讀不懂NeurIPS 2018的艱深論文？我們已經為你劃好了重點

AI的火爆，讓今天在加拿大蒙特利爾開幕的第32屆神經資訊處理系統大會（NeurIPS 2018），就成為了各國研究組織和企業刷存在感的香餑餑。

有多火呢？

據說，今年的參會人數有9000人，大會門票在11分鐘內被一搶而空。官方自己都吐槽，只比碧昂絲演唱會賣的慢一點。

之所以一票難求，還是因為到場的學術界、產業界大佬太多。谷歌、亞馬遜、Facebook、微軟是不會缺席的，華為、騰訊、阿里、百度等為代表的中國隊也斬獲頗豐。值得一提的是，今年還冒出了很多中美歐之外的新面孔，印度、XXX也都有機構獲得了非常不錯的成績。

當然，學術會議核心的還是論文，NeurIPS 2018 今年也是收了個盆滿缽滿，一共收到 4856 篇投稿，創下了歷年來的最高記錄，最終被錄取的論文有 1011 篇，其中有44% 的論文作者放出了程式碼，42% 將公佈資料，無疑讓整場大會顯得乾貨十足。

情況介紹的差不多了，接下來該上“硬貨”了。但學術名詞和論文推理讀起來都有點反人類。因此，我們從自己的觀察中，為大家梳理了一下NeurIPS 2018可能是最重要的三大趨勢，幫助大家瞭解一下，學術界都發現了哪些新東西，又將給明年的AI帶來哪些新機會。

下面請大家系好安全帶，收起小桌板，準備好瓜子花生肥宅快樂水，我們開始吧。

趨勢一：深度學習依然是“最強王者”

今年NeurIPS 2018評審的 4856篇論文中，深度學習、強化學習、分散式學習等等領域依然是大熱門。

以獲得最佳論文獎的四篇論文為例，來自加拿大多倫多大學Vector Institute，通過一種新的深度神經網路模型，採取自適應來構建歸一性，無需對對資料進行分類或排序，就可以使用黑盒ODE求解器進行端到端訓練。

第二篇最佳論文的第一作者為加拿大麥克馬斯特大學Hassan Ashtiani，則通過新的相關分佈壓縮來進行分散式學習，解決了表徵學習分佈類的樣本複雜性。

第三篇則是來自華為諾亞方舟實驗室擔任一作的研究，在兩種情況下研究了分散式優化的最優收斂速度，並提出了第一個最優分散演算法：多步原始對偶（MSPD）。

第四篇的作者全部來自Google AI，提出了新的策略一致性概念，結合多項資料集，解決大規模強化學習的妄想偏見問題。

除了獲獎的四篇，收錄的1011篇論文中還有不少是深度學習方向的文章（大約25%左右），還能在“王座”的位置上待一陣子。

不過，即便是深度學習也並不是在炒冷飯。顯然，學術界也在積極反思深度學習存在的一些效率、黑箱性等問題，很多研究都是圍繞著對其進行優化展開的。

在NeurIPS 2018的論文集中搜尋“optimization”，得到了61個結果。由此可見，通過底層優化演算法，用更好的模型讓AI以更小的資料代價，更精準地解決問題，正在成為集體做功的方向。

趨勢二：一超多強，難以跨越的谷歌和美帝？

有機構對NeurIPS2018的論文集進行了資料分析，發現Google（包括Deepmind）仍然是毋庸置疑的AI“霸主”，以 137 篇論文成功斬獲第一名，甚至將美國同行遠遠地甩在了身後。

此外，谷歌不但開始向頂會反向輸送人才（今年大會的主席Samy Bengio就是來自谷歌的科學家 ），還開始藝高人膽大地開始探討很多極端領域命題。

比如通過Mesh-TensorFlow實現超級計算機的深度學習。利用一種分散式深度神經網路（DNN），對一些由於記憶體限制而無法訓練的超大模型，進行高效分批處理。

谷歌利用512個TPU訓練出了多達50億個引數的變壓器模型。這種基於大型資料叢集的高效並行模型演算法，足以讓其在處理航空、軍事、智慧城市等極端算力需求時，依然能保持穩定高效實時處理。

另外，“美國勢力”還有不少強隊，其中MIT（68篇）與史丹佛（57篇）領銜學術界，Microsoft（46篇）和Facebook（13 篇）領銜工業界。

Facebook在機器視覺領域提出的不少新方式，像是“雙注意力網路”、分塊座標搜尋演算法、能夠對抗無聊的新推薦系統、SING音訊合成器等等，目測都將在來年給大眾早已“審美疲勞”的社交娛樂帶來不少新意。

總而言之，經過幾年的激烈近身肉搏，人工智慧技術競爭格局的基本面目前已經沒有爭議了，那就是谷歌的霸主地位幾乎難以撼動，不過其他戰隊也出手不凡找到了各自的差異化突破路徑。

畢竟，谷歌還有不少純燒錢的技術，學術會議上再多的成功，未必真能在現實中凝結出商業的果實。這麼想想，吃到了酸葡萄的大家心裡想必好受了點。

趨勢三：中國身影與新晉黑馬

在這樣的競爭格局下，自然有人不願讓“美國勢力”專美。這次NeurIPS 2018，中國隊伍可謂是集體為國爭光了。

先說四篇最佳論文（Best paper awards），華人科學家陳天琦，以及華為的諾亞方舟實驗室，就分別以第一作者的身份摘得殊榮，佔據了半壁江山。

華人學者也表現不俗，清華大學有 21 篇論文被收錄，論文數量排名第十。來自南京大學的張利軍就有 3 篇論文被收錄，周志華等人提出了無組織惡意攻擊檢測演算法UMA，CMU的教授邢波和微軟研究院的朱澤園也有多篇論文榜上有名。

中國的科技企業巨頭也紛紛實力炫技。華為捧回最佳論文獎，阿里iDST(資料科學與技術研究院)就霸氣演示了全中文demo，騰訊AI Lab則以 17 篇文章被收錄的實力與美國AI軍團一較高下。

總體而言，中國軍團的學術水準體現出了不容忽視的力量感。

本屆大會一共釋出了86篇論文，數量上接近10%，遠超英法等國。質量上AI那些關鍵領域一個都沒有遺漏，產學研各個層面都在進入技術加速並肩甚至超越的黃金週期。

不過，人工智慧的狂飆突進也並不是只有中美在互相搶分。今年的最佳論文及作者，都有加拿大幾所大學的相關背景，加拿大在人工智慧領域的存在感和影響力，比我們以為的要強得多。

在NeurIPS的AutoML挑戰賽中，來自印度的團隊Autodidact.ai 也成功出道，取得競賽第一名（清華、中南大學等隊伍摘得亞季軍）。

（NeurIPS 2018 AutoML for Lifelong Machine Learning 競賽結果以及團隊成員名單）

總而言之，在接下來的短時間內，來自美國的企業和高校（谷歌/MIT）等依然代表著最強大的“科研勢力”，但其話語權是否也能進一步擴張？還真是未知數。

因為其他各國的優勢也越來越多，黑馬不斷湧現，而美國對AI也變得越來越敏感和防備（無處不在的政治正確、貿易戰下的嚴苛簽證策略），這些都正在悄無聲息地改變看似已經被框定的AI世界。

那麼，在感受谷歌“有技術就是可以為所欲為”的打擊之外，或許我們可以一起期待一下，未來的中國速度、印度速度、楓葉國現象……

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/31561483/viewspace-2284315/，如需轉載，請註明出處，否則將追究法律責任。