IJCAI大会迎来50周年，举办史上最大规模“工业日”

今年正值 IJCAI 大会举办的50周年，作为人工智能领域资历最深的大会， IJCAI 自1969年举办以来，提出了众多业界领先的AI科技成果，被称为人工智能科学界的奥林匹克。近年来，随着会议的重量级日益凸显以及人工智能的热度日益攀升，自 2015 年开始，IJCAI 由奇数年召开变为每年召开的盛会，且时长也从刚开始的3天延长为一周，今年的注册人数也一举突破了3000人，由此可见IJCAI在人工智能的影响力。

华人担任重要角色

AI技术大规模落地工业界

与日益提升的论文水准、办会规模和会议影响力相随的，是 IJCAI 会议上华人身影和他们在工业界影响力的攀升。继2013年成功在北京举办后，本次在澳门举行的第28届 IJCAI 是第二次踏足中国。与1979年只有7人首次代表中国参会所不同的是，近年来 IJCAI 中的华人正在担任越来越重要的角色。

近年来，华人一作的论文频频登上IJCAI论文接收的榜首，根据本届大会官方发布的数据，今年的IJCAI共投稿4752篇(较去年增长37%)，接收了850篇(接受率为17.8%)。中国以327篇的数量和38%的占比高居第一。

除论文之外，华人在IJCAI中所担任的组织角色也越来越重要，在本届大会期间，IJCAI理事会宣布，评选张成奇教授为2024年IJCAI大会主席。这也是进入IJCAI理事会的第三位华人（前两位分别为杨强和周志华）；此外，张成奇教授也将成为首位华人 IJCAI 大会主席。

值得一提的是，近年来 IJCAI 的赞助商也出现了越来越多的中国面孔，如百度、腾讯、华为、滴滴、联想等，彰显了前沿的AI技术在中国的工业界的迅速落地和丰硕成果。

IJCAI 重磅奖项依次揭晓

理事会主席杨强为获奖者颁奖

在大会中，杨强作为 IJCAI 理事会主席，宣布了今年各奖项的获奖者，并为获奖者颁发了奖项。

马文·明斯基奖章

马文·明斯基奖章（Marvin Minsky Medal），这个创立于 2018 年、以人工智能领域创始人之一 Marvin Minsky 命名的奖章，用来奖励 AI 领域的标志性成果，它要同时有全球范围的知名度和超越 AI 领域自身的影响力，如2018 年的首个 Marvin Minsky 奖章就颁发给了 AlphaGo。

今年的奖章颁发则给了 Libratus（冷扑大师）。2017 年，冷扑大师在为期 20 天的德州扑克锦标赛中击败了一群人类扑克冠军；冷扑大师使用了应对不完全信息博弈的全新方法，研究论文获得了 NIPS2017 最佳论文奖（https://arxiv.org/pdf/1705.02955.pdf），而且这种方法在博弈之外的领域也还有很大的应用潜力。

IJCAI 计算与思想奖

IJCAI 计算与思想奖（Computers and Thought Award）是 IJCAI 最早设置的一个奖，主要奖给 35 岁以下的研究者。

今年的获奖者是 Guy Van den Broeck。Broeck 在统计和关联人工智能方面以及学习和推理中的易处理性的研究方面有突出贡献。

IJCAI 约翰麦卡锡奖

IJCAI 约翰麦卡锡奖（John McCarthy Award）是以 AI 领域的创始人 John McCarthy 而命名，是针对 mid-term career award。

2019 年的获奖者是 Pedro Domingos，他在机器学习和数据科学中有突出贡献，且在逻辑和概率的统一中发挥了巨大的作用。

IJCAI 卓越研究奖

IJCAI 卓越研究奖（Research Excellence Award）是 IJCAI 所有奖项中最为重要的一个奖，它对获奖者的要求是“在整个职业生涯中始终保持高质量的研究，且取得实质性成果”。

今年的获奖者是 Yoav Shoham。Shoham 教授被认为在知识表示、多智能体系统、AI 的经济学基础等方面有非常杰出的贡献。雷锋网 AI 科技评论也曾经整理过 Yoav Shoham 的一个演讲，他表示 AI 的发展还在很初级的阶段。

IJCAI 杰出服务奖

正如一个军队的成败决定于后勤供给，一个成熟的研究社区也离不开背后默默为社区服务的团体。

IJCAI Donald E. Walker Distingguished service Award 正是 IJCAI 为这样默默服务的人而设立的一个奖项，它奖励那些为 AI 社区提供持久服务的人员。今年的获奖者是 Francesca Rossi。

AIJ 期刊（Artificial Intelligence Journal）奖项

AIJ 经典论文奖（The AIJ Classic Paper Award），表彰至少于 15 年前发表在 AIJ 杂志上，而如今仍然有很高重要性、很大影响力的杰出研究论文。今年的获奖论文为《Between MDPs and semi-MDPs: A framework for temporal abstraction in reinforcement learning》，这篇论文的第一作者 Richard Sutton 正是强化学习领域的开山人物之一。

获奖理由：这是关于 Options（选项）的一篇精华论文，Options 是强化学习中广泛使用的一个框架，用来在不同的时间尺度、不同的抽象级别上表征动作。Options 框架影响了这个领域内后续的研究的走向，而且如今仍然定义了强化学习领域内层级式的动作、知识的表征学习是如何公式化、如何进行研究的。

AIJ 突出论文奖（The AIJ Priminent Paper Award），表彰不早于 7 年内发表在 AIJ 杂志上，且有很高重要性、很大影响力的接触研究论文。今年的获奖论文为《The dropout learning algorithm》，获奖理由是：dropout 已经成为了大规模神经网络训练时使用的一个避免过拟合的关键技巧。这篇论文中的数学分析揭露出的本质属性已经让 dropout 成为了深度学习的一个重要基石。这篇论文也和统计学领域的其它方面、和集成学习和脉冲神经元的理论建立了一些联系。

IJCAI-JAIR 最佳论文奖

IJCAI-JAIR 最佳论文奖（IJCAI-JAIR Best Paper Prize）颁给发表在过去五年里发表在 JAIR 上的文章。

获奖论文《Clause Elimination for SAT and QSAT》，发表在 JAIR, volume 53, pages 127-168 (2015)。这是一篇关于算法复杂度的论文。

获奖理由：

这篇论文介绍了在 SAT（Boolean satisfiability，布尔可满足性）和 QBF（quantified Boolean formulas，量化布尔方程）解算器中可以作为预处理和简化方法的许多种不同的条款消除（clause elimination）过程，介绍了它们的基础结果和实际应用中的结果。

自从这篇论文发表之后，论文中描述的方法对于最先进的 SAT&QBF 解算器的效率有长远、显著的影响。

这是一篇优雅的论文，也对一些已经发展成熟的理论概念做了非常漂亮的拓展。除此之外，这篇论文也引发了领域内研究人员对于预处理、过程中处理方法的关注和重视。这种风气的影响范围也远远超过了本来研究的 SAT 和 QBF 两个问题。

ACM SIGAI 2019 杰出工业 AI 奖

ACM SIGAI 2019 杰出工业 AI 奖（ACM SIGAI Industry Award for Excellence in AI 2019），这个奖项是为了表彰近年来创造了有巨大影响力、展现出了 AI 力量的 AI 应用的个人或团队。奖项评选的考虑要素包括：应用领域的创新性、方法的创新性和技术杰出程度、AI 在方法中的重要程度，以及这项应用已有的/未来可以预期的社会影响。

今年的获奖者是微软的真实世界强化学习团队，团队领导人是 John Langford 和 Rafah Hosn。他们将在 8 月 14 日（明天）早上进行获奖演讲。

IJCAI 2019 大会杰出论文奖

获奖论文：《基于对比的学习的提升方法》（Boosting for Comparison-Based Learning）论文地址：https://www.ijcai.org/proceedings/2019/0255.pdf

论文摘要：作者们在基于比较的环境设定（给定一系列对象，只有三元组的比较描述：「A 到 B 的距离比到 C 更近」）下研究了分类问题。在论文中作者们提出了 TripletBoost，这是可以仅仅使用三元组比较就可以学习到一个分类器的方法。方法的关键思路是把三元组信息集聚成为较弱的分类器，然后可以把它逐步提升为一个比较强的分类器。作者们的方法有两个主要优点：1，它适用于来自任何测量空间的数据；2，它只需要被动收集的、有噪声的三元组就可以处理大规模问题。作者们推导出了泛化性的理论保证以及所需的三元组数量的下限。作者们还通过实验表明了他们的方法和当前最优秀的方法有同等的表现，而且可以抵抗噪声。

IJCAI迎来史上最大规模工业日

郑宇担任工业界主席

随着人工智能在工业界的热度日益攀升，自2015年开始，IJCAI大会特别设立“工业日”（ Industry Day），旨在让企业家们和科学家们加深交流，共同探讨人工智能对社会和工业届的影响。近几年，工业日持续延长议程时长，从 2017 年的一天增加到 2018 年的两天，再增加到本届的两天半，由此可见AI技术在工业界的火热程度。

作为将AI技术落地到智能城市建设中的重要代表者，京东集团副总裁、京东城市总裁郑宇教授担任本届IJCAI工业界主席，负责组织IJCAI创始以来最大规模的工业日活动，并邀请了来自索尼、微软、滴滴、腾讯、百度、字节跳动等国内外大厂的参与。

在本次大会中，郑宇教授做了题为《Building Intelligent Cities with Big Data and AI》的报告，在报告中，他强调了城市数据的特殊性及京东城市如何对城市数据进行管理、分析和使用，他表示，在智能城市建设中，城市中的时空数据与以往AI研究中的数据拥有不一样的结构与属性，需要使用科学的数据管理与人工智能算法来进行应对，而不能单纯直接套用已有针对语音、图像和文本的算法。

在演讲中，郑宇教授还通过对空气质量预测、城市交通实时可达区域预测、城市人流量预测等产学研一体化案例，分享了如何利用城市计算解决环境污染、交通拥堵和交通安全等问题。

来自微软的首席研究员John Langford分享了题为 “A Real World Reinforcement Learning Service “ 的报告，他介绍，2019年5月，第一款真实场景中的强化学习产品问世(http://aka.ms/personalizer)。而这次发布的幕后是长达十年之久的调研、实践和发展的历程。

在会上，他介绍这项研究的三个关键点，作为一款新型的、可以广发应用的、在不同的应用中提供跨越性提升的在线个人服务的产品，第一个关键点在于它利用逆向事实评估飞速地提升了开发交互应用程序的效率；第二个关键点在于他的在线学习服务提供了一个适应快速变化的世界的方法。第三点在于它完成了从健康支持到内容建议再到承上启下的系统优化的引导。会上，来自索尼、百度、滴滴、字节跳动等国内外知名公司的项目负责人，也就机器人、交通出行、智能城市、金融科技等广泛主题进行了演讲及讨论，共同交流有关人工智能的最新创新和实践。

圆桌论坛“AI Challenges in Industries”

AI落地工业界依旧任重道远

目前，AI技术在交通、安防、智能城市建设等领域已有不俗的落地成绩，但其在工业界的落地依然面临诸多挑战，本次工业日特设“AI Challenges in Industries”的主题，由京东城市总裁郑宇担任主持人，并邀请了索尼研发副总裁藤田昌宏（Masahiro Fujita）、滴滴副总裁郄小虎、微软首席研究员 John Langford、百度副总裁沈抖来一同探索 AI 在工业应用中所面临的挑战。

在圆桌伊始，郑宇提出，AI 并非对于所有问题都有效，公司应如何判断 AI 是否适用于解决某个问题？

滴滴副总裁郄小虎认为，针对工业界如何判断某项 AI 技术是否对解决某个问题有效，有三个可以考量的问题：第一个是是否有足够可用的大数据来训练模型；第二个是能够将问题转述成机器学习所能理解的语言，比如说如何将匹配司机和乘客的问题转化为某种图表或特征从而让 AI 可以用来进行匹配；第三个是我们需要意识到 AI 无法做到非常完美，一旦遇到它们此前未见过的场景，可能就会失效。

如何判断AI模型在用户（To C）、企业（To B）和政府（To G）侧的落地？

针对郑宇的这个问题，百度副总裁沈抖认为，一般而言，在 To C 中，我们能够获得用户行为画像，因此，AI 的表现非常不错，能够解决大多数问题；但 To B 和 To G所面临问题就比较复杂，通常需要针对解决，所以要花很多时间去明确问题并追踪新出现的问题，这比应用一个机器学习模型要难得多，因而 AI 在 To B 和 To G 的模型中应用的难度要比 To C 更大。

在本次圆桌论坛中，四位嘉宾分别来自全球 GDP 最高三个国家——美国、中国和日本，郑宇教授最后提问，目前各自面临的挑战有哪些？

索尼研发副总裁藤田昌宏指出，相比美国和中国，日本确实现在处于了落后的境地，而目前日本面临的比较大的挑战是，日本的很多公司在 AI 技术的产品落地方面，积极性不是很高，这是他们面临的最大挑战。

微软首席研究员 John Langford 则认为，在之前，美国的教育体系是开放的，吸引了来自世界范围的 AI 人才前往就学，也为美国的 AI 发展做出了贡献。然而现在美国的教育有了很多限制，将很多来自其他国家和地区的人才拒之门外，导致美国的人才储备受到影响，并且这种影响已经蔓延到了他的工作中。

百度副总裁沈抖则坦言，虽然AI技术目前在国内的应用很火热，但无论是学术界还是工业界，未来在 AI 研究中，应更多地关注长远的利益，而非短期的结果。