<mark id="oztn4"></mark>
0
還有不到一個星期，人工智能領域本年度最后一個學術盛會、機器學習領域頂級會議NIPS 2017（Neural Information Processing Systems）將在加州長灘拉開帷幕。屆時雷鋒網也將前往長灘進行大會的跟蹤報道，在出發之前，讓我們來看看這個被稱為“機器學習最好的學術會議”都有哪些值得關注的內容吧。
雷鋒網了解到，NIPS大會議程設置分為若干不同環節，包括：Talk/Invite Talk、Workshop、Tutorial、Poster、Oral、Spotlight、Demostration、Symosium等。不同的議程設置也反映了大會的不同重點，當中的區別，雷鋒網總結如下：
Talk/Invited Talk：大會報告（有的學術會議也稱為Plenary Talk），是在某個領域卓有成就的研究者向所有參會者就某一領域做的剛要性的總結報告，每個演講者有50分鐘的演講時間，也是學術會議的重頭戲所在。NIPS 2017在4-7日期間將安排7場大會報告；
Workshop：某一主題下若干人一起進行密集討論的小會，互動性較高。NIPS 2017的Workshop將安排在8、9號兩天，共有53個Workshop；
Tutorial：類似輔導講座性質，一般針對針對初學者。NIPS 2017的Tutorial將安排在4號，共有9個Tutorial；
Oral：大會收錄的較為重要的一批論文的口頭宣講。NIPS 2017共有40篇論文進入Oral，口頭宣講時間為15分鐘；
Spotlight：次重要的一批論文的摘要性口頭宣講。NIPS 2017共有112篇論文進入Spotlight環節，宣講時間為5分鐘；
Poster：其他論文的集中海報宣講。NIPS 2017的Poster時間為4-6日晚上6:30-10:30，共有3場；
Demostration：現場演示，5、6日兩天共有20場；
Symposium：特殊學術討論，類似分論壇，7日由4場。
按官方議程，NIPS大會總共有939個項目，Invite Talk自然是當中最受全體關注的內容，七個報告如下：
12月4日 05:30 -- 06:20 PM @ Hall A，John Platt，報告題目：《Powering the next 100 years》；
John Platt是Google的Principal Scientist，本報告將會講述Google如何使用機器學習來解決未來的能源問題；
12月5日 09:00 -- 09:50 AM @ Hall A，Brendan J Frey，報告題目：《Why AI Will Make it Possible to Reprogram the Human Genome》；
Brendan J Frey是多倫多大學電子與計算機工程及計算機科學系教授，加拿大信息處理機器學習委員會主席。2014年，Frey創辦了一家用機器學習方法建模研究遺傳突變與疾病相關的深層次基因生物結構問題的公司Deep Genomics，而Frey將會講述如何用機器學習來對遺傳密碼實施“逆向工程”、并進一步實現基因重組的挑戰，這也是雷鋒網感興趣的內容之一；
12月5日 01:50 -- 02:40 PM @ Hall A，Kate Crawford，報告題目：《The Trouble with Bias》；
Kate Crawford是紐約大學教授及微軟紐約研究中心首席研究員。Crawford將講述機器學習在高風險決策中存在偏差的原因及在醫療保健、刑事司法、教育等核心社會機構中的應用，并提出解決這種偏差的新策略；
12月6日 09:00 -- 09:50 AM @ Hall A，Lise Getoor，報告題目：《The Unreasonable Effectiveness of Structure》；
Lise Getoor是加州大學Santa Cruz分校計算機科學系教授。Getoor將介紹統計相關學習（SRL）的概念，并重點介紹其在概率軟邏輯（PSL，一個關于大規模集合的SRL框架）方面的研究；
12月6日 01:50 -- 02:40 PM @ Hall A，Pieter Abbeel，報告題目：《Deep Learning for Robotics》；
Pieter Abbeel是加州大學伯克利分校教授，強化學習領域的大牛。同時，Pieter Abbeel還是創業公司Embodied Intelligence的董事長兼首席科學家（參見雷鋒網文章：《離開OpenAI和導師一起創業，他們要讓機器人不編程也能像人一樣干活》）。
目前在NIPS 2017官網上暫無Abbeel本次演講的內容介紹。但從演講題目看，深度學習在機器人領域的應用是當前火熱的研究話題，在本月結束的CORL 2017上，Pieter Abbeel主持了會議結束的Q&A環節。雷鋒網也將會關注Abbeel在NIPS 2017上的本次報告。
12月7日 09:00 -- 09:50 AM @ Hall A，Yael Niv，報告題目：《Learning State Representations》
Yael Niv是普林斯頓大學神經科學學院心理學系副教授。Niv將講述大腦如何進行強化學習的機制，并由此進一步討論如何使用無限容量的貝葉斯推理來形式化學習狀態表示的問題，并進一步應用到機器學習和遷移學習研究中；
12月7日 09:50 -- 10:40 AM @ Hall A，Yee Whye Teh，報告題目：《On Bayesian Deep Learning and Deep Bayesian Learning》
Yee Whye Teh是牛津大學統計學教授，Deepmind研究科學家。他還是Hinton那篇劃時代論文《A fast learning algorithm for deep belief nets》的署名作者之一，在此前召開的ICML 2017大會上， Yee Whye Teh擔任大會Program Chair，雷鋒網與其打過交道。本次報告Yee Whye Teh將講述概率思維將如何幫助我們理解深度學習方法并引導研究者開發更有趣的方法，反過來，深度學習方法也將進一步幫助開發先進的概率方法。雷鋒網對這一報告進行關注。
本次NIPS 共收到 3240 篇論文投稿，其中 678 篇被選為大會論文，錄用比例 20.9%，而只有 40 篇論文被選為口頭報告（Oral）論文，錄用比例為0.012%，可以用“百里挑一”來形容，而Hinton著名的“膠囊”的論文也并未入選Oral，將于12月5日下午5:50做5分鐘的Spotlight演講。
雷鋒網注意到，本次大會最佳論文《Safe and Nested Subgame Solving for Imperfect-Information Games》將在5日下午2:50-3:05進行Oral宣講。在40篇Oral中包括兩篇中國學者的論文，分別為騰訊AI Lab的《Diffusion Approximations for Online Principal Component Estimation and Global Convergence》（12月5日10:40）和北京大學《From Bayesian Sparsity to Gated Recurrent Nets》（12月7日11:40）。
在之前的《如何提高NIPS論文命中率？這里有一份詳細的分析》中，雷鋒網曾對中國學者NIPS論文投稿進行過分析，預計今年NIPS錄用的來自中國的文章大約在30-40篇左右。僅有2篇進入Oral環節，也說明我們在機器學習領域仍然需要更多的努力。
在眾多Workshop中，由“GAN之父”Ian Goodfellow組織的“Machine Deception”Wor接受朋友為引人注意。該Workshop將于12月8日在202房間舉行。
本次NIPS 2017還包含5個官方競賽，在此之前雷鋒網對“Learning to Run”競賽進行了介紹，在本次大會上，雷鋒網也會進一步了解其他競賽的相關情況。
此外在展覽區域，阿里、騰訊等國內企業也將會舉辦小型的技術宣講等活動，對于國內企業在NIPS上的表現，雷鋒網也將做進一步報道。
除了上述內容，將要參加NIPS 2017的你眼中還有哪些熱點呢？歡迎給我們留言進行討論，或者與我們前方同事（微信：8019788）聯系。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
