapper)解决相位图识别问题。Phase-Mapper是一个全新的AI平台,允许人类与AI算法的数据和产品交互,还能纳入人类的反馈对解决方案予以约束或初始化。Phase-Mapper结合了任何频谱去混合算法,包括我们在本文中提出的新型解析器(slover)、基于卷积非负矩阵分解算法。AgileFD可以结合约束来正确反映材料的物理性质和人类的反馈。我们在一个涉及20个合成系统的大规模实验中,比较了解析器的三个变体(与以前提出的方法相比较),证明使用 AgileFD 增加物理约束的有效性。Phase-Mapper也已被材料科学家用于解决各种各样的相图,包括在文中作为说明性示例给出的、此前未没解析出的Nb-Mn-V氧化物系统。

 

9. AAAI-17 Blue Sky Idea Awards

 

AAAI 与Computing Research Association Computing Community Consortium (CCC)联合颁发三个蓝天奖,给予启发了研究社群追求新方向,如新难题、新应用领域或者新方法论的论文。如下:

 

  • 《The AI Rebellion: Changing the Narrative》

    David W. Aha, Alexandra Coman 

  • 《Moral Decision Making Frameworks for Artificial Intelligence》

    Vincent Conitzer, Walter Sinnott-Armstrong, Jana Schaich Borg, Yuan Deng, Max Kramer 

  • 《Getting More Out of the Exposed Structure in Constraint Programming Models of Combinatorial Problems》 

    Gilles Pesant

 

10. AAAI 2017年优秀委员会成员

 

优秀高级程序委员奖,如下:

  • Thomas Eiter (Vienna University of Technology, Austria) 

  • Jussi Rintanen (Aalto University, Finland) 

  • Sven Koenig (University of Southern California, USA) 

    优秀程序委员奖,如下:

    • Luis Ortiz (University of Michigan-Dearborn, USA) 

    • Aris Filos-Ratsikas (University of Oxford, UK) 

    • Ingo Pill (Graz University of Technology, Austria) 

    • Miquel Ramírez (University of Melbourne, Australia) 

    • Christer Bäckström (Linköping University, Sweden) 

    • Richard Valenzano (University of Toronto, Canada)