北京時間 1 月 7 日，IJCAI 2020 線上上開幕。目前，大會已經公佈了包括 IJCAI-JAIR 最佳論文、AIJ 獎、傑出論文獎等多個獎項。
IJCAI 2020 原定於 2020 年 7 月在日本橫濱舉行，受到疫情影響，延期至 2021 年 1 月線上召開。從整體資料上看，IJCAI 2020 是史上接收率最低的一屆，4717 份有效投稿僅有 592 篇被接收，接收率為 12.6%。圖片來源：https://github.com/lixin4ever/Conference-Acceptance-Rate與往年大會相比，今年最大的變化就是線下大會專為虛擬會議，而會議介面的清新風格，也是讓參會者耳目一新，一度以為自己進入了某遊戲介面。
本次共有兩篇論文獲得 IJCAI 2020 傑出論文獎。
論文地址：https://www.ijcai.org/Proceedings/2020/0336.pdf論文摘要：解釋有助於理解建議並增加採納的可能性，然而有些解釋性建議方法依賴於嚴格、標準化的模板。為了獲取更加靈活、通俗、多樣化的解釋，覆蓋 interest 各個方面，來自新加坡管理大學的研究者從評論中選擇片段來進行綜合解釋，同時最佳化了其代表性和連貫性。為了適應目標使用者的偏好，研究者基於一個相容的可解釋推薦模型，將觀點與上下文相銜接。幾個產品類別資料集上的實驗表明，在模板、評論摘要、選擇和文字生成這些方面，本文方法具備更高的效率。
論文地址：https://www.ijcai.org/Proceedings/2020/0050.pdf論文摘要：非結構化環境內執行的智慧體通常會產生設計時不容易識別的負面作用 (NSE) 。來自 UMass Amherst 和微軟研究院的研究者分析了在系統部署過程中，如何利用各種形式的人類反饋或自主探索，來學習與 NSE 相關的懲罰函式。他們將降低 NSE 影響的問題描述為一個具備字典式獎勵偏好與鬆弛多目標馬爾科夫決策過程。鬆弛指的是相對於智慧體的主要目標允許的最優策略的最大偏差，以減少次要目標 NSE。多項實驗評估表明，本文所提出的框架能夠成功減少 NSE 的影響，不同的反饋機制會帶來不同的偏差，從而影響 NSE 的識別。
IJCAI-JAIR 最佳論文這一獎項頒發給過去五年裡發表在《人工智慧研究雜誌（JAIR）》上的優秀論文。
論文地址：https://www.jair.org/index.php/jair/article/view/11175論文摘要：該研究的主題是在高維連續環境中構造抽象表徵以進行規劃。研究者假設一個具有高階操作集合的智慧體，並構造可證明的表徵以評估由操作序列組成的規劃。研究者首先考慮確定性規劃的情況，並表明相關計算涉及對狀態集執行的集合操作。該研究定義了對於規劃來說必需和足夠的特定集合，並利用它們構建可證明適用於確定性規劃的基礎（grounded）抽象符號表徵。結果表徵可用 PPDL 表示。該研究為 Playroom 域構建了一個表徵，並使用現成的規劃程式以毫秒為單位對其進行求解。然後，該研究擴充套件至機率規劃，其中需要將狀態集泛化至狀態分佈。該研究確定了規劃所需的特定分佈，並使用它們構建一種基礎的抽象符號表徵，以正確地預估任何規劃的預估回報和成功機率。此外，該研究表明學習相關機率分佈和機率密度估計與機率分類的特定例項相對應。該研究構建了一個能夠自主學習計算機遊戲域的正確抽象表徵並迅速解決它的智慧體。最後，研究者利用這些技術建立了一個物理機器人系統，該系統可以直接從感覺運動資料（包括點雲、位置對映和關節角度等）自主學習其移動操作任務符號表徵，然後使用該表徵進行規劃，這些結果共同建立了高層行為與抽象表徵、構建可證明的抽象表徵的具體理論基礎以及自主學習抽象高層表徵的實際機制之間的原理性聯絡。IJCAI 2020 最佳論文榮譽提名獎由 2015 年發表在 JAIR 上的論文《Coactive Learning》摘得，兩位作者分別來自領英和康奈爾大學。
論文連結：https://jair.org/index.php/jair/article/view/10939/26066論文摘要：在本文中，兩位研究者提出將強制學習（Coactive Learning）作為學習系統與人類使用者之間互動的模型，這兩者具有向使用者提供最大效用結果的共同目標。強制學習模型中的互動採取以下形式：在每一步驟中，系統（如搜尋引擎）接收文字（如查詢）並預測物件（如排名）；如有必要，使用者做出響應糾正系統，以反饋稍有改善（並不一定是最優）的物件。他們認為，與專家模型中需要的最優反饋或者強盜學習（bandit learning）中需要的基數評估不同，這種偏好反饋可以透過可觀察的使用者行為（如網頁搜尋中的點選）來實現大量地推理。儘管對反饋的要求比較寬鬆，該研究表明現有很多線上學習演算法都有可能適應這種強制學習框架。特別地，研究者提供的演算法在基數效用方面實現了 O(1/ √ T) 的平均後悔，儘管學習演算法從未直接觀察基數效用值。此外還提供了一種λ- 強凸損失函式情況下平均後悔為 O(log(T)/T) 的演算法。大量的實證研究驗證了該研究中模型和演算法在電影推薦任務和網頁搜尋排名中的適用性。
AIJ 獎 Artificial Intelligence Journal Awards AIJ 突出論文獎（AIJ Prominent Paper Award）表彰不早於 7 年內發表在 AI 期刊上，並且具有很高的重要性以及影響力的論文研究。
論文地址：https://www.sciencedirect.com/science/article/pii/S0004370214001386論文摘要：在多智慧體路徑規劃（MAPF）中，給定一組智慧體，每個智慧體都有各自的起始位置和目標位置。該任務要為所有的智慧體找到路徑，同時避免衝突。在之前的研究中，研究人員為此問題而進行的大多數工作都以最佳方式將多個單獨的智慧體視為單聯合智慧體，然後使用 A *演算法的單智慧體搜尋變體。本文提出了基於衝突的搜尋（CBS），一種新的最優多智慧體路徑規劃演算法。CBS 是一種兩級（two-level）演算法，該演算法不會將問題轉換為單個聯合智慧體模型。該方法在高層級上對沖突樹（CT）進行搜尋，衝突樹是基於單獨的智慧體之間的衝突建立的。CT 中的每個節點代表了一組對智慧體動作的約束。在低層級上，執行快速單智慧體搜尋以滿足高層級 CT 節點施加的約束。在很多情況下，這種兩層級形式使得 CBS 需要檢查的狀態少於 A * 演算法，但結果仍然保持最佳。該研究對 CBS 進行了分析，並描述了其優點和缺點。此外，該研究還提出了元智慧體 CBS（Meta-Agent CBS，MA-CBS）演算法。MA-CBS 是 CBS 的一種泛化形式。不同於基礎 CBS，MA-CBS 不受限於低階別的單智慧體搜尋。相反，MA-CBS 允許將智慧體合併為聯合智慧體的小組。這緩解了基礎 CBS 一些缺點，並進一步提高了效能。MA-CBS 是一個可以建立在任何最佳和完整的 MAPF 解算器之上的框架，並且可以提升其效能。在多種問題上的實驗結果表明，與以前的方法相比，該方法的速度提高了一個數量級。AIJ 經典論文獎（AIJ Classic Paper Award）會頒發至少 15 年前在 AI 期刊上發表的優秀論文，其影響力要顯著且卓越。
論文地址：https://www.sciencedirect.com/science/article/abs/pii/0004370291900066論文摘要：該論文將基於網路的約束滿足方法擴充套件為包含連續變數，從而提供了一個處理時間約束的框架。在這個被稱為時間約束滿足問題（TCSP）的框架中，變數代表時間點，時間資訊由一組一元和二元約束表示，每個約束都指定了一組允許的間隔。該框架的獨特之處在於允許處理度量標準資訊，即評估事件之間的時間差。該研究提出了用於執行以下推理任務的演算法：找到給定事件可能發生的所有可行時間，找到兩個給定事件之間的所有可能關係，並生成一個或多個與所提供資訊一致的場景。該研究還區分了簡單時間問題（STPs）和一般時間問題，前者對任何一對時間點最多允許一個間隔約束。研究證明，包含 Vilain 和 Kautz 點代數的主要部分的 STP 可以在多項式時間內求解。對於一般的 TCSPs，論文提出了一種分解方案，該方案執行所考慮的三個推理任務，並引入各種技術來提高其效率。此外，論文還研究了路徑一致性演算法作為時間問題預處理的適用性，證明了它們的可終止性（termination ）和並限制了它們的複雜性。目前，IJCAI 2020 的其他獎項也已全部公佈，包括卓越研究獎（Research Excellence Award）、計算機與思想獎（Computer and Thought Award）、約翰麥卡錫獎（John McCarthy Award）以及傑出服務獎（Donald E. Walker Distinguished Service Award）。香港科技大學的楊強教授是本次 IJCAI 獎項評選委員會的成員之一。卓越研究獎旨在表彰在整個職業生涯中一直進行高質量研究並取得若干重大成果的科學家，往屆獲獎者包括 Marvin Minsky (1991)、Judea Pearl (1999)、 Geoffrey E. Hinton (2005)、 Michael I. Jordan (2016), 和 Jitendra Malik (2018) 等人工智慧領域最傑出的科學家。2020 年的卓越研究獎得主為 Eugene Freuder，他是愛爾蘭科克大學的電腦科學和資訊科技名譽教授，因其在基於約束的推理和問題解決方面的開創性研究而被公認。
IJCAI 計算機與思想獎主要頒發給人工智慧領域的傑出青年科學家。這一獎項是根據《計算機和思想》這本書（編輯為 Edward Feigenbaum 和 Julian Feldman）的版稅設立的，目前由 IJCAI 基金資助。2020 IJCAI 計算機與思想獎的獲得者是 Piotr Skowron，他是華沙大學數學、資訊學、機械學院助理教授，因其計算社會選擇和委員會選舉理論方面的貢獻而被公認。
約翰麥卡錫獎旨在表彰那些拿到博士學位 15-25 年之間、在人工智慧領域做出卓越貢獻的職業生涯中期研究人員。該獎項以人工智慧先驅 John McCarthy 的名字命名。該獎項的設立受到了麥卡錫家族的支援，往年的獲得者有 Bart Selman (2015)、2020 年約翰麥卡錫獎的獲得者是 Daniela Rus，她是麻省理工學院電子工程和電腦科學 Andrew and Erna Viterbi 教授和 CSAIL 實驗室主任。Rus 教授因在自動化科學與工程方面的貢獻及多智慧體演算法的研究而得到公認。
IJCAI 傑出服務獎設立於 1979 年，旨在表彰為 AI 領域做出貢獻並提供服務的資深科學家。IJCAI-2020 傑出服務獎的獲得者是 Toby Walsh，新南威爾士大學人工智慧科學教授，他是澳大利亞聯邦科學與工業研究組織 (CSIRO)Data61 演算法決策理論組的領導者，因其在人工智慧領域廣泛的貢獻和服務而獲得認可。
上週開始的 IJCAI 2020 大會，是在為去年疫情延期的活動「補交作業」，今年還有一場 IJCAI——根據計劃，IJCAI 2021 會在今年的 8 月在加拿大蒙特利爾舉行。此前大會官方正式宣佈南京大學的周志華教授為 IJCAI 2021 程式主席，這也是 IJCAI 歷史上首次由華人擔任程式主席一職。此外，程式委員會成員還包括多位華人學者：位元組跳動 AI Lab 負責人李航
東南大學電腦科學與工程學院教授、博士生導師張敏靈
南京大學人工智慧學院教授俞揚
北京大學智慧科學系教授林宙辰
史丹佛大學電腦科學系助理教授吳佳俊
卡內基梅隆大學電腦科學系助理教授方飛
清華大學電腦科學與技術系助理研究員劉知遠
南京大學計算機系博士生譚志豪
此前，IJCAI 2021 的論文投稿日程已經公佈，這個月正好也是投稿 deadline，今年的大會，你投稿了嗎？
