周志華當(dāng)選IJCAI理事會(huì)主席，大陸學(xué)者54年來首次

十三 2023-08-27 11:44:42 來源：量子位

金磊 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

南京大學(xué)人工智能學(xué)院院長(zhǎng)周志華，當(dāng)選新一屆IJCAI（國(guó)際人工智能聯(lián)合會(huì)議）理事會(huì)主席！

這一消息是在近日IJCAI 2023閉幕式上由現(xiàn)任理事會(huì)主席Christian Bessiere宣布，并將在他任期結(jié)束后“接棒”。

據(jù)悉，周志華將成為54年來，首位擔(dān)任IJCAI這一職務(wù)的大陸學(xué)者。

而早在2017年，他在當(dāng)選IJCAI 2021程序委員會(huì)主席時(shí)，也是首位解鎖這一成就的大陸學(xué)者。

從全球范圍來看，周志華則是繼香港科技大學(xué)楊強(qiáng)教授之后，第二位擔(dān)任IJCAI 理事會(huì)主席的華人學(xué)者。

當(dāng)時(shí)，周志華也第一時(shí)間為楊強(qiáng)送上了祝賀：

IJCAI是國(guó)際人工智能領(lǐng)域創(chuàng)立最早的頂級(jí)國(guó)際會(huì)議。1969年創(chuàng)辦以來，第一次由華人學(xué)者擔(dān)任大會(huì)理事會(huì)主席，這是華人學(xué)者在國(guó)際人工智能領(lǐng)域的一大步。從‘捧場(chǎng)’，到‘跑龍?zhí)住?，再到‘領(lǐng)銜主演’，非常之不易！

據(jù)了解，IJCAI理事會(huì)主席的任職內(nèi)容主要包括每年的IJCAI會(huì)議相關(guān)事務(wù)、獎(jiǎng)項(xiàng)評(píng)選、與國(guó)際各國(guó)的人工智能協(xié)會(huì)的協(xié)作以及AI Journal雜志的管理等組織日常運(yùn)作事務(wù)等。

關(guān)于周志華

周志華分別于1996年6月、1998年6月和2000年12月于 南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系獲學(xué)士、碩士和博士學(xué)位；現(xiàn)任南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系主任、人工智能學(xué)院院長(zhǎng)。

在國(guó)際上與人工智能相關(guān)重要會(huì)議中，他是少數(shù)拿下Fellow“大滿貫”的學(xué)者，包括：

美國(guó)計(jì)算機(jī)學(xué)會(huì)(ACM)、美國(guó)科學(xué)促進(jìn)會(huì)(AAAS)、國(guó)際人工智能學(xué)會(huì)?(AAAI)?、國(guó)際電氣電子工程師學(xué)會(huì)?(IEEE)?、國(guó)際模式識(shí)別學(xué)會(huì)?(IAPR)、國(guó)際工程技術(shù)學(xué)會(huì)?(IET/IEE)?、中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)、中國(guó)人工智能學(xué)會(huì)(CAAI)、中國(guó)工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會(huì)(CSIAM)?等。

如此諸多的頭銜和成就，離不開周志華在人工智能領(lǐng)域的造詣和突出貢獻(xiàn)，正如中國(guó)計(jì)算機(jī)學(xué)會(huì)給出的評(píng)價(jià)：

推動(dòng)了機(jī)器學(xué)習(xí)在中國(guó)發(fā)展和應(yīng)用，提升了中國(guó)在人工智能領(lǐng)域的國(guó)際影響力。

周志華主要從事人工智能、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等領(lǐng)域的研究工作。在本領(lǐng)域一流國(guó)際期刊和頂級(jí)國(guó)際會(huì)議發(fā)表論文兩百余篇，被引用八萬余次。主編文集多部，獲發(fā)明專利二十余項(xiàng)。

他所著的《機(jī)器學(xué)習(xí)》（西瓜書）一書也被眾多計(jì)算機(jī)相關(guān)專業(yè)學(xué)子奉為入門寶典，并且還被翻譯為英、日、韓文出版，被海內(nèi)外500多院校用作教材。

IJCAI 2023獎(jiǎng)項(xiàng)一覽

除此之外，本屆IJCAI的各大獎(jiǎng)項(xiàng)也已出爐，我們不妨也一同回顧一下。

三篇杰出論文獎(jiǎng)

本屆IJCAI杰出論文獎(jiǎng)共計(jì)三篇。

首先是來自谷歌DeepMind的研究Levin Tree Search with Context Models。

這篇論文主要介紹了一種名為L(zhǎng)evin Tree Search（LTS）的搜索算法，該算法使用策略（概率分布的動(dòng)作）作為搜索依據(jù)，并在達(dá)到目標(biāo)節(jié)點(diǎn)前保證了擴(kuò)展次數(shù)。

研究團(tuán)隊(duì)證明了神經(jīng)網(wǎng)絡(luò)可以被參數(shù)化的上下文模型替代，這種模型源自在線數(shù)據(jù)壓縮文獻(xiàn)，并且保證了在給定訓(xùn)練軌跡集合下，能獲得最優(yōu)的LTS損失策略，這是神經(jīng)網(wǎng)絡(luò)無法做到的。

此外，他們還提出了一種基于產(chǎn)品-of-experts的方法來組合多個(gè)上下文模型以產(chǎn)生最終的策略。

最后，他們嘗試通過改進(jìn)算法參數(shù)并從找到的解決方案中學(xué)習(xí)，最小化每個(gè)根節(jié)點(diǎn)找到解決方案節(jié)點(diǎn)前的擴(kuò)展節(jié)點(diǎn)數(shù)量。

第二篇杰出論文是來自阿姆斯特丹大學(xué)和萊比錫大學(xué)等單位的SAT-Based PAC Learning of Description Logic Concepts。

這篇論文主要研究了基于DL的概念學(xué)習(xí)方法，特別是有界擬合(bounded fitting)的概念。研究團(tuán)隊(duì)指出，有界擬合算法與Occam算法密切相關(guān)，后者保證能找到小規(guī)模的假設(shè)。

此外，由于設(shè)計(jì)了受界限擬合范式約束的算法，因此泛化能力只依賴于1/δ、1/ε和待學(xué)習(xí)概念的大小。

文章還討論了其他相關(guān)算法的泛化能力，并指出DL概念學(xué)習(xí)方法尚未得到正式的泛化保證。然后，作者介紹了基于SAT求解器的邊界擬合，這使得DL系統(tǒng)的實(shí)際效率得以提高。

接下來，作者詳細(xì)闡述了他們對(duì)ELHr和ELQ本體論以及在EL中形式化的描述邏輯的學(xué)習(xí)。他們證明了即使沒有本體論，這些類型的算法在樣本效率上也是低效的，即沒有多項(xiàng)式的正負(fù)樣本數(shù)量就無法實(shí)現(xiàn)PAC意義上的泛化。

最后，研究團(tuán)隊(duì)探討了基于所謂的下限細(xì)化操作符(downward refinement operators)的所有已實(shí)現(xiàn)的DL學(xué)習(xí)系統(tǒng)所基于的操作符。他們提出了兩個(gè)自然的操作符，并將它們與廣度優(yōu)先搜索策略結(jié)合使用。

第三篇杰出論文是來自魯汶大學(xué)和斯泰倫博斯大學(xué)的Safe Reinforcement Learning via Probabilistic Logic Shields。

這篇論文主要關(guān)注通過概率邏輯程序?qū)崿F(xiàn)的Probabilistic Logic Shields（PLS）。

PLS使用概率評(píng)估的安全模型，允許進(jìn)行風(fēng)險(xiǎn)控制。它具有幾個(gè)優(yōu)點(diǎn)：真實(shí)的安全功能、更簡(jiǎn)單的模型。PLS使用一個(gè)只表示內(nèi)部安全相關(guān)屬性的安全模型，這比許多需要完整MDP的方法要求更少，這些方法通常需要完整的狀態(tài)-動(dòng)作對(duì)和獎(jiǎng)勵(lì)函數(shù)。

此外，PLS可以自動(dòng)編譯為可微結(jié)構(gòu)，允許通過該方法優(yōu)化單個(gè)損失函數(shù)并直接在策略中強(qiáng)制執(zhí)行安全性。

IJCAI-JAIR 最佳論文獎(jiǎng)

今年的IJCAI-JAIR 最佳論文獎(jiǎng)?lì)C給了由智利天主教大學(xué)、多倫多大學(xué)等單位展開的研究：Reward Machines：Exploiting Reward FunctionStructure in Reinforcement Learning。

這篇論文主要介紹了強(qiáng)化學(xué)習(xí)中利用獎(jiǎng)勵(lì)機(jī)器（Reward Machines）的概念和應(yīng)用。

研究團(tuán)隊(duì)提出了一系列可以利用獎(jiǎng)勵(lì)機(jī)器內(nèi)部結(jié)構(gòu)提高采樣效率的強(qiáng)化學(xué)習(xí)方法，包括使用獎(jiǎng)勵(lì)機(jī)器進(jìn)行問題分解、塑造獎(jiǎng)勵(lì)函數(shù)以及結(jié)合反事實(shí)推理與離線策略學(xué)習(xí)來更快地學(xué)習(xí)策略等。

此外，團(tuán)隊(duì)還討論了在何種條件下這些方法能保證收斂到最優(yōu)策略，并通過實(shí)證研究展示了在離散和連續(xù)領(lǐng)域中利用獎(jiǎng)勵(lì)結(jié)構(gòu)的價(jià)值。

AIJ 經(jīng)典論文獎(jiǎng)

AIJ經(jīng)典論文獎(jiǎng)?lì)C給了IBM等單位發(fā)表于2002年的論文：Deep Blue。

本文介紹了Deep Blue計(jì)算機(jī)在國(guó)際象棋人機(jī)大戰(zhàn)中的表現(xiàn)和背后的搜索算法。該計(jì)算機(jī)使用復(fù)雜的評(píng)估函數(shù)和并行搜索技術(shù)，在1997年擊敗了卡斯帕羅夫。

文章詳細(xì)介紹了Deep Blue的硬件設(shè)計(jì)、搜索算法和評(píng)估函數(shù)，以及其在并行搜索實(shí)現(xiàn)和性能評(píng)估方面的挑戰(zhàn)。

此外，文章還討論了如何改進(jìn)Deep Blue的搜索效率和評(píng)估的靈活性，并介紹了國(guó)際象棋評(píng)估系統(tǒng)中的各種規(guī)則和表格。Deep Blue對(duì)人工智能和計(jì)算機(jī)象棋領(lǐng)域的影響是深遠(yuǎn)的。

更多獎(jiǎng)項(xiàng)可以瀏覽下方參考鏈接[4]。

參考鏈接：
[1]https://twitter.com/IJCAIconf/status/1694989837697421765
[2]https://mp.weixin.qq.com/s/RRpptoKyw8j55zpVGlJnMg
[3]https://cs.nju.edu.cn/zhouzh/zhouzh.files/resume_cn.htm
[4]https://www.ijcai.org/awards