0
| 本文作者：我在思考中 | 2021-08-25 10:58 | 专题：IJCAI 2019 |
8月19日到26日，IJCAI 2021 在线上召开，昨天又公布了两大奖项，分别是 AIJ 杰出论文奖（AIJ Prominent Paper Award 2021）与 AIJ 经典论文奖（Classic AIJ Paper Award）！
AIJ 的全称为“Artificial Intelligence Journal”，即《人工智能期刊》，始建于 1970 年，是人工智能研究领域的顶级学术期刊，具有公认的权威性与知名性。
上个月，IJCAI 2021 在开幕前已颁布三大奖项，其中，“强化学习之父”、阿尔伯塔大学计算科学系教授 Richard Sutton 获得“卓越研究奖”，卡内基梅隆大学计算机学院软件研究所助理教授方飞获得计算机与思想奖，卡内基梅隆大学 Angel Jordan 计算机科学教授 Tuomas Sandholm 则获得约翰麦卡锡奖。
那么，IJCAI 最新颁布的两大奖项又花落谁家？AI 科技评论为你揭晓。
AIJ 杰出论文奖
今年，IJCAI 杰出论文奖的获得者是 Frank Hutter、Lin Xu、Holger Hoos 与 Kevin Leyton-Brown，获奖论文为 2014 年发表在《人工智能期刊》上的工作“Algorithm runtime prediction: Methods & evaluation”。
在这篇工作中，作者团队提出了处理算法参数的新方法。
他们提到，用机器学习技术将算法运行时间的模型构建成一个具备特定问题实例特征的函数，然后预测算法在完全陌生的输入上所需的运行时间，也许听起来很荒谬，但实现的可能性极高。而且，这类模型在算法分析、组合算法选择与参数化算法自动配置上具有重要应用。
针对这类模型，作者团队介绍了新的拓展与改进方式；更重要的是，他们提出将算法参数作为模型输入，进行了更彻底的处理。此外，他们还全面描述了预测命题可满足性（SAT）、旅行商（TSP）和混合整数规划（MIP）问题的算法运行时间的已有特征与新特征。
作者团队通过大量的实验分析对这些创新进行了评估，并与大量研究运行时间建模的工作进行了比较。在实验中，他们考虑了11种算法与35种实例分类，涵盖了大量 SAT、MIP 与 TSP 实例，包括随机生成的结构化程度最低的案例，已经从现实工业应用中产生的结构化程度最高的案例。
总的来说，这篇工作所提出的新模型被证明，在遇到全新输入、全新问题等等时能够更好地预测算法的运行时间。
作者团队：
Frank Hutter，现任德国弗莱堡大学工程学院计算机科学系教授，机器学习组负责人。2004年硕士毕业于德国达姆施塔特工业大学（Darmstadt University），2009年博士毕业于不列颠哥伦比亚大学（UBC），主要研究兴趣是统计机器学习、自动问题求解、自动学习软件系统、不确定情况下的序列决策与科学实验，目前的研究课题主要是围绕贝叶斯优化、自动机器学习、深度学习与自动算法设计。
个人主页：https://ml.informatik.uni-freiburg.de/profile/hutter/
Holger Hoos，AAAI Fellow，荷兰莱顿大学莱顿高级计算机科学研究所（LIACS）机器学习教授，同时在加拿大不列颠哥伦比亚大学（UBC）计算机系担任兼职教授。1998年在德国达姆施塔特工业大学获得博士学位，主要研究兴趣是人工智能、经验算法、生物信息学等，在随机局部搜索的算法设计上取得了卓越成就，也是自动化机器学习（AutoML）改变的开山鼻祖之一。
个人主页：https://www.universiteitleiden.nl/en/staffmembers/holger-hoos#tab-1
Kevin Leyton-Brown，AAAI Fellow，加拿大不列颠哥伦比亚大学教授，1998年本科毕业于加拿大麦克马斯特大学（McMaster University），硕士与博士则分别于2001年、2003年毕业于斯坦福大学，主要研究内容是机器学习与电子市场设计和操作的交叉，以及机器学习与启发式算法的设计交叉，曾凭借 SAT 求解器 SATzilla在国际SAT求解器竞赛中获得许多奖牌。
个人主页：https://www.cs.ubc.ca/~kevinlb/
注：Lin Xu 资料不详，故未作介绍。
AIJ 经典论文奖
此外，今年 IJCAI 经典论文奖的获得者是 Leslie Pack Kaelbling、Michael Littman与 Anthony Cassandra，获奖论文为 1998 年发表在《人工智能期刊》上的工作“Planning and acting in partially observable stochastic domains”。
在这篇工作中，作者团队将运筹研究技巧应用于解决在部分可观察的随机域中选择最佳动作的问题。
他们首先介绍了马尔可夫决策过程（mdps）与部分可观察MDP（pomdps），然后提出了一种可以离线解决 pomdps 的新算法，并展示了 POMDP 解决方案在某些情况下可以如何提取出内存有限的控制器。
最后，他们将这篇工作与以往的研究作对比，探讨了寻找准确解决 pomdps 方法的复杂程度，以及寻找近似解的可能性。
论文链接：https://www.sciencedirect.com/science/article/pii/S000437029800023X
作者团队：
Leslie Pack Kaelbling，AAAI Fellow，现任麻省理工学院 EECS 教授，在情景智能体设计、移动机器人、强化学习与决策理论规划等方面进行了大量研究。1983年本科毕业于斯坦福大学哲学系，1990年在斯坦福大学获得计算机科学博士学位。
个人主页：https://www.csail.mit.edu/person/leslie-kaelbling
Michael Littman，AAAI Fellow 与 ACM Fellow，布朗大学计算机系Royce Family教授，主要研究机器学习与不确定性决策，在强化学习、概率规划与自动填字猜谜等方面的研究获得了三个最佳论文奖与两个有影响力的论文奖。
前两个月，他在 ACM 通讯上发文痛斥论文作者和审稿人串通欺骗盲审的现象。
个人主页：https://www.littmania.com/
Anthony Cassandra，又称“Tony Cassandra”，1998年博士毕业于布朗大学，目前是 RVshare 的技术 VP，主要研究软件设计与管理。
个人主页：https://tonycassandra.com/
杰出论文奖
今年，IJCAI杰出论文奖共有三篇，荣誉提名一篇。
第一篇获奖论文为《Learning GeneralizedUnsolvability Heuristics for Classical Planning》。作者：Simon Ståhlberg (Linköping University), Guillem Francès (UniversitatPompeu Fabra), Jendrik Seipp (Linköping University)。
论文摘要：
近些年来经典规划方面的研究提出了一些专用方法来检测无法解决的状态，即无法达到目标状态的状态。在本篇获奖论文中，研究者从广义规划的角度处理问题，并学习描述整个规划领域不可解的一阶公式。此外，该研究还展示了如何将这个问题转换为一个自监督分类任务。
本文使用到的训练数据是通过对每个域的小实例进行详尽地探索而自动生成和标记的，候选特征是根据用于定义域的判断自动计算出来的。研究者研究了三种具有不同属性的学习算法，并将它们与文献中的启发式算法进行比较。实验结果表明，本文所提出的方法能够捕获重要的不可解状态类别，并具有较高的分类准确率。此外，启发式的逻辑形式使它们易于解释和推理，并且可用于表明在某些域中学习的特征准确地捕获了该域的所有无法解决的状态。
论文链接：https://www.ijcai.org/proceedings/2021/0574.pdf
作者团队：
Simon Ståhlberg 是林雪平大学(Linköping University)计算机与信息科学系博士后，主要研究人工智能和集成计算机系统（AIICS）。
个人主页：https://liu.se/en/employee/simst50
Guillem Francès是西班牙巴塞罗那加泰罗尼亚理工大学(Universitat Pompeu Fabra)博士后研究员，论文研究重点是开发有效的方法来利用独立于领域的经典规划语言中的表达建模结构。
个人主页：https://www.upf.edu/web/ai-ml/entry/-/-/31934/adscripcion/guillem-franc%C3%A8s
Jendrik Seipp是林雪平大学(Linköping University)计算机与信息科学系人工智能助理教授。与 Hector Geffner 和 Ulf Nilsson 一起领导 AIICS 部门的"Representation, Learning and Planning"实验室。
个人主页：https://liu.se/en/employee/jense56
第二篇获奖论文为《Onthe Relation Between Approximation Fixpoint Theory and Justification Theory》。作者：Simon Marynissen (KU Leuven), Bart Bogaerts (Vrije UniversiteitBrussel), Marc Denecker (KU Leuven)。
论文摘要：
AFT（Approximation FixpointTheory ）和 JT（JustificationTheory ）是两个统一逻辑形式的框架。AFT 用lattice 算子的不动点来研究语义，JT 则解释了为什么某些事实在模型中成立或不成立。虽然方法不同，但是这两种框架在设计时考虑了相似的目标，即研究非单调逻辑中出现的不同语义。本篇获奖论文的第一个贡献是为两个框架之间提供了一个正式的联系。准确地说，该研究表明每个 justification 框架都引入了一个逼近器（approximator），并且这种从 JT 到 AFT 的映射保留了所有的主要语义。第二个贡献是利用这种对应关系用一类新的语义来扩展 JT，即终极语义（ultimate semantic）：终极语义可以通过 justification 框架上的句法转换在 JT 中获得，本质上是对规则执行某种解析。
论文链接：https://www.ijcai.org/proceedings/2021/0272.pdf
作者团队：
Simon Marynissen 是鲁汶大学(KU Leuven)博士研究员，主要研究声明式语言和人工智能 (DTAI)。
个人主页：https://www.kuleuven.be/wieiswie/en/person/00117394
Bart Bogaerts 是布鲁塞尔自由大学(Vrije Universiteit Brussel)人工智能实验室的助理教授。他的研究兴趣遍及知识表示领域。
个人主页：https://ai.vub.ac.be/team/bart-bogaerts/?utm_source
Marc Denecker 是鲁汶大学(KU Leuven)研究员，负责知识表示和推理研究小组。
个人主页：https://people.cs.kuleuven.be/~marc.denecker/
第三篇获奖论文为《KeepYour Distance: Land Division With Separation》。作者：EdithElkind (University of Oxford), Erel Segal-Halevi (Ariel University), WarutSuksompong (National University of Singapore) 。
论文摘要：
本篇获奖论文通过研究处理现实生活中的应用需求，让公平划分理论更接近于实际。该研究关注 landestates 的两个需求：（1）每个智能体都应该获得一个可用几何形状的地块；（2）不同智能体的地块必须在物理上分开。有了这两点要求，按比例来划分的经典公平概念是不切实际的，因为可能无法对其进行乘法近似。相比之下，Budish 在 2011 年提出的序列最大值共享近似（the ordinal maximin share approximation）则提供了更有意义的公平保证。当可用形状为正方形、矩形或任意轴对齐矩形时，本篇获奖论文证明了可实现的最大共享保证的上限和下限，并探索了在此设置下找到公平划分的算法和查询复杂度。
论文链接：https://arxiv.org/pdf/2105.06669.pdf
Edith Elkind 是牛津大学(University of Oxford)计算机学教授、非教程研究员。Elkind博士于 2013 年加入牛津计算机科学系。在来到牛津之前，她是南洋理工大学的助理教授，她的研究得到了国家研究基金会 (NRF) 奖学金的支持。
个人主页：https://www.cs.ox.ac.uk/people/edith.elkind/
Erel Segal-Halevi是Ariel 大学(Ariel University)计算机科学系的终身讲师。主要研究目标是开发算法使人类社会更美好、更公平。
个人主页：http://tora.us.fm/erelsgl/
Warut Suksompong 是新加坡国立大学(National University of Singapore)计算机学院助理教授。此前是牛津大学计算机科学博士后研究员。
个人主页：https://www.comp.nus.edu.sg/~warut/
获荣誉提名的论文是《Actively Learning Concepts and Conjunctive Queries under ELdr-Ontologies》。作者：Maurice Funk (University of Bremen), Jean Christoph Jung (Universityof Hildesheim), Carsten Lutz (University of Bremen)。
论文摘要：
本文考虑在存在描述逻辑制定的本体情况下学习一个概念或查询的问题，在 Angluin 的主动学习框架下，允许学习算法交互地查询 oracle（如领域专家）。本文表明，以下内容可以在多项式时间内学会。(1)概念，(2)无对称性的概念，(3)和弦性的、无对称性的、有界算数的联合查询（CQ）。在所有的情况下，学习者都可以向 oracle 提出基于 ABoxes 的成员查询和等价查询，询问所考虑的类中的给定概念/查询是否与目标等价。当我们在等价查询中承认不受限制的 CQ 时，可以消除（3）中对有界元数的限制。本文还表明，概念不是在 本体存在的情况下能够学习到的多项式查询。
论文地址：https://arxiv.org/pdf/2105.08326.pdf
注：Maurice Funk 图片资料不详，故未做介绍。
Maurice Funk 是不来梅大学(University of Bremen)人工智能理论组的博士生。目前，在CODA项目工作。
JeanChristoph Jung 是希尔德斯海姆大学(University of Hildesheim)理论计算机科学的临时教授。
个人主页：http://www.informatik.uni-bremen.de/~jeanjung/
Carsten Lutz 是不来梅大学(University of Bremen)教授。
个人主页：https://www.informatik.uni-bremen.de/~clu/
雷锋网雷锋网雷锋网
雷峰网特约稿件，未经授权禁止转载。详情见转载须知。
专题
