0
第十八届 ACM EC'17（ACM Conference on Economics and Computation）近日于 MIT 举行，ACM EC 全称为 ACM 计算经济学会议，是计算经济学领域最权威的学术会议，由 ACM 特殊兴趣学组 SIGecon 于 1999 年主办，至今已经走过了 18 年。
本次雷锋网 AI 科技评论编辑因为忙于跟进 GAIR 大会，非常遗憾未能到达现场参加，但 AI 科技评论已与南加利福尼亚大学博士生徐海峰取得联系。在今年的 ACM EC'17 上，徐海峰与导师 Shaddin Dughmi 合作的论文《Algorithmic Persuasion with No Externalities》被收录，并在美国时间 6 月 29 日上午做报告展示。
去年，徐海峰独立完成的论文《The Mysteries of Security Games: Equilibrium Computation Becomes Combinatorial Algorithm Design》也投递了 EC'16，与此同时在 SecMas workshop 上进行了分享，并被评为最佳论文。今年参会的他，又有怎样的感受呢？
虽然还在紧张地准备着自己的报告展示，但徐海峰依然热心地为笔者带来了不少一手消息，本文由他所提供的图片及文字内容整理而成，特此感谢。
本次大会邀请了两位嘉宾做特邀报告，一位是微软杰出科学家 Jennifer Tour Chayes，另一位是宾夕法尼亚大学计算信息科学教授 Michael Kearns。而本次 SIGecom 的最佳论文大奖则归 Shahar Dobzinski 与 Shahar Ovadia 所有，论文题目为《Combinatorial Cost Sharing》。
图为 Michael Kearns 在做《Fair Algorithms for Machine Learning》的报告
via 安波
参会第一天的最大亮点，莫过于清华大学交叉信息研究院院长姚期智教授。作为国内第一名也是唯一一名图灵奖获得者，姚院士在算法理论创新、密码学基础及量子计算领域做出了巨大贡献。本次参加 ACM EC 17，姚院士作为独立作者，做了题为《Dominant-Strategy versus Bayesian Multi-item Auctions: Maximum Revenue Determination and Comparison》的报告。作为功成名就的中国科学院士，姚期智教授依然奋斗在治学研究的一线，让不少学者感慨不已。
南洋理工大学的安波博士在朋友圈内如是评价道：
“在MIT参加EC'17，Keynote speakers包括UPenn的Michael Kearns和MSR的Jennifer Chayes。姚先生有一篇独立作者的文章。先生勤奋治学的精神，让吾辈情何以堪……”
图为姚期智教授在 ACM EC' 17 上做报告
via 安波
聊起参加 ACM EC 的最大感受，徐海峰告诉雷锋网 AI 科技评论，他认为今年 EC 开始重视起文章的应用性，也增加了更多管理科学领域与经济学领域投递来的论文。「以前（EC）是一个偏理论的会议，而现在很多研究者开始强调把这些理论应用于实际当中去。」
而在本次会议中，社会议题也受到了越来越高的关注。徐海峰发现，ACM EC 组织了第一届的「mechanism design for social good」workshop(MD4SG '17)，论文的主要内容顾名思义，即分析在有限的公共资源条件下，政府如何设置合适的机制进行分配。
计算机经济不论是为理论基础或是应用机制设计，都做出了巨大的贡献。从拍卖、电商、云计算、合理分配、肾脏捐赠或是分配学位等方方面面，都需要运用计算机经济的知识。而这次基于社会议题的 workshop，主要讨论的是机制设计的应用前景，涉及经济适用房、难民住所、医疗资源及教育资源的分配机制问题。如果能提升这类统一财产的分配机制，将能明显提升社会福利。
该 workshop 主要围绕的是如下几个方面，包括邀请特定领域的政治、经济学专家进行分享；该领域的计算经济学研究者也会围绕论文进行展示；此外还会开展圆桌互动。组织者 Rediet Abebe 与 Kira Goldner 希望以 workshop 的方式吸引计算经济学的专家们关注这一领域，并启发学者未来可能有哪些与社会福利相结合的研究方向。
实际上，在雷锋网 AI 科技评论参与的 AAAI 17、ICRA 17 等学术会议中，也发现会议逐年增加了对社会议题的关注与讨论。虽然本质上并没有跳出 workshop 的议程范围，但作为一个原本密切关注理论进步的前沿会议，ACM EC'17 今年也加大了对这一领域的议程设置，可见实际应用问题对学术研究方向的影响力。
徐海峰向雷锋网 AI 科技评论表示，有很多论文所提及的技术已经在投入实际应用，「一些关于推荐系统的机制设计，比如配对（matching）和众包（crowdsourcing）的东西应该都还挺有应用的，不过，还是取决于研究者们愿意花多少时间去构建具体的系统。」而他自己的论文《Algorithmic Persuasion with No Externalities》也非常「接地气」，他用一个生动形象的例子描述了论文所阐述的贝叶斯劝说内容：
「如果你要组织聚会并劝朋友来参加，成功与否当然取决于各种因素，而朋友们各自也有自己对聚会的偏好与倾向，那么问题就在于如何以不同的策略说服对方，使得最后参加的人都能使这个聚会最 high。」
也就是说，在无法让所有人被说服的情况下，决策方可以选择最优益的那部分。当然，聚会只是其中一个有趣的例子，像政治家如何说服选民投票，记者如何确定选题说服读者，都是应用的方向。
除了应用性的研究成果展示外，本次 ACM EC'17 依然有不少初步研究及工作。徐海峰印象最为深刻的是哈佛大学 David Parkes 团队的论文。而问起徐海峰对今年 ACM EC 的整体想法，他表示，「这些领域对于问题实用性的重视，渐渐把 EC 变成一个理论与应用更平衡的会，蛮好的。」
不论是人才流动或是技术成果的转换，学术界与产业界的交融已经成为时代的必然趋势。而从 ACM EC 17 的现场来看，研究者们也变得不再那么「阳春白雪」，开始从理论研究的象牙塔中走出第一步，尝试通过应用性论文的发表探索实际问题的解决方式。雷锋网 AI 科技评论相信，ACM EC 不是第一个这样做的学术会议，自然也不会是最后一个。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
