大会 | NIPS 2017即将开幕，哪些热点值得关注？

2017 年 11 月 30 日 AI科技评论 岑大师

AI 科技评论按：还有不到一个星期，人工智能领域本年度最后一个学术盛会、机器学习领域顶级会议NIPS 2017（Neural Information Processing Systems）将在加州长滩拉开帷幕。届时 AI 科技评论也将前往长滩进行大会的跟踪报道，在出发之前，让我们来看看这个被称为“机器学习最好的学术会议”都有哪些值得关注的内容吧。

AI 科技评论了解到，NIPS大会议程设置分为若干不同环节，包括：Talk/Invite Talk、Workshop、Tutorial、Poster、Oral、Spotlight、Demostration、Symosium等。不同的议程设置也反映了大会的不同重点，当中的区别，雷锋网总结如下：

Talk/Invited Talk：大会报告（有的学术会议也称为Plenary Talk），是在某个领域卓有成就的研究者向所有参会者就某一领域做的刚要性的总结报告，每个演讲者有50分钟的演讲时间，也是学术会议的重头戏所在。NIPS 2017在4-7日期间将安排7场大会报告；

Workshop：某一主题下若干人一起进行密集讨论的小会，互动性较高。NIPS 2017的Workshop将安排在8、9号两天，共有53个Workshop；

Tutorial：类似辅导讲座性质，一般针对针对初学者。NIPS 2017的Tutorial将安排在4号，共有9个Tutorial；

Oral：大会收录的较为重要的一批论文的口头宣讲。NIPS 2017共有40篇论文进入Oral，口头宣讲时间为15分钟；

Spotlight：次重要的一批论文的摘要性口头宣讲。NIPS 2017共有112篇论文进入Spotlight环节，宣讲时间为5分钟；

Poster：其他论文的集中海报宣讲。NIPS 2017的Poster时间为4-6日晚上6:30-10:30，共有3场；

Demostration：现场演示，5、6日两天共有20场；

Symposium：特殊学术讨论，类似分论坛，7日由4场。

Invite Talk

按官方议程，NIPS大会总共有939个项目，Invite Talk自然是当中最受全体关注的内容，七个报告如下：

12月4日 05:30 -- 06:20 PM @ Hall A，John Platt，报告题目：《Powering the next 100 years》；

John Platt是Google的Principal Scientist，本报告将会讲述Google如何使用机器学习来解决未来的能源问题；

12月5日 09:00 -- 09:50 AM @ Hall A，Brendan J Frey，报告题目：《Why AI Will Make it Possible to Reprogram the Human Genome》；

Brendan J Frey是多伦多大学电子与计算机工程及计算机科学系教授，加拿大信息处理机器学习委员会主席。2014年，Frey创办了一家用机器学习方法建模研究遗传突变与疾病相关的深层次基因生物结构问题的公司Deep Genomics，而Frey将会讲述如何用机器学习来对遗传密码实施“逆向工程”、并进一步实现基因重组的挑战，这也是雷锋网感兴趣的内容之一；

12月5日 01:50 -- 02:40 PM @ Hall A，Kate Crawford，报告题目：《The Trouble with Bias》；

Kate Crawford是纽约大学教授及微软纽约研究中心首席研究员。Crawford将讲述机器学习在高风险决策中存在偏差的原因及在医疗保健、刑事司法、教育等核心社会机构中的应用，并提出解决这种偏差的新策略；

12月6日 09:00 -- 09:50 AM @ Hall A，Lise Getoor，报告题目：《The Unreasonable Effectiveness of Structure》；

Lise Getoor是加州大学Santa Cruz分校计算机科学系教授。Getoor将介绍统计相关学习（SRL）的概念，并重点介绍其在概率软逻辑（PSL，一个关于大规模集合的SRL框架）方面的研究；

12月6日 01:50 -- 02:40 PM @ Hall A，Pieter Abbeel，报告题目：《Deep Learning for Robotics》；

Pieter Abbeel是加州大学伯克利分校教授，强化学习领域的大牛。同时，Pieter Abbeel还是创业公司Embodied Intelligence的董事长兼首席科学家（参见雷锋网文章：「离开OpenAI和导师一起创业，他们要让机器人不编程也能像人一样干活」）。

目前在NIPS 2017官网上暂无Abbeel本次演讲的内容介绍。但从演讲题目看，深度学习在机器人领域的应用是当前火热的研究话题，在本月结束的CORL 2017上，Pieter Abbeel主持了会议结束的Q&A环节。AI 科技评论也将会关注Abbeel在NIPS 2017上的本次报告。

12月7日 09:00 -- 09:50 AM @ Hall A，Yael Niv，报告题目：《Learning State Representations》

Yael Niv是普林斯顿大学神经科学学院心理学系副教授。Niv将讲述大脑如何进行强化学习的机制，并由此进一步讨论如何使用无限容量的贝叶斯推理来形式化学习状态表示的问题，并进一步应用到机器学习和迁移学习研究中；

12月7日 09:50 -- 10:40 AM @ Hall A，Yee Whye Teh，报告题目：《On Bayesian Deep Learning and Deep Bayesian Learning》

Yee Whye Teh是牛津大学统计学教授，Deepmind研究科学家。他还是Hinton那篇划时代论文《A fast learning algorithm for deep belief nets》的署名作者之一，在此前召开的ICML 2017大会上， Yee Whye Teh担任大会Program Chair，雷锋网与其打过交道。本次报告Yee Whye Teh将讲述概率思维将如何帮助我们理解深度学习方法并引导研究者开发更有趣的方法，反过来，深度学习方法也将进一步帮助开发先进的概率方法。AI 科技评论对这一报告进行关注。