Lei Feng rede AI Technology Review por: Assembléia Geral 32ª AAAI (AAAI 2018) começou há poucos dias em Nova Orleans, e a hora local, fevereiro 02-07 traz uma riqueza de festa de conhecimento para os pesquisadores de inteligência artificial . AI Technology Review como uma preocupação constante das principais conferências acadêmicas acadêmica canal rede Lei Feng, a partir de 2016 começou a se envolver, participar em conferências e relatórios acadêmicos internacionais, não só para os leitores da linha de frente maravilhosas informou que mais estudiosos em áreas afins de inteligência artificial para fornecer mais visão geral oportunidades nas conferências acadêmicas globais.
Novo ano, nova jornada. abertura da primeira Conferência Internacional Lei Feng rede AI Tecnologia de revisão relatou que, como no ano passado ainda bloqueado AAAI 2018. Falando em New Orleans organizado pela AAAI 2018, uma reunião pode ser chamado de "tarde" em. Por que diz isso? Isso remonta a Assembléia Geral da AAAI do ano passado. Originalmente programado para início de 2017 em Nova Orleans organizado pela AAAI 2017, quando o tempo de desenvolvimento e a presença de sobreposição Ano Novo Chinês, espera-se que tem um monte de estudiosos chineses não pode chegar ao local da reunião. A fim de ter em conta uma ampla gama de comunidade chinesa, comitê AAAI decidiu realizar remarcada. Infelizmente, New Orleans não selecionou o local apropriado, só pode migrar temporariamente quando a sessão do local AAAI para San Francisco, e adiou a ser realizada no próximo ano, esta tem sido a New Orleans AAAI-18.
Enquanto Nova Orleans tarde e nós temos que esperar um ano para AAAI, mas boa conferência acadêmica, realizada o tempo nunca é tarde demais. Como a Federação China Computer (CCF) Classe Um campo preferido de conferência inteligência artificial, AAAI conhecida por suas abrangentes, acadêmicos globais entregues minoria anual da conferência. rede de Lei Feng AI Technology Review mandar para os leitores do novo ano grande atração da AAAI, e o caso no ano passado e fez uma comparação detalhada.
Destaques uma mais importantes prêmios pessoais / grupo
Destaques dois prêmios Melhor Paper recebe quatro?
Destaques três discursos keynote de antecedência para ver
Destaques quatro dos cinco gigantes chineses pela primeira vez durante a coleta de AAAI 2018
Destaques 5 caso fria do ano passado, Feira de Emprego, como será este ano?
Destaques 6 momento em que o carnaval, cheio de olhar morno frente ao Capitólio
AAAI 2018 promulgar uma série de prêmios importantes no campo, depois da cerimônia, a tecnologia de Lei Feng rede AI irá também analisar relatórios detalhados e apresentação relacionada do premiado acabamento memórias.
AAAI Prêmios e honras especiaisHavia três prêmios, são eles:
Prêmios Organizador presidente da comissão e ex-presidente da Associação de AAAI Thomas Dietterich;
AAAI atual presidente da Associação Subbarao Kambhampati, ele vai fazer os "desafios dos sistemas de AI Human-Aware" discurso relacionado à reunião, AI Technology Review irá depois seguir para tornar o texto completo.
AAAI Association Presidente designar Yolanda Gil.
O novo AAAI Fellow
novos acadêmicos AAAI Companheiros deste ano foram todos varreu a América do Norte (EUA, Canadá), num total de oito, a lista é a seguinte:
Nancy Amato (Texas A & M University)
Regina Barzilay (MIT)
Marie Desjardins (Universidade de Maryland)
Kevin Leyton-Brown (University of British Columbia)
Dinesh Manocha (Universidade da Carolina do Norte)
Joelle Pineau (McGill University)
Amit Sheth (Kno.e.sis, Wright State University)
Gaurav Sukhatme (University of Southern California)
Em contraste, AAAI vindo Fellow 2017, um total de sete, ou seja, Ronen I. Brafman, Eduard H. Hovy, Tommi S. Jaakkola, Maurizio Lenzerini, Dale Schurmans, Munidar P. Singh. Além disso, a partir da Universidade de Hong Kong de Ciência e Tecnologia Professor Lin fang Chinese como o único verdadeiro eleito.
reconhecimento Senior Member
Da concessão de grandes estudiosos certamente dar um contributo importante para longo prazo AAAI, um total de seis acadêmicos eleitos, incluindo dois dos quatro estudiosos US Médio Oriente e acadêmicos este ano, são eles:
Ariel Felner (Universidade Ben Gurion de Israel)
Martin Michalowski (University of Minnesota)
Ashish Sabharwal (Estados Unidos Allen Artificial Intelligence Research Institute)
Ram Sriram (Instituto Nacional de Padrões e Tecnologia)
Matthew Taylor (Universidade Estadual de Washington)
Ingmar Weber (Qatar Computing Institute)
AAAI 2017 no último ano, em reconhecimento dos três membros seniores, incluindo vice-diretor do Instituto de Xi'an de Óptica e Mecânica Belas, pesquisador chinês Li Xuelong se tornar a única lista.
Paper Award clássicoAAAI clássico 18 de Paper Award foi para Natasha Noy e Mark Musen de "PROMPT: Algoritmo e Ferramenta para Automated On tologia Mesclando e Alinhamento". Este prêmio reconhece os autores exploram a pesquisa inovador de combinação de ontologia e integração, e fornece as primeiras soluções inovadoras.
Hora local às 11:00 em 4 de fevereiro manhã, Lei Feng rede AI Technology Review seguirá Natasha Noy na cena para trazer o discurso relevante prêmio de papel clássico, portanto, fique atento.
Distinguished Service AwardA Distinguished Service Award um pessoal anual contribuído de forma notável e serviço à comunidade AI. Com a criação do departamento de pesquisa AI na NASA, o escritório da força aérea da investigação científica na implantação de programas relacionados com inteligência artificial, bem como as realizações relevantes da biologia molecular computacional, Peter Friedland ganhou Distinguished Service Award deste ano.
AAAI / EAAI Award Outstanding Educatorprofessor de Estados Unidos Gettysburg College of computador Todd Neller ganhou este Outstanding Award Educador e EAAI AAAI atribuído conjuntamente em reconhecimento da importante contribuição que ele fez no campo da educação inteligência artificial ano.
Vale ressaltar que no ano passado o prêmio foi para o "pai de veículos não tripulados do Google", fundador Udacity Sebastian Thrun.
Robert Memorial Award Engelmore S.da CMU Stephen F. Smith recebeu o prêmio em reconhecimento à sua pesquisa e aplicação feita, e as restrições no planejamento de serviços e técnicas de programação que é comunidade AI tem para oferecer.
Hora local na tarde de 4 de fevereiro, Stephen F. Smith será "Infra-estrutura inteligente para Futuro Mobilidade Urbana" fez um discurso.
Além disso, há IAAI-18 Application Award eo Prêmio Blue Sky AAAI e muitos outros prêmios para aplicações práticas e novas idéias. Hora local em 4 de fevereiro, a rede de Lei Feng AI Technology Review irá relatar em detalhes para fazer todo o prêmio.
Além de uma série de prêmios em reconhecimento do trabalho árduo de estudiosos e, certamente, mais atenção é naturalmente o prêmio de melhor papel. Antes de apresentar o prêmio de melhor trabalho, primeiro conjunto de dados para entender o caso da AAAI 2017.
AAAI 2017 o número de registo de participantes chegou a 1692 pessoas, papéis de entrega recebidas 2571, ambos recordes, o número total de artigos incluídos na final 2017 AAAI é 639, a taxa média de aceitação de 24,9%. Embora os dados de emprego detalhadas deste ano para 04 de fevereiro para começar antes de ser anunciado oficialmente, mas a aceitação de artigos publicados no ponto de vista atual, o número de trabalhos aceitos eo número de entrega vai mostrar um novo pico, em seguida, ficar Tecnologia AI sintonizado comentários relatados.
Em uma série de trabalhos apresentados em dados do ano passado, aprendizagem de máquina (Contributor 910, incluiu 215), NLP (Contributor 373, incluiu 77), aplicações (Colaborador 268, incluiu 61) nestas três áreas pode ser descrito como AAAI o mais falado e populares áreas de contribuintes, além disso, contribuir com artigos para recuperar / planejamento, visão, representação do conhecimento e teoria dos jogos também muitas outras áreas. Em contraste, o campo de jogo teoria taxa de aceitação de papel é a mais alta, 0,38, e o domínio da taxa de aceitação PNL é relativamente baixa, apenas 0,21.
AAAI 2018 melhor (estudante) de papel e papel foi recentemente lista de candidatos anunciada. Até então, os quatro papéis em circulação será relatório mostra orais no local, AI Technology Review fará com que o texto completo do discurso de relatórios de acabamento, portanto, fique atento.
Os vencedores são os seguintes:
Melhor Livro "Memory-Augmented Monte Carlo Árvore Search"
Vale ressaltar que o escritor é Chenjun Xiao Universidade de Alberta, Jincheng Mei e Martin Müller, dois autores chineses e este é o melhor papel somente eleito do ano.
Melhor Student Paper: "Contrafactual Multi-Agent Política gradientes"
Melhor Nomeação de Papel: "Generalized Ajuste Sob Confusão e Seleção Preconceitos"
Nomeado para Melhor Student Paper: "Adaptar um rim algoritmo de troca para alinhar com os valores humanos"
rede de Lei Feng AI Technology Review vai Abstract compilado da seguinte forma:
Melhor Livro "Memory-Augmented Monte Carlo Árvore Search" (Memória aprimorada Monte Carlo árvore de busca)
Este artigo apresenta e avalia a melhoria da memória Monte Carlo Árvore Search (Memória-Augmented Monte Carlo árvore de busca, M-MCTS), proporciona um novo método para busca em tempo real online. Este método é principalmente uma estrutura de memória e a combinação MCTS, a inclusão de uma informação específica para cada entrada, a estrutura de memória utilizado para avaliar as composições eram semelhantes aproximações de estimativa de estado. Estudos têm demonstrado que o valor estimado deste método produz melhor do que a estimativa Monte Carlo comum. No jogo Go, M-MCTS MCTS do que nos mesmos tempos de simulação.
endereço de papéis: https: //webdocs.cs.ualberta.ca/~mmueller/ps/2018/Chenjun-Xiao-M-MCTS-aaai18-final.pdf
Melhor Student Paper: "Contrafactual Multi-Agent Política gradientes" (contrafactual multi-agente gradiente de estratégia)
Resumo: Muitos problemas do mundo real, tais como pacotes de rede de roteamento, ou coordenação piloto automático entre os carros podem ser naturalmente considerada como sistema multi-agente de colaboração para problemas modelo. Isto levanta a forte demanda por método de aprendizagem nova e melhorada para estratégias de aprendizagem eficientes para esses sistemas para executar o centro da área. Para isso, os autores propõem um novo "Performer - abordagem multi-agente da Crítica: multi-agente gradiente estratégia contrafactual (COMA). COMA usar uma função Q críticos centralizados estimado e o centro da direcção distrital, otimizando, assim, a estratégia operacional do agente. Além disso, a fim de resolver o problema da multi-agente de construir a confiança entre si, ele vai usar um único agente ação marginalização contrafactual linha de base, enquanto outras ações para garantir que o agente de mudança. COMA utilizado numa caracterização de críticos, de modo que o facto de que este anti linha de base para o cálculo eficiente de um único fluxo de alimentação antes. Os autores no ambiente de teste de unidade jogo StarCraft controlada para avaliar o desempenho do COMA, foram observados usando um muito fácil de ir para o centro de variáveis. E os outros atores no ambiente multi-agente - em comparação com o método críticos, o desempenho médio COMA tem melhorado significativamente, mas também o melhor desempenho do agente pode obter COMA e cubra com um método de controle central de dados stateful par.
endereço de papéis: https: //arxiv.org/abs/1705.08926
Indicação de melhor Papel: "Generalized Ajustamento Sob Confundimento e Selecção polarizações" (para a polarização selecção e confundindo processo de ajustamento do desvio do método generalização)
Resumo: viés selecção e confundindo polarização é limitar as duas barreiras mais comuns ao raciocínio comum utilizado em ambientes de grande escala. Neste artigo, os autores generalizar a ideia de regular a porta de trás, a fim de lidar com ambas simultaneamente viés e sem introduzir o caso de viés de selecção podem utilizar dados externos (tais como os dados a partir de pesquisas de população). Os autores introduzem a ideia de ajuste (par ajuste), e mostra uma imagem completa das condições de identificar relações causais, ajustando o método. Os autores projetado ainda um algoritmo que lista todos os ajuste pode ser processado na forma de um polinômio, que querem avaliar a propriedade específica a ser parte do processo de regulamentação (incluindo despesas de propriedade comum, muda na dificuldade de medição) de pesquisadores, isso pode ser útil. Finalmente, os autores descrevem um processo de estimativa estatística, uma vez confirmada uma configuração que pode lidar com pode executar esse processo, que pode ser usado para tratar uma variedade de problemas de amostra limitados.
endereço de papéis: https: //pdfs.semanticscholar.org/023a/a92487c037a7557b9b74e894003725afd00a.pdf
Nomeado para Melhor Student Paper: "Adaptar um rim algoritmo de troca para alinhar com os valores humanos" (algoritmos de alocação de rim e transformação consistente dos valores humanos)
Resumo: como alocar eficientemente recursos limitados em economia e ciência da computação campos um total de dois problemas clássicos. Para transplantes de rins, que normalmente vai colocar todos os doadores de rim normais alocados por um mercado central para pacientes à espera de rins. Na alocação de rim, pacientes e doadores primeira prioridade é determinada pelo peso do Comité Ad Hoc pela direita, e introduza um algoritmo de distribuição, que é determinada pelo paciente será alocado para que os doadores - e decidir quais os pacientes não podem alocar doador. Neste artigo, os autores propõem um método para a alocação de rim de ponta a moderada com base no peso estimado de arquivo de cada paciente. Os autores primeiro adquiridas a partir de um grupo de seres humanos que acreditam pode ser utilizado para determinar as propriedades de prioridade do paciente (tais como as características dos médicos, estilo de vida, etc.). Os autores, então, comparar o problema ao assunto para fazer perguntas, e calcular rigorosamente várias propriedades de acordo com as suas respostas, dependendo pesos de arquivo do paciente. Os autores mostram como usar estes pesos no rim algoritmos de alocação alocar mercados. Os autores, em seguida, avaliou o impacto desses pesos em um ambiente simulado, eles encontraram pesos pesados para calcular o valor preciso, de fato, têm pouco efeito, na verdade, só precisa ordenar recalculado pelos arquivos corretos. No entanto, em comparação com o caso de prioridade completamente não-exclusiva para o paciente, com o direito de re-algoritmo ainda conseguiu obter um desempenho melhor, houve de fato algumas categorias de pacientes obter jogo prioridade a partir da avaliação valor anterior de testadores em (ou extensão após a partida).
endereço de papéis: https: //users.cs.duke.edu/~conitzer/kidneyAAAI18.pdf
AAAI 2018 também é convidado sete orador convidado excelente, vamos dar uma olhada no que o grande café vai participar da reunião, bem como o conteúdo do que eles instigante na reunião-lo?
Professor Subbarao Kambhampati Arizona State University será o tema do "sistema de percepção humana do desafio inteligência artificial" discurso na conferência.
Subbarao Kambhampati (Rao) é um professor de ciência da computação na Universidade Estadual do Arizona. Kambhampati questões básicas no planejamento de pesquisa e tomada de decisão, em especial no que diz respeito aos desafios de sucessos consciência humana do sistema AI.
Dr. Rao graduado do Departamento de Ciência da Computação da Universidade de Maryland, em 2000, para se tornar um professor em tempo integral na Universidade Estadual do Arizona, líder da equipe de pesquisa ASU também yochan Laboratório de Inteligência Artificial. 2014 foi eleito como a Associação Presidente AAAI, ganhou o prêmio em 1992 estudo NSFF começou em 1994 NSF Young Investigator Award, 2001-2002 Engenharia Award Teaching Excellence, em 2004, Oscar IBM e quatro Award Google Research (20072010, 2013 e 2016).
Abstrata do discurso: pesquisa de inteligência artificial tem sido seres humanos atormentado, estes estudos em "humana alternativa" e "valorização humana" oscilando entre a missão. Agora, com a crescente de tecnologia de inteligência artificial, gradualmente entrou nossas vidas diárias, sistema de inteligência artificial é mais necessidades de colaboração para trabalhar com seres humanos. Quero fazer isso de forma eficaz, um sistema de inteligência artificial deve prestar mais atenção ao estudo "trabalho humano" aspecto, estes incluem "Inteligência Emocional" e "inteligência social".
Em seu discurso, Professor Subbarao Kambhampati discutirá o desafio desenho do estudo enfrentando sistema artificial inteligência cognitiva humana, incluindo modelo de estado mental da pessoa, identificar seus desejos e intenções e fornecer apoio activo para o comportamento e as necessidades para make explicação prática. E Professor Subbarao Kambhampati vai investigar os progressos realizados até agora nestes desafios, e destacar algumas direção promissora, vai falar sobre o dilema moral destes sistemas adicionais compostas.
A busca do sistema de inteligência artificial consciência humana alargar o âmbito do estudo de empresas de inteligência artificial, e a necessidade urgente de promover a colaboração verdadeiramente interdisciplinar, e pode melhorar significativamente a aceitação pública da tecnologia de inteligência artificial.
Yejin Choi é professor associado na Universidade de Washington Paul G. Allen Escola de Ciência da Computação e Engenharia. Sua pesquisa mais recente tem incidido sobre a integração da linguagem e visual, gerado a partir de texto e imagens para aprender a língua natural e construir um contexto mais rico, eo uso de quadro conotação não-literal estabelecida significado do texto. Ela foi eleita os ganhadores do Prêmio Marr de 10 a Watch, também ICCV 20132015 IEEE AI. Ela dá palestras sobre o tema da conferência é "From a ação puramente física para entender a conotação: para aprender a língua e raciocínio do mundo."
Abstrata do discurso: necessidades de comunicação inteligentes para ser compreendido a partir da leitura entre as linhas, que por sua vez requer um forte conhecimento de "como o mundo funciona" no fundo. No entanto, aprender o bom senso inefável e conhecimentos através da linguagem não é fácil, porque as pessoas raramente vê isso, por exemplo, "A minha casa do que eu sou." Nesta palestra, Yejin Choi irá discutir como restaurar o trivial do conhecimento diária não reflete o idioma. Um aspecto chave é: as pessoas compartilham conhecimento e pressupostos do sistema tácito afeta a maneira como as pessoas usam a linguagem, que é indiretamente fornecer pistas para compreender o mundo. Por exemplo, se "Jen em sua casa", ele deve ser sua casa que ela.
Em seu discurso, Yejin Choi vai primeiro introduzir como adaptar para representar estrutura semântica para organizar todos os aspectos do conhecimento - a partir de um conhecimento puramente físico para uma conotação mais abstrato. Irá discutir formas de complementar o quadro central da rede neural, que será discutido pelo fim do modelo atual e discutir a relação desafios formalismo e aponta o caminho para futuras pesquisas.
Cynthia Dwork de Harvard / Instituto Radcliffe de Estudos Avançados será o tema de expressão "justiça". Professor Cynthia Dwork para sua proteção de privacidade de dados é conhecida por análise rigorosa, com base em matematicamente. Na criptografia e computação distribuída também fez contribuições seminais. Além disso, ele também Edsger W. Prêmio Dijkstra, seus interesses de pesquisa recentes incluem a análise adaptativa dados de estabilidade (particularmente através de diferentes privacidade) e classificação de justiça. Dwork ainda, a Academia US Nacional de Engenharia e membro da Sociedade Filosófica Americana, da Academia Nacional de Ciências, é também membro da Academia Americana de Artes e Ciências.
Abstrata do discurso: Algoritmo "injustiça" - de publicidade para prever tarefa reincidência nos meios populares hoje em dia atraiu a atenção considerável. Para uma tecnologia de algoritmos justo agora aparecem frequentemente em seminários especializados e simpósios, e pesquisas em encontros estabelecida. A palestra terá como foco o rigor matemático da teoria da equidade (definições, métodos e restrições demonstráveis e compromisso) do novo estudo fornece uma direção para as questões de política quentes "explicativo" e assim por diante, e levantar novas questões para futuras pesquisas.
informações Zoubin Ghahramani é cientista-chefe na professor de engenharia da Universidade de Cambridge e Uber. Ele é Leverhulme Centro para o Futuro do vice-presidente de Inteligência, Faculdade Fellow do St John. Ele também é o diretor fundador do Instituto Nacional do Reino Unido para Dados Ciência Instituto Alan Turing (Alan Turing Institute) de. Ele estudou na Universidade da Pensilvânia, Massachusetts Institute of Technology, University of Toronto, escola pontuação Gates na University College London e Carnegie Mellon University para trabalhar e estudar. Sua pesquisa centrou-se sobre a probabilidade de aprendizado de máquina e inteligência artificial, publicou mais de 250 trabalhos de pesquisa. Ele é a inteligência geométrica (agora Uber IA Labs) co-fundador e atuou como consultor para um número de AI e empresa de aprendizagem de máquina. O assunto deste AAAI 2.018 palestra é "a probabilidade de aprendizado de máquina e inteligência artificial."
Abstrata do discurso: Construir uma teoria de probabilidade razoável de aprender e sistema inteligente fornece uma estrutura matemática para a compreensão. Zoubin Ghahramani irá rever o campo AI taxa de base, e vai destacar algumas das actuais áreas de pesquisa, envolvendo aprendizagem profunda Bayesian, planejamento probabilístico, otimização e dados Bayesian AI ciência e outros temas.
Joseph Halpern em 1996 e juntou-se ao Departamento de Cornell University Computer, e presidente do departamento em 2010 e 2014. Halpern é AAAI, AAAS, da Academia Americana de Artes e Ciências, ACM, IEEE, membro da Instituto de teoria dos jogos e a teoria do progresso econômico. Nesta conferência, ele trouxe palestra intitulada: "A causa e efeito real relacionamento: a pesquisa"
Abstrata do discurso: "Evento C" de fato levar a um "incidente E", que significa o quê? A definição da sua emissão efectiva causalidade não é apenas especulação filosófica. Por exemplo, em muitos argumentos jurídicos, a determinação da responsabilidade deve ser estabelecida (o acidente ou o que causa verdadeira problemas médicos do que é?). Desde o século 18, a luta na literatura filosófica tem sido um problema com a definição de causalidade. Muitas definições são usados para expressar o contrafactual. (C de E é uma das razões pelas quais, se o C não ocorrer, então E não irá ocorrer). Em 2001, Joseph Halpern e Judea Pearl introduz uma nova definição de razões práticas, o conceito de usar Pérola de equações estruturais para contrafactual de simulação. Desde então, esta definição foi modificada duas vezes, processo de validação estendida é o conceito de "responsabilidade" e "culpa", etc., e aplicado ao banco de dados e procedimentos. Neste discurso, Joseph Halpern incidirá sobre ele e Judea Pearl, os últimos 15 anos de pesquisa Hana Chockler e Chris Hitchcock e outros e olhar para frente.
Charles Isbell é professor de computação da Georgia Tech e vice-presidente sênior de aprendizagem de máquina pesquisadores, Isbell é Kafu Li Grants companheiro National Academy of Sciences (três anos), recebeu o prêmio NSF carreira e DARPA CSSG. Ele ganhou o prêmio de melhor artigo em ICML. Ele empreendeu comitê de organização do trabalho ICML, NIPS, RoboCup, Tapia e NAS na vanguarda da ciência seminários e conferências organizadas em várias conferências.
Abstrata do discurso: Nós construímos um sistema de aprendizagem de máquina, porque queremos que eles se comportar de uma certa maneira. Neste caso, o assunto "nós" são geralmente humana. Se queremos transmitir uma política específica ou preferências sutis, para definir o próprio alvo, sempre requer a transferência de conhecimento de pessoa para alguma forma de algoritmo. A máquina interativa de aprendizagem, principalmente no uso de tecnologia de aprendizagem de máquina para resolver o problema de fundo inteligência artificial para promover a migração da tecnologia. Esta apresentação irá discutir alguns dos problemas em técnicas interactivas estudados aprendizado de máquina e, com especial ênfase em princípios de design contra-intuitivos com os resultados experimentais gerados pelos participantes humanos, em particular, os princípios contra-intuitivos geralmente porque "nós (nós ) "para" nós mal-entendidos (us) "é gerado.
Percy Liang, professor assistente de ciência da computação na Universidade de Stanford, seus intervalos de investigação de aprendizado de máquina e processamento de linguagem natural, cujo objetivo é desenvolver um agente de confiança, de modo que ele possa se comunicar de forma eficaz com as pessoas e obter um melhor desempenho através da interação. temas específicos de pesquisa incluem perguntas e respostas, diálogos, a importação, a aprendizagem interativa e aprendizado de máquina confiável.
tópicos de aula Percy Liang na conferência é: "Como devemos avaliar a aprendizagem de máquina AI"?
Abstrata do discurso: Aprendizagem de máquina um grande sucesso na promoção do campo da inteligência artificial é, sem dúvida, muito bem sucedida, mas também derivada da formação - testes de paradigma. O comportamento médio de bom comportamento só incentiva essa avaliação padrão, não pode garantir a robustez do exemplo contraditório mostrado, e para tarefas interativas esse diálogo ou resposta errada não pode fazer nada. Nesta palestra, Percy Liang irá introduzir o paradigma para avaliar a linguagem natural compreender focado na tarefa, orientação e discutir o progresso na direção significativa AI.
Um total de 26 empresas / organizações para participar da AAAI 2018 patrocinadores deste ano. maior ponto positivo deste ano é que muitas empresas chinesas têm estado profundamente envolvido em cinco grandes gigantes chineses encontram-se pela primeira vez enquanto AAAI 2018.
curso Didi primeiro tornou-se patrocinadora da AAAI 2018, e vencendo os principais patrocinadores. Baidu, Tencent, Alibaba e Jingdong é o patrocinador de ouro. Além disso, no ano passado patrocinou a 2017 AAAI pequena i robô também é ainda aparecem na AAAI 2018 entre as fileiras. 2018 abertura da primeira conferência, exposição e preocupação inaugurou tantas empresas chinesas, é raro; Além do mais, BAT e Jingdong, viagem também gotas ser revelado este evento, a ser visto como o representante da Internacional AAAI 2018 acadêmica a também atender posição cada vez mais importante aos olhos das empresas chinesas.
Até então, Lei rede Feng AI Technology Review será conduzida exposição no local das empresas chinesas com as trocas acima e comunicação, e relatórios de back-up.
A partir da situação Coleção de papel, a AAAI 2017, Baidu, Tencent, Huawei, 360, manchetes de hoje, Ctrip, as empresas IPin tais como equipe de inteligência artificial tem papéis estão incluídos. E em comparação com o ano passado, a situação atual Lei Feng de rede Technology Review AI saber mais concentrada, Baidu tem quatro papel AAAI foi aceito, este ano, Alibaba e Tencent AI Lab já foram incluídos 11 artigos e, além disso, há dois foxtail Tecnologia artigos relacionados indexado. Se existem outras empresas contratadas papéis AAAI 2018, entre em contato conosco em público Lei Feng rede AI Technology Review No. (aitechtalk).
Vale ressaltar que a hora local às 20:00 em 5 de Fevereiro, o Alibaba vai realizar atividades sob a linha de oficina, "Ali Night", e então Presidente da AAAI Associação Subbarao Kambhampati, Ali Baba Inteligência Artificial Laboratory Beijing R & D Center for Dr. Nie e, em seguida, claro, também vai participar como convidados.
Feira de Emprego é projetado para fornecer às empresas e estudantes uma plataforma de comunicação, AAAI-17 também foi realizada. AI Technology Review naquele momento para participar de Feira de Emprego, foi animada cena pregação pré-queda, mas a situação real ea situação esperado muito diferente. A partir do campo de visão, o grau de participação dos alunos não é muito alto. Pregar o local pode acomodar cerca de 200 pessoas, mas AI Technology Review ouvir vários propaganda corporativa, o número são apenas cerca de 20 pessoas, todo o salão parecia muito vazio, se nós cavar o line up pronto para fazer pregar a representantes de empresas, os alunos realmente veio para o local pode ser usado "muito poucos" para descrever.
Mas "segundas intenções", muitas empresas também foi dito Lei rede Feng AI Technology Review, o propósito de publicidade PR corporativa é muito maior do que no campo de recrutar motivação do aluno favorito, além disso, e talvez isso também é AI crescimento outlet, os alunos não se preocupar com questões de emprego.
Este ano, o Comitê Organizador AAAI continuou último ano do projeto, ainda abertas projetos relacionados Feira de Emprego, não sei Job Fair AAAI-18, e se vai ser mudado?
hora local em 2 de fevereiro está em New Orleans Mardi Gras carnaval, se os estudantes de hoje veio à cena, você pode ver as pessoas locais estão usando máscaras no "gorduroso terça-feira", mystify, as ruas podem soar, não há fogos de artifício, muito animada. (Não mostrado aqui, oferta de amanhã)
Lei rede Feng AI Technology Review chegou em New Orleans, para lhe trazer a cobertura ao vivo da Assembléia Geral AAAI 2018. New Orleans é uma cidade portuária no sul da Louisiana, mas também a maior cidade da Louisiana. O local da sessão no rio Mississippi perto de Nova Orleans Hilton Riverside Hotel.
De acordo com a agenda da Assembléia Geral começando a partir de 02 de fevereiro, desde às 7:30 no 2º registro aberto, o lugar de inscrição no terceiro andar do Hilton Hotel, a janela de registro permanecerá aberta para às 11 horas no dia 7 (todos hora local em Nova Orleans ).
Para facilitar o registo, irá configurar o registro duas janelas laterais, oficiais de registro chegou, os participantes foram para pegar o tag saco e dados em duas janelas de acordo com a primeira letra do sobrenome, muito conveniente, Lei rede Feng AI Technology Review fotografado tarde , assim que a janela não é um monte de gente.
De acordo com a agenda introduzido a partir de 2 de fevereiro a 03 de fevereiro, um total de 15 Oficina (anteriormente 16, em que W6: Inteligência Artificial para Smart Grids e Edifícios Inteligentes foram cancelados) e quase 30 Tutorial sido realizada. Hoje, existem oito Tutorial, agenda específica, temas, palestrantes como segue:
Do ponto de vista de hoje as condições do local, tamanho de 8 Tutorial variam, e alguns alto número de ouvintes, próximo ao estado completo. Como o Network Representação Aprendizagem: Tutorial Ativação da Rede Inferência em Vector este espaço-- pelo professor Cui Peng Universidade Qinghua, organizações Professor Zhu Wenwu para ganhar um monte de ouvintes.
Além disso, alguns relativamente pequena equipe local, (a imagem mostra hoje [FP2: A Survey of Inverse Aprendizagem por Reforço: Desafios, Métodos e Progresso - Prashant Doshi, Saurabh Arora] temas do local).
Para cinco multidão horas começou gradualmente a retirada, comentários Lei Feng Network Technology AI foram trocados no local e um número de estudantes chineses, há alguns tell Lei Feng rede AI Technology Review, hoje principalmente para "Caichang warm-up", eles estão ansiosos para o follow-up conteúdo mais interessante.
Os próximos dias, Lei Feng rede AI Technology Review trará relatórios mais detalhados da cena, portanto, fique atento.
PS:
Do aeroporto de New Orleans Louis Armstrong para o local para uma dúzia de milhas, o ônibus mais de uma hora, a transferência a meio caminho dos estudantes levou a bagagem não é muito amigável, eu recomendado um táxi.
No aeroporto pode chamar Uber ou Lyft, nota que o aeroporto parque de estacionamento da estação têm uma área de espera especial Uber / Lyft, você pode ver um pino mapa no software. Lyft táxi para o local cerca de 40 facas.
