【新智元导读】 刚刚，IJCAI 2019 重磅公布了最佳论文奖和杰出论文奖获得者。今年 IJCAI 在中国澳门举办，这是继 2013 年于北京召开后，第二次踏足中国。最佳论文花落谁家，大会亮点有哪些，一起来看！
今天上午，IJCAI 2019 主会议开幕式在中国澳门举行，备受瞩目的 “最佳论文奖” 也终于揭晓。
今年是第 28 届 IJCAI（国际人工智能联合会议），于 8 月 10 日至 16 日在中国澳门召开，如往常一样，前三天是 workshop。
IJCAI 是人工智能领域历史最悠久的学术会议，也是最重要和最顶级的学术会议之一。第一届 IJCAI 于 1969 年举办，是 1956 年达特茅斯研讨会的延伸，也是有史以来的第一次人工智能国际会议。几十年来，众多领先的 AI 科技成果都是在 IJCAI 会议期间提出。
今年正值 IJCAI 成立 50 周年，也是 IJCAI 继 2013 年于北京召开后，第二次踏足中国。因此，会上的 “中国元素” 非常多。
开幕式上的 “舞狮”
IJCAI 2019 理事会主席是香港科技大学计算机科学与工程学系主任杨强教授，他也是 IJCAI 的首位华人理事会主席。
大会的一个亮点是 “中国的 AI”panel，杨强主席特地邀请了中国人工智能的领军人物张钹院士、高文院士、周志华教授，中国香港的人工智能代表人物 PASCAL FUNG（冯雁）、张潼教授以及新一代人工智能的代表人物戴文渊，来共同分享中国 AI 的故事。
会场上南大人工智能学院的展示牌
AI 顶会一向也是人才交流、机构展示的重要地点，周志华教授也在为南京大学人工智能学院招募人才，有志者别错过。
此外，IJCAI 最佳论文奖以及各大奖项都新鲜出炉，看看都有哪些论文上榜了吧。
投稿数量增长迅猛，华人一作论文数量依旧最多
根据大会官方发布的数据，今年的 IJCAI 共投稿 4752 篇 (较去年增长 37%)，接收了 850 篇(接受率为 17.8%)。
对于这样的高增长投稿数和低接收率，新智元在 5 月份也报道了网友们对此次论文 “奇葩” 评审的吐槽。当然，对此事件，IJCAI 程序主席也早已发表公开信进行了回应。
大会也提供了从 2007 年至 2019 年来投稿数量变化及增长率情况。
在接收的 850 篇论文中，官方给出了根据第一作者和地域划分的数据，可以看出中国学者的力量依旧迅猛，中国的入选论文达到 327 篇，占比 38%。
根据投稿领域划分，机器学习有 2516 篇投稿，接收 438 篇，依旧是最热门的子领域。其次是计算机视觉、机器学习应用、多智能体系统以及自然语言处理等等。
按照惯例，新智元根据接收论文的题目做了一个词云，Learning、Multi、Network 以及 Deep 等词成为今年的最热关键词。
IJCAI 2019 的关键词：Learning、Multi、网络、深度
IJCAI 2018 的关键词：学习、模态和网络是占比最高的关键词
对比 IJCAI 2017 的标题关键词
比较有趣的一个现象是，从 2017 年 - 2019 年，最热词从 Learn 变为 Learned，再变为 Learning。
最佳论文
获得最佳论文的是 Clause Elimination for SAT and QSAT，作者来自德克萨斯大学奥斯汀分校、芬兰赫尔辛基大学、维也纳工业大学和奥地利约翰内斯・开普勒大学。
标题： Clause Elimination for SAT and QSAT
作者： Marijn Heule，Matti Järvisalo，Florian Lonsing，Martina Seidl，Armin Biere
作者机构： 德克萨斯大学奥斯汀分校、芬兰赫尔辛基大学、维也纳工业大学、奥地利约翰内斯・开普勒大学
论文地址： www.jair.org/index.php/j…
摘要： 本文开发并分析了预处理和后处理的从句消除过程。这些从句消除程序构造了一系列（P）CNF 公式简化技术，该技术可以删除具有特定（实际上是多项式时间）冗余属性的从句，同时让公式保持满足性状态。
我们的技术除了能够消除无意义重复、包含句和从句不通等已知问题外，我们还基于这些技术的不对称变体，推出了新的消除程序，还开发了一系列的隐式从句消除程序，并实现了 CNF 公式性能的提升。
我们对所提出的从句消除程序进行了各个方面的考察。此外，我们还表明如何从满足简化 CNF 的赋值下重构原始 CNF 的解决方案，这对这些消除程序的实际应用具有重要意义。作为对更多理论分析的补充，我们根据对解算器运行时对标准实际应用基准的影响，对从句消除过程的重要性进行了实证性评估。事实证明，在最先进的 QSAT 解决方案中，以往经验证明了本研究中开发的从句消除程序的重要性。
杰出论文
IJCAI 2019 评选出一篇杰出论文 (Distinguished Paper)，作者来自德国马普智能研究所和德国图宾根大学。
标题：Boosting for Comparison-Based Learning
作者：Michaël Perrot, Ulrike von Luxburg
作者机构：德国马普智能研究所、德国图宾根大学
摘要：
本文在基于比较如下设置中考虑分类问题：给定一组对象，只能进行 “对象 xi 更接近对象 xj，而不是对象 xk” 的三元形式的比较。
在本文中，我们介绍了 TripletBoost，这是一种能够从这种三元形式的比较中学习分类器的新方法，其主要思路是将三元组信息聚合成弱分类器，随后再将其增强为强分类器。
我们的方法有两个主要优点：（i）它适用于来自任何度量空间的数据，（ii）它可以仅使用被动获得的和有噪声的三元组数据来处理大规模问题。
我们推导出了这种方法理论的推广保证和三元组数据量的必要下限，我们凭经验证明，这种方法既具有最先进的性能，又能有效抵抗噪声的干扰。
卓越贡献奖
说完最佳论文，再来看其他奖项。IJCAI 的奖项是任何 AI 研究人员可获得的最高荣誉之一。
IJCAI 2019 奖项设置分为：卓越研究奖（Research Excellence Award）、计算机与思想奖（Computer and Thought Award）、约翰麦卡锡奖（John McCarthy Award），以及杰出服务奖（Donald E. Walker Distinguished Service Award）。接下来看看谁获奖了。
IJCAI 最高荣誉：卓越研究奖（Research Excellence Award）
2019 年卓越研究奖的获奖者是斯坦福大学计算机科学教授 Yoav Shoham。Shoham 教授因对知识表示、multi-agent 系统和 AI 的经济基础的贡献而得到认可。
授予卓越研究奖的对象是在整个科研生涯中始终如一地执行高质量研究计划，并取得一定成果的科学家。过去获得该荣誉的群体是人工智能领域中最杰出的科学家群体，包括麦卡锡（1985）、明斯基（1991）、Judea Pearl（1999）和 Michael I. Jordan（2016）。
计算机与思想奖（Computer and Thought Award）
2019 年计算机与思想奖的获得者是加州大学洛杉矶分校助理教授兼 Samueli 研究员 Guy Van den Broeck。Van den Broeck 教授因其对统计和 relational 人工智能的贡献以及学习和推理中 tractability 的研究而受到表彰。
IJCAI 会议颁发的计算机与思想奖授予对象是人工智能领域中的青年科学家。该奖项是由 Edward Feigenbaum 和 Julian Feldman 编辑的《计算机与思想》一书中收取的版税而设立的，目前由 IJCAI 基金的收入支持。
过去曾获此殊荣的 AI 研究者包括：David Marr (1979)，Stuart Russell (1995)，Daphne Koller (2001)，Tuomas Sandholm (2003)，吴恩达 (2009)，以及 Percy Liang (2016)。
约翰麦卡锡奖（John McCarthy Award）
2019 年约翰麦卡锡奖的获奖者是华盛顿大学教授 Pedro Domingos。多明戈斯教授因其对机器学习和数据科学的贡献以及统一逻辑和概率而受到认可。
IJCAI 的约翰麦卡锡奖主要授予成熟的职业中期研究人员（通常在获得博士学位后 15 至 25 年)，并且在人工智能领域中取得了重要的研究成果。该奖项的获得者将为其所在地区的研究议程做出重大贡献，并将对影响力较大的研究成果进行评估。此荣誉的过去获奖者包括：Bart Selman (2015)，Moshe Tennenholtz (2016) 和 Dan Roth (2017)。
杰出服务奖（Donald E. Walker Distinguished Service Award）
IJCAI 杰出服务奖 2019 年获奖者是 Francesca Rossi，意大利帕多瓦大学计算机科学教授，IBM 研究院杰出研究员，她是 AI 伦理全球领导者。Rossi 教授因其丰富的经验，以及她在整个职业生涯中担任各种角色的人工智能领域的广泛服务而受到表彰。
IJCAI 杰出服务奖由 IJCAI 受托人于 1979 年成立，旨在纪念人工智能的高级科学家在其职业生涯中为该领域的贡献和服务。此荣誉的过去获奖者包括：Erik Sandewall （2016 年），Ramon Lopez de Mantaras（2017 年）和 Craig Knoblock（2018 年）。
周志华等人主旨演讲
今年 IJCAI 的主旨演讲内容非常丰富，组委会一共邀请了 7 位大咖，从不同角度探讨 AI 的现在过去和未来。大家熟知的南京大学人工智能学院院长周志华也受邀演讲。
南京大学计算机系主任、人工智能学院院长 周志华
演讲题目： Deep Learning: Why deep and is it only doable for neural networks? （深度学习：为什么深，是否只适用于神经网络？）
“深度学习” 一词通常被认为是 “深度神经网络（DNNs）” 的同义词。虽然深度学习技术在许多应用中取得了巨大的成功，但仍然不清楚为什么模型必须是深度的，而浅层的模型不能同样强大。在本次演讲中，我们将分享关于深度学习要点的一些想法，并指出深度学习可以用其他模型实现，甚至基于不可微分（non-differentiable）的模型，也不一定受神经网络和基于梯度的反向传播的限制。
罗马第一大学计算机科学与工程系教授 Giuseppe de Giacomo
演讲题目： Queryable Self-Deliberating Dynamic Systems（可查询的自动审议动态系统）
麻省理工学院计算机科学与工程系教授 Leslie Kaelbling
演讲题目： Doing for our robots what evolution did for us（为我们的机器人做进化对我们做的事）
加州大学洛杉矶分校计算机科学教授 Adnan Darwiche
演讲题目： Reasoning About The Behavior of AI Systems（关于 AI 系统行为的推理）
康奈尔大学机械与航空航天工程学院副教授 Hadas Kress-Gazit
演讲题目： Formal Synthesis for Robots（机器人的形式合成）
索尼公司计算机科学实验室总裁兼首席执行官 Hiroaki Kitano
演讲题目： Creating the Engine for Scientific Discovery: Nobel Turing Challenge as a grand challenge project in AI and Systems Biology（为科学发现创造引擎：诺贝尔图灵挑战是 AI 和系统生物学的一项重大挑战项目）
博洛尼亚大学计算机科学与工程系教授 Michela Milano
演讲题目： Empirical Model Learning: merging knowledge-based and data-driven decision models through machine learning（经验模型学习：通过机器学习合并基于知识和数据驱动的决策模型）
