世界人工智能顶级盛会为春节改期，无标签机器学习夺最佳论文

为了不与中国春节冲突，第31届AAAI人工智能大会（AAAI-17）延后至2月4日-9日在美国旧金山展开。本届大会的最佳论文奖（Outstanding Paper Award）颁给了斯坦福大学计算机系Russell Stewart和Stefano Ermon的论文《基于物理和特定领域知识的神经网络无标签监督学习》（Label-Free Supervision of Neural Networks with Physics and Domain Knowledge）。

AAAI原名“美国人工智能协会”（American Association for Artificial Intelligence），于1979年成立，2007年更名为“人工智能促进协会”（The Association for the Advancement of Artificial Intelligence），由计算机科学和人工智能的创始人 Allen Newell, Marvin Minsky 和John McCarthy 等人首创，现在在全球有超过6000名会员。

而AAAI年会是人工智能领域一年一度的顶级盛会，吸引数以千计的全球人工智能精英与会交流。每年论文录用率不到30%，是含金量的保证。今年注册参会人数为1692，收到的投递论文有2571篇，为历史最高，其中639篇论文被大会接收。最佳论文奖（Outstanding Paper Award）则会在这些论文中被选出。

最佳论文：《基于物理和特定领域知识的神经网络无标签监督学习》

深度学习是缔造现下这一波人工智能热潮的最大工程。在有监督的机器学习中，开发者需要运用大量带标签的数据对人工智能进行训练。譬如深度学习2016年最火的“代言人”阿尔法狗，就是在学习了大量人类棋谱后击败世界围棋冠军的。但在实际应用中，带标签的数据十分稀缺，这大大制约了深度学习的发展。

然而，人类通常不需要大量直接的示例来学习，而是需要获得关于某个特定任务如何执行的抽象化的指令。因此，斯坦福大学计算机系Russell Stewart和Stefano Ermon思考，能否通过类似的原理来发明一种不带标签的训练机器的方法。即：不是通过展示一个个具体的例子来训练机器，而是向机器描述想要的输出结构。他们没有直接成对地给出输入-输出的示例样本，而是指定了在输出空间上能够成立的约束。这些约束源自先验的领域知识，如已知的物理定律。他们把这些在既有的领域知识里应该成立的结构和关系编码成代数和逻辑上的约束，最终，他们在没有带标签的数据的情况下，运用这些约束成功训练了一个卷积神经网络来检测和跟踪对象。

AAAI-17的这篇最佳论文在物理学的启发下，为深度学习突破数据限制这个瓶颈提供了思路。

中国元素亮眼，新晋华人会士

随着中国学者在人工智能领域的崛起，AAAI的中国原色也越发浓墨重彩。南京大学计算机系教授、今年刚当选AAAI会士（AAAI fellow）的周志华在微博上透露，AAAI-17原定时间与中国春节冲突，经多位华人学者努力，AAAI决定改期改地点（原定举办地新奥尔良已无合适会场酒店）。

自1990年开始评选的AAAI会士中现已有6位华人。第一位亮相的是2014年当选的香港科技大学教授、前华为诺亚方舟实验室主任杨强。获奖理由是对 AI 计划（AI planning）、数据挖掘和基于用例推理（case-based reasoning）的基础研究和实践应用做出重大贡献。

此后，台湾大学的林智仁、南京大学的周志华、卡内基梅隆大学的邢波、伊利诺伊斯大学芝加哥分校的刘兵陆续当选。这次AAAI-17共评选出7位会士，其中一位新晋华人会士是香港科技大学教授林方真，当选理由是对知识表达，特别是非单调逻辑、答案集编辑和行为理论的重大贡献。

而在论文方面，自2012年浙江大学EAGLE-Lab及CAD&CG 实验室合作的《基于数据重构的文档摘要》斩获当届最佳论文，国内高校开始在AAAI上崭露头角。今年清华、北大、复旦、浙大等国内高校均有论文在大会上亮相。

除了学界之外，中国工业界也在AAAI上扩展着影响力。今年百度的人工智能团队有一篇关于人力资源智能化管理和一篇关于本地化描述的论文被大会收录。此外，华为诺亚方舟实验室李航团队关于神经机器翻译、360首席科学家颜水成教授关于多路径反馈的递归神经网络、携程科研团队关于通用化推荐系统的论文也被AAAI-17收录。