【IJCAI 2018】30大Tutorial，人工智能百花齐放

会员服务 ·

【IJCAI 2018】30大Tutorial，人工智能百花齐放

2018 年 7 月 18 日 德先生

本文整理自：专知等

后台回复

“DLAI18”

获取Bengio 173页《基于深度学习的人工智能（Deep Learning for AI）》PPT

后台回复

“AML18”

获取Bengio 145页《对抗机器学习（

Adversarial Machine Learning）》 PPT

当地时间7月13-19日，备受关注的AI顶级国际会议IJCAI在瑞典斯德哥尔摩举行。在这次会议上，人工智能和机器学习领域的研究者为我们呈现了这一领域的研究前沿，其中包括：约束学习Constraint Learning、生成对抗网络（GAN）、博弈论、AI伦理等等，呈现出很强的多样性；与此同时，一些资深研究者也带来了一些极具看点和启发价值的演讲和教程，其中包括：Bengio《基于深度学习的人工智能Deep Learning for AI》和中科院自动化所王飞跃《基于模糊逻辑的可解释性深度学习》等等。

IJCAI-ECAI-18，the 27th International Joint Conference on Artificial Intelligence and the 23rd European Conference on Artificial Intelligence，作为顶级的AI国际会议于7月13至19日在阳光灿烂的瑞典斯德哥尔摩召开，并吸引了2500名来自全球的专家学者和工业界人员。IJCAI-ECAI-18与其它姊妹会议（AAMAS, ICML, ICCBR and SoCS）一起汇集成为Federated AI Meeting（FAIM）这样一次引人注目的盛会。

大会的另一大特色是组织了多达30个tutorial和66个workshop，对所有FAMI大会参加者开放。其中，中国自动化学会副理事长兼秘书长、中科院自动化所的王飞跃教授，诺基亚的范力欣首席研究员，马来亚大学的陈志胜副教授，日本京都大学的梁雪峰副教授（现西安电子科技大学教授）合作组织了题为“Interpretable & Reasonable Deep Learning and its Applications (IReDLiA)” 的workshop1。王飞跃，范力欣，陈志胜还组织了题为“Toward Interpretable Deep Learning via Fuzzy Logic”的tutorial2，3。

在13日上午的Tutorial中，王飞跃教授高屋建瓴地回顾了人工智能早期的发展史，揭示了现阶段存在的问题，并预测了未来的突破方向。陈志胜副教授深入浅出地介绍了模糊逻辑的重要原理和应用。范力欣研究员则通过一个具体的实例，揭示了模糊逻辑和深度学习之间的内在联系，并展示了如何利用逻辑推理规则，来解释和提高神经网络的学习能力。Tutorial吸引了众多参会者，而与会者一致表示，这样的tutorial开拓了大家的眼界，帮助他们，尤其是年轻的研究学者，更全面地了解和思考人工智能的深度和广度。

王飞跃教授回顾人工智能发展历史

在下午的workshop中，围绕深度学习的可解释性问题，来自美国哈佛大学，麻省理工学院，日本京都大学等研究机构的年轻学者，报告了他们的最新研究成果。而在panel discussion中，参会者集中讨论了在医疗，法律和智能车辆等应用中，人工智能算法可解释性的极端重要性。来自澳洲科廷大学的Dr. Raymond Sheh做出了令人吃惊的评论，“可解释性不是关乎生死，而是高于生死”，热烈的讨论一直延续到workshop结束以后。

小编对本次会议的Tutorials进行了整理，以下是对Tutorials的简单介绍：

IJCAI-ECAI 2018 Accepted Tutorials and Schedule

T01. 对抗机器学习
Adversarial Machine Learning
Battista Biggio and Fabio Roli
链接：

https://www.pluribus-one.it/sec-ml/wild-patterns/

T02. 使用Google-AIY树莓派套件的设计马拉松
“AI forSocial Good” Design Hackathon Using Google-AIY Kits
Tara Chklovski and Yolanda Gil
链接：

http://iridescentlearning.org/ai-curriculum-hackathon-ijcai-2018/

T03. 程序性社会介入
Algorithmic Social Intervention
Bryan Wilder and Yevgeniy Vorobeychik
链接：

http://teamcore.usc.edu/people/bryanwilder/ijcai-algorithmic-social-intervention.htm

T04. 人工智能与法律
ArtificialIntelligence and the Law
Adam Wyner
链接：

http://www.ijcai-18.org/wp-content/uploads/2018/05/T04-AI-and-the-Law-IJCAI-ECAI-18.pdf

T05. 机器学习助力优化算法
BoostingOptimization via Machine Learning
Michele Lombardi and Michela Milano
链接：

https://sites.google.com/view/boostingopt2018/

T06. 计算性社会选择及人工智能的道德准则
Computational Social Choice and Moral Artificial Intelligence
Vincent Conitzer
链接：

https://users.cs.duke.edu/~conitzer/IJCAI18comsoctutorial.html

T07.深度生成模型
DeepGenerative Models
Aditya Grover and Stefano Ermon
链接：

https://ermongroup.github.io/generative-models/

T08. 基于深度学习的人工智能
DeepLearning for AI
Yoshua Bengio
链接：

http://www.iro.umontreal.ca/~bengioy/talks/IJCAI2018-DLtutorial.html

T09. 可废止的描述逻辑
Defeasible Description Logics
Ivan Varzinczak
描述逻辑（description logic）是一種用于知识表示的逻辑语言和以其为对象的推理方法，主要用于描述概念分类及其概念之间的关系。描述逻辑方法多数被用到涉及知识分类的应用领域，如数字图书馆和面向万维网的信息处理。描述逻辑是当前语义网发展中本体的理论基础。
链接：

http://ijv.ovh/ijcai2018-tutorial/

T10. 梦想机器
Imagination Machines
提出利用人工智能处理一些现象中的场景数据
Sridhar Mahadevan
链接：
https://people.cs.umass.edu/~mahadeva/IJCAI_2018_Tutorial/Welcome.html

T11. 多赢选择：应用，原理，算法及演化
Multiwinner Elections: Applications, Axioms, Algorithms, and Generalizations
Piotr Faliszewski, Piotr Skowron, and Nimrod Talmon
链接：

http://home.agh.edu.pl/~faliszew/ijcai-ecai18/

T12. 人工智能生成音乐
Musical Metacreation: AI for Generative Music
Philippe Paquier
链接：

http://musicalmetacreation.org/musical-metacreation-tutorial-ijcai-2018/

T13. 有约束的神经符号学习和推理
Neural-symbolic Learning and Reasoning with Constraints
Luis Lamb, Marco Gori, Artur Garcez, Luciano Serafini, and Michael Spranger
链接：

http://www.neural-symbolic.org/

T14. 基于本体的数据介入：理论和实践
Ontology-based Data Access: Theory and Practice
Roman Kontchakov and Guohui Xiao
链接：

http://ontop.inf.unibz.it/ijcai-2018-tutorial/

T15. 预测人的决策过程：从预测到行动
Predicting Human Decision-Making: From Prediction to Action
Ariel Rosenfeld and Sarit Kraus
链接：

https://sites.google.com/view/predicting-human-dm

T16. 知识编辑最新进展
Recent Advances in Knowledge Compilation
Adnan Darwiche and Pierre Marquis
链接：

http://beyondnp.org/tutorial18/

T17. 启发式搜索的最新研究方向
Recent Directions in Heuristic Search
Ariel Felner, Daniel Harabor, Sven Koenig and Nathan Sturtevant
链接：

https://movingai.com/IJCAI18-HS/

T18. 可扩展离散集成和取样:基础和挑战
Scaling Discrete Integration and Sampling: Foundations and Challenges
Supratik Chakraborty and Kuldeep S. Meel
链接：

http://www.comp.nus.edu.sg/~meel/Tutorials/ijcai18.html

T19. 维基百科在文本分析和检索中所起的作用
The Role of Wikipedia in Text Analysis and Retrieval
Marius Pasca
链接：

http://www.ijcai-18.org/wp-content/uploads/2018/05/T20-Wikipedia-Text-Analysis-Retrieval-IJCAI-ECAI-18.pdf

T20. 基于模糊逻辑的可解释性深度学习
Toward Interpretable Deep Learning via Fuzzy Logic
Lixin Fan, Chee Seng Chan, and Fei-Yue Wang
链接：

http://web.fsktm.um.edu.my/~cschan/ijcai2018

T21. 验证基于主体的自治系统
Verifying Agent-Based Autonomous Systems
Louise Dennis and Michael Fisher
链接：

http://cgi.csc.liv.ac.uk/~lad/vabas/

QUARTER-DAYTUTORIALS

T22. 当论证遇上计算性社会选择
Argumentation Meets Computational Social Choice: A Tutorial
Dorothea Baumeister, Daniel Neugebauer, and Jörg Rothe
链接：

https://ccc.cs.uni-duesseldorf.de/~rothe/IJCAI-2018-Tutorial-Argumentation-Meets-COMSOC

T23. 约束学习
Constraint Learning
Luc De Raedt, Andrea Passerini, and Stefano Teso
链接：

https://dtai.cs.kuleuven.be/events/tutorial-constraint-learning-ijcai18

T24. 声明式空间推理：教程，方法与应用
Declarative Spatial Reasoning: Theory, Methods, Applications
Mehul Blatt and Carl Schultz
链接：

http://hcc.uni-bremen.de/spatial-reasoning/

T25. 社交网络中的扩散机制设计
Diffusion Mechanism Design in Social NetworksDengji Zhao
链接：

http://dengji-zhao.net/ijcaiecai18.html

T26. 人工智能中的认知推理
Epistemic Reasoning in AI
François Schwarzentruber
链接：

http://people.irisa.fr/Francois.Schwarzentruber/ijcai2018_tutorial/

T27. 基于博弈论和机器学习的安全分析
GameTheory and Machine Learning for Security
Fei Fang
链接：

https://feifang.info/ijcai-2018-tutorial/

T28. 数据科学中的博弈论:获取真实的信息
Game Theory to Data Science: Eliciting Truthful Information
Boi Faltings and Goran Radanovic
链接：

https://lia.epfl.ch/~faltings/ijcai2018_tutorial_web/

T29. 知道正确而不能做错事的机器:机器伦理的理论和实践
Machines that Know Right and Can Not Do Wrong: The Theory and Practice of Machine Ethics
Louise Dennis and Marija Slavkovik
链接：

http://slavkovik.com/ijcaitutorial.html

本文链接：

https://www.ijcai-18.org/tutorials/

以上就是全部的tutorial，选取Bengio《对抗机器学习 Adversarial Machine Learning》的有意思的ppt分享给大家。