编辑|白鸽智东西2月8日报道，今天，第32届AAAI大会在美国新奥尔良闭幕。
本次会议不仅颁发了最佳论文奖、最佳学生论文奖、经典论文奖等一系列奖项。
作为顶级学术会议之一，AAAI还邀请了13位重量级嘉宾组织多场不同主题的演讲，共同探讨AI领域的发展。
AAAI成立于2001年，前身是“美国人工智能协会”，2008年更名为“人工智能促进协会”。
全球有100多家会员。
AAAI每年赞助许多会议和研讨会，并为人工智能领域的14种期刊提供支持。
AAAI主办的“AAAI人工智能大会”被认为是人工智能领域的顶级会议之一。
1.机器学习方法独霸榜单，视野领域成为后起之秀。
AAAI会议上，论文提交数量和录取数量均呈现新高峰。
提交论文数量比去年增加了47%，录用论文数量为47%。
其中，仅中国就提交了10篇文章，成为AAAI学术论文产出第一名。
据了解，AAAI投稿论文中，机器学习（投稿，收录文章）、NLP（投稿，收录77篇）、应用（投稿，收录61篇）三大领域是最受欢迎和热门的领域AAAI。
提交领域。
此外，在检索/规划、视觉、知识表示、博弈论等领域也有不少提交的论文。
今年，机器学习方法凭借提交文章和收录文章的数据位居榜首。
此外，AAAI在视觉领域（Vision）的投稿数量和论文接收数量上实现了质的飞跃。
其提交量和接受量排名第二，提交量增长 %，接受量增长 %。
NLP与机器学习、AI与网络、机器学习应用等相关研究领域紧随其后。
2. 7位特邀演讲嘉宾，审视人工智能在不同领域的发展现状。
作为顶级会议之一，当然不能只是颁奖那么简单。
重点还在于七位特邀重量级嘉宾的主题演讲。
这七位特邀嘉宾分别是Subbarao Kambhampati教授、Yejin Choi副教授、Cynthia Dwork教授、Zoubin Ghahramani教授、Joseph Halpern教授、Charles Isbell教授和Percy Liang教授。
他们从自己的研究领域出发，分享自己的研究成果，为观众带来了一场人工智能知识的盛宴。
现在，让我们回顾一下七位重量级嘉宾的精彩演讲。
1. AAAI 主席、亚利桑那州立大学教授 Subbarao Kambhampati 演讲主题：《人类感知AI系统的挑战》 亮点：长期以来，人工智能研究受到人类双重矛盾的影响，就像取代人类工人和人类之间的双重矛盾一样。
增强人类能力。
就像秋千一样。
现在，人工智能技术正在快速发展，并不断侵入我们的生活，因此人工智能系统需要与人类协同工作。
因此，为了有效地做到这一点，人工智能系统的开发必须更加关注与人类协作的功能，包括情感和社交智能。
Subbarao Kambhampati教授在演讲中讨论了设计具有人类认知功能的AI系统所面临的研究挑战，包括对人们的心理状态进行建模、识别他们的愿望和意图并提供积极的支持，并对理解行为和需求给出实用的解释。
Subbarao Kambhampati 教授还调查了迄今为止在这些挑战方面取得的进展，并在演讲中强调了一些有希望的方向，还谈到了这些系统带来的额外道德困境。
此外，他在演讲中还谈到了追求人类意识人工智能系统来拓宽人工智能企业的研究范围，这迫切需要和促进真正的跨学科合作，可以极大地提高公众对人工智能技术的接受度。
。
2. 华盛顿大学Paul G. Allen计算机科学与工程学院副教授Yejin Choi做了主题演讲：《从纯粹的物理动作到了解内涵：用语言来学习和推理世界》。
亮点：Yejin Choi在演讲中首先介绍了如何组织常识的各个方面，并通过将表示适应框架语义，将其从纯粹的物理知识转化为更抽象的内涵。
此外，她还讨论了补充以框架为中心的方法的神经网络方法，并通过讨论模型和形式主义当前的挑战来结束演讲，同时指出了未来研究的途径。
同时，崔艺珍还探讨了如何从无形的语言中还原琐碎的日常知识。
关键见解之一是，人们共享和假设的隐性知识系统地影响他们使用语言的方式，这为间接理解世界提供了线索。
例如，如果Jen进入她的房子，她的房子一定比她大。
3. 哈佛大学/拉德克利夫高等研究院 Cynthia Dwork 教授演讲主题：《公平问题》 亮点：算法的“不公平”问题引起了大众媒体的广泛关注。
用于实现公平的算法技术现在经常出现在已设立研究项目的研讨会和研究会议上。
Cynthia Dwork教授的演讲重点关注数学上严格的公平理论的新研究（定义、方法以及可证明的局限性和权衡），为“可解释性”等热点政策问题提供了研究方向，并为未来的研究提出了建议。
新问题。
4、剑桥大学信息工程系教授、Uber首席科学家Zoubin Ghahramani发表演讲主题：《概率机器学习和人工智能》亮点：概率论为理解学习和构建合理的智能系统提供了数学框架。
Zoubin Ghahramani教授在演讲中回顾了概率人工智能领域的基础，然后重点介绍了其当前的一些研究领域，涉及贝叶斯深度学习、概率编程、贝叶斯优化和数据科学人工智能等主题。
5. AAAI、AAAS、美国艺术与科学学院、ACM、IEEE、博弈论学会、经济理论促进会会士 Joseph Halpern 教授演讲题目为：《实际因果关系：一项调查》 亮点：“事件C“实际引起”事件E“这是什么意思？”定义实际因果关系的问题不仅仅是一个哲学思辨的问题，例如，在许多法律论证中需要确定责任（什么是真正的）。
自 18 世纪以来，哲学文献一直在努力解决因果关系的定义问题（C 是 E 的原因，如果 C 不是 E 的原因）。
发生了，那么 E 就不会发生）。
2001 年，Joseph Halpern 和 Judea Pearl 引入了实际原因的新定义，使用 Pearl 的结构方程概念来模拟反事实。
此后该定义已被修订两次，扩展到解决诸如此类的概念。
作为“责任”和“责备”，并应用于数据库和程序验证。
在这次演讲中，Joseph Halpern 回顾并展望了与 Judea Pearl、Hana Chockler 和 Chris Hitchcock 过去 15 年的研究。
6. Charles Isbell，乔治亚理工学院计算机学院教授、高级副院长、机器学习研究员，精彩内容：机器学习系统的构建是因为我们希望它们以某种方式运行。
在这种情况下，主语“我们”通常是人类。
无论我们想要传达特定的策略或细微的偏好，还是目标本身的定义，这都需要某种形式的知识从人类转移到算法。
交互式机器学习专注于在利用机器学习技术解决人工智能问题的背景下推动迁移的技术。
在本次讲座中，查尔斯·伊斯贝尔教授探讨了交互式机器学习中研究的一些问题和技术，特别强调人类参与者的实验结果所产生的反直觉设计原理。
尤其是那些违反直觉的原则，往往是由于我们和我们的误解而产生的。
7. 中国著名NLP专家、斯坦福大学计算机科学助理教授Percy Liang发表主题演讲：《我们应该如何评估AI的机器学习》。
亮点：机器学习在推动人工智能领域取得的巨大成功无疑令人瞩目，同时也衍生出了用于训练和测试AI的评估范式。
这一标准评估仅鼓励一般的良好行为，但并不能保证对抗性示例中表现出的鲁莽行为，并且对解决对话或错误响应等交互任务无济于事。
因此，在本次演讲中，梁珀西将介绍专注于自然语言理解任务的评估范式，并探索引导人工智能朝着有意义的方向发展的进展。
3、新兴课题计划：人工智能与人类的合作 在本次大会上，AAAI还专门推出了人工智能与人类合作的新兴课题计划。
目的是强调这些技术的挑战和机遇，同时展示新的人类和人工智能合作伙伴。
关系的价值。
因此，除了七位特邀演讲嘉宾外，还邀请了四位嘉宾从各自的研究领域出发，从四个不同的角度来阐述这一新兴话题。
1、康奈尔大学计算机科学系助理教授Ross Knepper发表演讲主题：《类似于人类的机器人团队的交互行为》亮点：如今，世界上的机器人正在为人类工作，而不是与人类打交道。
在机器人能够相互合作之前，它们首先需要能够像人类一样思考和行动。
当人类与其他成员一起作为一个群体的成员时，他们会通过与其他人交换有关目标、能力和本地计划的信息来参与协作规划并达成共识。
在演讲中，他描述了一个机器人广泛理解和产生信息的框架，不仅通过自然语言，而且通过在它们之间传递信息时传达上下文含义的功能动作。
此外，仔细选择动作可以让机器人以类似于心灵感应的方式与人类伙伴进行交流。
在演讲中，他还展示了这种隐性行为如何帮助人类工作，例如能够在走廊中导航或在装配等任务中使用复杂的工具。
他还展示了这一功能如何帮助人类在发生故障后进行修复。
2. 内盖夫本古里安大学信息系统工程系教师、哈佛大学工程与应用科学学院副教授 Kobi Gal 演讲主题：《AI新挑战：支持人类在线交互》 亮点：随着网络技术和接口设计，可以使不同复杂程度的活动全部或部分通过互联网进行，例如公民科学、大规模开放在线课程（MOOC）、问答网站等。
需要支持这些高度多样化的交互也给人工智能带来了新的重大挑战。
例如，如何设计高效的描述来描述在线群体互动；如何提供激励措施来保持参与者的积极性和生产力等。
Kobi Gal 详细阐述了它在该领域正在开发的项目，以解决这些问题。
其发展目标是支持学生在课堂上的小组学习，为拥有数千亿志愿者的最大在线平台公民科学做出贡献。
3. 华盛顿州立大学EECS学院人工智能杰出教授Matthew Taylor发表演讲主题：《利用人类输入提高强化学习》亮点：在演讲中，他展示了最新的研究进展，即通过使用演示和用户的奖励反馈在信息不完善的情况下，本文重点介绍了如何利用交互式机器学习来最大限度地发挥计算机和人类的独特能力，以改进强化学习。
4. 佐治亚理工学院交互计算学院助理教授、Facebook AI Research（FAIR）研究科学家 Devi Parikh 发表演讲主题：《Towards Theory of AI’s Mind》 亮点：在传统的 AI 研究项目中，研究重点集中在让人工智能变得更好。
了解有关人类意图、倾向、信仰和背景的信息。
这涉及到让人工智能更加人性化，让它在我们的头脑中发展理论。
为了充分利用人工智能的进步让我们的生活变得更加美好，人类和人工智能的共同努力非常重要。
Devi Parikh 认为，为了让人类人工智能团队发挥作用，人类还必须发展人工智能的思维理论，并了解其优势、劣势、信念和怪癖。
在本次演讲中，她详细介绍了她在该领域的初步成果，其中人工智能代理经过训练可以回答有关图像的自然语言问题。
4、人工智能落地：AAAI在举办智能化应用的同时，其分论坛——第30届人工智能创新与应用年会也同期举行。
重点关注人工智能技术的应用。
本次会议还邀请了两位嘉宾详细阐述了他们从各自研究领域到人工智能应用的研究成果。
1、卡内基梅隆大学机器人研究所研究教授、智能协调与物流实验室主任、Rapid Flow Technologies联合创始人兼首席执行官Stephen Smith发表演讲主题《未来城市交通的智能基础设施》亮点：今天，在机器人领域智能交通，尤其是实时交通信号控制领域，还存在诸多挑战。
Stephen Smith教授领导的研发团队过去几年一直在开发自适应交通信号控制系统，称为Surtrac（可扩展城市交通流量控制）。
交通信号控制系统作为一个分散的在线规划过程，结合了自动规划和调度、多代理系统和交通。
此前，Surtrac已在??宾夕法尼亚州匹兹堡东部地区初步部署了交通信号控制系统，并取得了显著成效。
目前，该技术正在逐步扩展到美国其他地区。
Stephen Smith教授的研究重点是通过直接车辆或行人与基础设施交互的能力，以进一步改善交通状况，以及在线分析交通流信息以进行实时事件检测，以及信号控制和路线选择决策。
全面优化。
在本次演讲中，Stephen Smith教授详细阐述了他的整个研究过程。