雷锋网 AI 科技评论按：第 32 届 AAAI 大会（AAAI 2018）日前在美国新奥尔良拉开帷幕，并于当地时间 2 月 2 日至 7 日为人工智能研究者们带来一场丰富的知识盛宴。AI 科技评论作为持续关注顶级学术会议的雷锋网学术频道，从 2016 年开始涉足、参与并报道国际学术会议，不仅为读者带来一线精彩报道，更为人工智能相关领域的学者们提供更多纵览全球学术会议的机会。
新的一年，新的征程。雷锋网 AI 科技评论的开年第一次国际学术会议报道，仍然同去年一样锁定了 AAAI 2018。说起来，在新奥尔良举办的这次 AAAI 2018，可谓是一场「迟来」的会议。为何这么说？这就要追溯到去年的 AAAI 大会了。原定于 2017 年初在新奥尔良举办的 AAAI 2017，当时拟定的时间与中国春节存在交叠，预期有很多华人学者无法到达会议现场。为了兼顾广泛的华人群体，AAAI 组委会决定改期举办。遗憾的是，新奥尔良没能选定合适的场地，只能临时将当届的 AAAI 举办地点迁移到旧金山，并顺延到下一年举办，这才有了新奥尔良的 AAAI－18。
虽然新奥尔良晚了一年才等来 AAAI，但好的学术会议，什么时间举办都不算晚。作为中国计算机学会（CCF）推荐的人工智能领域 A 类学术会议，AAAI 以其综合性著称，每年投递这一会议的全球学者不在少数。雷锋网 AI 科技评论为读者们整理了新一年 AAAI 的重大看点，并和去年的情况做了详细对比。
亮点一 多个重要个人／团体奖项
亮点二 最佳论文四大奖花落谁家？
亮点三 主题演讲提前看
亮点四 五大中国巨头企业首次同时集结 AAAI 2018
亮点五 去年遇冷的 Job Fair，今年会如何？
亮点六 时值狂欢节，预热踩点期待满满
AAAI 2018 将在现场颁布一系列重要奖项，在届时的颁奖仪式上，雷锋网 AI 科技评论也将做详细的获奖报道和相关演讲实录整理。
颁奖者有三位，他们分别是：
奖项组委会主席及前任 AAAI 协会主席 Thomas Dietterich；
现任 AAAI 协会主席 Subbarao Kambhampati，他也将在会上做《Challenges of Human-Aware AI Systems》的相关演讲，AI 科技评论届时将做全文跟进。
AAAI 协会候任主席 Yolanda Gil。
AAAI 新任 Fellow
今年的 AAAI 新任 Fellow 全部被北美地区（美国、加拿大）的学者包揽，共 8 位，名单如下：
Nancy Amato (德州农工大学)
Regina Barzilay (MIT)
Marie desJardins (马里兰大学)
Kevin Leyton-Brown (不列颠哥伦比亚大学)
Dinesh Manocha (北卡罗来纳大学)
Joelle Pineau (麦吉尔大学)
Amit Sheth (Kno.e.sis, 莱特州立大学)
Gaurav Sukhatme (南加州大学)
相比之下，AAAI 2017 的新晋 Fellow 共有 7 位，分别是 Ronen I. Brafman，Eduard H. Hovy, Tommi S. Jaakkola, Maurizio Lenzerini, Dale Schurmans, Munidar P. Singh. 此外，来自香港科技大学的林方真教授作为唯一华人当选。
资深会员表彰
这一奖项的设立主要肯定为 AAAI 作出长期重要贡献的学者，今年共有 6 名学者当选，包括两位中东学者与四位美国学者，他们分别是：
Ariel Felner (以色列本·古里安大学)
Martin Michalowski (美国明尼苏达大学)
Ashish Sabharwal (美国艾伦人工智能研究所)
Ram Sriram (美国国家标准技术研究所)
Matthew Taylor (美国华盛顿州立大学)
Ingmar Weber (卡塔尔计算研究所)
AAAI 2017 在去年表彰了三位资深会员，其中，中国科学院西安光学精密机械研究所副所长、研究员李学龙成为唯一上榜华人。
AAAI 18 的经典论文奖颁给了 Natasha Noy 和 Mark Musen 的《PROMPT: Algorithm and Tool for Automated On- tology Merging and Alignment》。这一奖项肯定了作者们对于开创性的本体匹配和集成研究的探索，并提供了首个创新解决方案。
在当地时间 2 月 4 日上午 11:00，雷锋网 AI 科技评论将在现场跟进 Natasha Noy 带来经典论文奖的相关演讲，敬请期待。
每年的杰出服务奖授予一位对 AI 社群作出突出贡献和服务的个人。凭借在 NASA 建立 AI 研究部门、在美国空军科学研究局部署人工智能相关计划，以及在计算分子生物学的相关成就，Peter Friedland 荣获今年的杰出服务奖。
美国盖茨堡学院计算机教授 Todd Neller 荣获今年 AAAI 和 EAAI 联合授予的杰出教育奖，以表彰他在人工智能教育领域所作出的重要贡献。
值得一提的是，去年的这一奖项颁给了「谷歌无人车之父」、Udacity 创始人 Sebastian Thrun。
CMU 的 Stephen F. Smith 获得该奖项，以肯定他在约束规划和调度技术所做的相关研究及应用，以及他为 AI 社群所提供的服务。
当地时间 2 月 4 日下午，Stephen F. Smith 将以《Smart Infrastructure for Future Urban Mobility》为题发表演讲。
此外，还有 IAAI－18 应用奖和 AAAI 蓝天奖等多个针对实际应用和崭新创意的奖项。在当地时间 2 月 4日，雷锋网 AI 科技评论将做全程颁奖详细报道。
除了一系列表彰和肯定学者辛勤工作的奖项外，最受关注的自然是最佳论文奖了。在介绍最佳论文奖之前，我们先以一组数据来了解下 AAAI 2017 的情况。
AAAI 2017 的注册参会人数达到 1692 人，收到投递论文 2571 篇，两者都创下了历史新高；AAAI 2017 最终收录的论文总数为 639 篇，平均录取率为 24.9%。虽然今年的详细录用数据要到 2 月 4 日正会开始才正式公布，但从目前公布的论文录用情况来看，论文投递数和录用数将会呈现一个新的高峰，届时敬请关注 AI 科技评论的报道。
在去年呈现的一系列论文数据中，机器学习（投稿 910 篇，收录 215 篇）、NLP（投稿 373 篇，收录 77 篇），应用（投稿 268 篇，收录 61 篇）这三大领域可谓是 AAAI 最受关注和欢迎的投稿领域；此外，检索／规划、视觉、知识表征和博弈论等领域的投稿论文也不在少数。相对而言，博弈论领域论文的录取率最高，达到 0.38，而 NLP 领域的录取率相对较低，只有 0.21.
AAAI 2018 的最佳（学生）论文及候选论文日前已经揭晓名单。届时，这四篇优秀论文都将在现场进行口头报告展示，AI 科技评论将做全文演讲的整理报道，敬请期待。
获奖名单如下：
最佳论文《Memory-Augmented Monte Carlo Tree Search》
值得一提的是，本文作者为阿尔伯塔大学的 Chenjun Xiao、Jincheng Mei 和 Martin Müller，这也是今年仅有的当选最佳论文的两位华人作者。
最佳学生论文：《Counterfactual Multi-Agent Policy Gradients》
最佳论文提名：《Generalized Adjustment Under Confounding and Selection Biases》
最佳学生论文提名：《Adapting a Kidney Exchange Algorithm to Align with Human Values》
雷锋网 AI 科技评论将论文摘要编译如下：
最佳论文《Memory-Augmented Monte Carlo Tree Search》（记忆增强的蒙特卡洛树搜索）
本文提出并评估了记忆增强的蒙特卡洛树搜索（Memory-Augmented Monte Carlo Tree Search，M-MCTS），提供了一种在线实时搜索的新方法。这一方法主要是将 MCTS 和一个记忆结构组合，每个 entry 包涵特定信息，记忆结构用于组合类似状态的评估进行近似值估计。研究表明这一方法产生的估计值优于普通蒙特卡洛估计。在围棋游戏中，M－MCTS 在相同模拟次数下优于 MCTS。
论文地址：https://webdocs.cs.ualberta.ca/~mmueller/ps/2018/Chenjun-Xiao-M-MCTS-aaai18-final.pdf
最佳学生论文：《Counterfactual Multi-Agent Policy Gradients》（反事实多智能体策略梯度）
论文摘要：许多现实世界中的问题，比如网络数据包的路由，或者自动驾驶汽车之间的协调，都可以很自然地看作合作性的多智能体系统问题来建模。这就对新的强化学习方法提出了强烈的需求，以便为这些系统高效地学习到区中心化的运行策略。出于这个目的，作者们提出了一种新的多智能体的「执行者-批评者」方法：反事实多智能体策略梯度（COMA）。COMA 中使用一个中心化的批评者估计 Q 函数和区中心化的执行者，从而优化智能体的运行策略。除此之外，为了解决多智能体间互相建立信任的问题，它使用了一个会把单个智能体的动作边缘化的反事实基准线，同时还能保证其它智能体的动作不变。COMA 中使用了一个批评式的表征，从而使得这个反事实基准线可以在单个前馈流程中进行高效的计算。作者们在星际争霸游戏的单位控制测试环境中评估了 COMA 的表现，使用了非常便于分别观察的去中心化变量。与这个环境下的其它多智能体执行者-批评者方法相比，COMA 的平均表现有显著提高，而且 COMA 得到的最好的智能体的表现可以和顶尖的具有全状态数据的中心化控制方法相提并论。
论文地址：https://arxiv.org/abs/1705.08926
最佳论文提名：《Generalized Adjustment Under Confounding and Selection Biases》（对选择偏倚和混杂偏倚的泛化调节处理方法）
论文摘要：选择偏倚和混杂偏倚是限制常见推理方法在大尺度环境下使用的最常见的两个障碍。在这篇论文中，作者们泛化了后门调节的想法，以便同时处理这两种偏倚，并且在不引入选择偏倚的情况下利用可能的外部数据（比如来自人口调查的数据）。作者们介绍了调节对（adjustment pair）的思路，并展示了通过调节方法识别因果关系的完整图形条件。作者们还进一步设计了一个算法，以多项式形式列出所有可以处理的调节对，对于希望评估以部分可处理的调节对的特定属性（常见属性包括开销、变化、测量难度）的研究人员来说这会很有用。最后，作者们描述了一种统计性的估计过程，一旦确认了某个设置是可以处理的就可以执行这个过程；它可以用来处理有限样本中的多种问题。
论文地址：https://pdfs.semanticscholar.org/023a/a92487c037a7557b9b74e894003725afd00a.pdf
最佳学生论文提名：《Adapting a Kidney Exchange Algorithm to Align with Human Values》（改造出和人类的价值一致的肾脏分配算法）
论文摘要：如何高效分配有限的资源是经济学和计算机科学两个领域共有的经典问题。对于肾脏移植手术来说，通常会由一个中央市场把一切正常的肾脏捐赠者分配给等待肾脏的病人。在肾脏分配中，病人和捐赠者首先由委员会通过特设的权重决定优先级，然后输入一个分配算法，由它决定哪个病人会分配到哪个捐赠者——以及决定哪个病人分配不到捐赠者。在这篇论文中，作者们提出了一种端到端的方法用于在肾脏分配中根据每个病人的档案估计权重。作者们首先从人类被试者获取了一组他们认为可以用于决定病人优先级的属性（比如医疗特征，生活方式等等）。然后作者们根据不同病人的档案向被试者提问对比问题，并根据他们的回答严格地计算出各个属性的权重。作者们展示了如何在肾脏分配市场的分配算法中使用这些权重。作者们接着在模拟环境下评估了这些权重的影响，发现他们算出的权重的精确值其实影响很小，实际上需要的只是由权重计算出的档案的排序。不过，与完全不给病人排优先级的情况相比，带有权重的算法还是取得了更好的表现，确实有部分类别的病人从前述的测试者的价值评价中获得了优先匹配（或者延后匹配）。
论文地址：https://users.cs.duke.edu/~conitzer/kidneyAAAI18.pdf
AAAI 2018 同样邀请了 7 位优秀的特邀演讲嘉宾，让我们一起来看看有哪些大咖会出席本次会议，以及他们会在会上讲哪些发人深省的内容呢？
亚利桑那州立大学的 Subbarao Kambhampati 教授将在本次大会上进行主题为《人类感知人工智能系统的挑战》的演讲。
Subbarao Kambhampati（Rao）是亚利桑那州立大学计算机科学教授。Kambhampati在研究规划和决策中的基本问题、特别是关于人类意识AI系统的挑战中颇有建树。
Rao 博士毕业于马里兰大学计算机科学系，2000 年成为亚利桑那州立大学全职教授，同时也是 ASU 人工智能实验室 Yochan 研究小组负责人。2014 年当选为担任 AAAI 协会侯任主席，曾获 1992 年 NSFF 研究启动奖，1994 年 NSF 年轻研究员奖，2001-2002 年工程教学卓越奖，2004 年 IBM 学院奖和 4 个 Google 研究奖（2007年，2010年，2013 年和 2016 年） 。
演讲摘要：人工智能的研究长期以来一直困扰着人类，这些研究在「替代人类」和「增强人类」的使命之间摇摆不定。现在，随着人工智能技术的日益增长，逐渐的进入了我们的日常生活，人工智能系统则更需要与人类协同工作。想要有效地做到这一点，人工智能系统必须更加关注「与人类协同工作」方面的研究，这其中就包括「情感智能」和「社交智能」。
在演讲中，Subbarao Kambhampati 教授将讨论设计人类认知人工智能系统所面临的研究挑战，包括对人的心理状态进行建模、识别他们的愿望和意图并提供积极的支持，对行为和需求做出切实的解释。并且，Subbarao Kambhampati教授将调查迄今在这些挑战方面取得的进展，并突出一些有希望的方向，也会谈到这些系统构成的额外的道德困境。
追求人类意识的人工智能系统拓宽了人工智能企业的研究范围，迫切需要和促进真正的跨学科协作，并且可以大大提高公众对人工智能技术的接受度。
Yejin Choi 是华盛顿大学 Paul G. Allen 计算机科学与工程学院的副教授。她最近的研究集中在语言和视觉的整合、从文本和图像学习知识、为自然语言生成和建立更丰富的语境、以及使用内涵框架建立文本的非字面意义。她当选了 2015 年 IEEE AI’s 10 to Watch，也是 ICCV 2013 的 Marr Prize 获奖者。她在本次大会上的演讲主题是《从纯粹的物理动作到了解内涵：用语言来学习和推理世界》
演讲摘要：智能的沟通需要从阅读的字里行间进行理解，而这又需要关于「世界是如何工作」的丰富背景知识。但是，从语言中学习不可言喻的常识和知识并非易事，因为人们很少说明这一点，例如「我的房子比我大」。在这个讲座中，Yejin Choi 将讨论如何从没有体现的语言中还原出琐碎的日常知识。一个关键的洞察是：人们分享和假设的隐性知识系统地影响着人们使用语言的方式，这为间接理解世界提供了线索。例如，如果「Jen 进入她的房子」，那一定是她的房子比她大。
在演讲中，Yejin Choi 将首先介绍如何通过适应框架语义的表示，来组织常识的各个方面——从纯粹的物理知识到更抽象的内涵。将讨论补充以框架为中心的方法的神经网络方法，将通过讨论当前模型和形式主义方面的挑战来结束讨论，并指出未来研究的途径。
来自哈佛/拉德克利夫高等研究学院的 Cynthia Dwork 将进行主题为《公平问题》的演讲。Cynthia Dwork 教授因其在数学上严谨的基础上进行隐私保护数据分析而闻名。在密码学和分布式计算方面也做出了开创性的贡献。此外，他也是 Edsger W. Dijkstra 奖的获得者，他最近的研究领域包括适应性数据分析的稳定性（特别是通过不同的隐私）和分类的公平性。Dwork 还是美国国家科学院、美国国家工程院以及美国哲学学会的成员，也是美国艺术与科学学院的 Fellow。
演讲摘要：算法的「不公平性」——从广告到重犯预测的任务，在时下的流行媒体上引起了相当的关注。用于实现公平的算法技术现在经常出现在专门的研讨会和专题讨论会以及已建立的研究会议中。这次演讲将重点讨论数学严谨的公平理论（定义、方法和可证明的限制以及折衷）的新研究，为「解释性」等热点政策问题提供一个方向，并为未来的研究提出新的问题。
Zoubin Ghahramani 是剑桥大学信息工程系教授和Uber首席科学家。他还是Leverhulme Centre for the Future of Intelligence 的副院长、 St John’s College Fellow。他也是英国国家数据科学研究所艾伦·图灵研究所（Alan Turing Institute）的创始总监。他曾在宾夕法尼亚大学，麻省理工学院，多伦多大学，伦敦大学学院的盖茨比分校和卡内基梅隆大学工作和学习。他的研究集中在机器学习和人工智能的概率方法上，发表了超过 250 篇相关研究论文。他是 Geometric Intelligence（现在的 Uber AI Labs）的联合创始人，并为一些AI和机器学习公司担任顾问。其在本次 AAAI 2018 演讲的主题为《概率机器学习和人工智能》
演讲摘要：概率论为理解学习和建构合理的智能系统提供了一个数学框架。Zoubin Ghahramani 将回顾概率AI领域的基础，然后将重点介绍当前的一些研究领域，涉及贝叶斯深度学习、概率规划、贝叶斯优化和数据科学 AI 等主题。
Joseph Halpern 于 1996 年加入康奈尔大学计算机系，并于 2010 至 2014 年担任系主任。Halpern 是 AAAI、AAAS、美国艺术与科学学院、ACM、IEEE、博弈论学会和经济理论进步学会 Fellow。在本次大会上，他带来的演讲题目为：《实际因果关系：一项调查》
演讲摘要：「事件 C「事实上导致」事件 E」的含义何在？界定实际因果关系的问题不仅仅是哲学思辨。例如，在许多法律论点中，确定责任就是需要建立的（车祸或医疗问题的真正原因究竟是什么？）。自 18 世纪以来，哲学文献一直在与定义因果关系的问题斗争。许多定义都是用反事实来表述的。（C 是 E 的一个原因，如果 C 没有发生，那么 E 就不会发生）。2001 年，Joseph Halpern 和 Judea Pearl 引入了一个新的实际原因的定义，用 Pearl 的结构方程的概念来模拟反事实。自那时以来，这个定义被修改了两次，扩展为处理「责任」和「责备」等概念，并应用于数据库和程序验证。在这一演讲中，Joseph Halpern 将围绕他与 Judea Pearl, Hana Chockler 以及 Chris Hitchcock等人过去15年的研究进行回顾和展望。
Charles Isbell 是乔治亚理工学院计算学院教授兼高级副院长，机器学习研究人员，Isbell 是美国国家科学院的卡弗利奖助研究员（为期三年），曾获得了 NSF CAREER 和 DARPA CSSG 奖项。他在 ICML 曾获得最佳论文奖。曾在 ICML、NIPS、RoboCup、Tapia 和 NAS 科学前沿研讨会等组织承担委员会工作，并在多个会议上组织会议。
演讲摘要：我们建立机器学习系统是因为我们希望它们以某种方式行事。在这种情况下，「我们」的主体通常是人类。无论我们想传达特定的策略还是细微的偏好，以定义目标本身，总是需要某种形式的从人到算法的知识迁移。交互式机器学习主要集中在利用机器学习技术解决人工智能问题的背景下推动迁移的技术。本次演讲将探讨交互式机器学习中所研究的一些问题和技巧，特别强调与人类参与者的实验结果所产生的违反直觉的设计原则，尤其，那些违反直觉的原则通常是由于「我们（we）」对「我们（us）」的错误理解而产生的。
Percy Liang 是斯坦福大学计算机科学助理教授，他的研究范围涉及机器学习和自然语言处理，其目标是开发可靠的智能体，使其可以有效地与人沟通，并通过互动获得性能的提高。具体的研究主题包括问答、对话、程序导入、交互式学习和可靠的机器学习。
Percy Liang 在本次大会上的演讲主题为《我们应该如何评估 AI 的机器学习》？
演讲摘要：机器学习在推动人工智能领域取得巨大成功无疑是非常成功的，但也衍生出训练－测试的评价范式。这个标准评估只会鼓励平均行为良好的行为; 它不能保证对抗性例子所显示的鲁棒性，并且对对话这样的互动性任务或者错误的回答无计可施。在这次演讲中，Percy Liang 将介绍以自然语言理解任务为重点的评估范例，并探讨在有意义的方向上指导 AI 的进展。
今年共有 26 家企业／机构列席 AAAI 2018 的赞助商。今年的最大亮点在于，众多中国企业都进行了深度参与，五大中国巨头企业第一次同时聚首 AAAI 2018.
滴滴出行首次成为 AAAI 2018 的赞助商，而且一举拿下顶级赞助商。百度、腾讯、阿里巴巴和京东则是金牌赞助商。此外，去年赞助了 AAAI 2017 的小 i 机器人也依然出现在 AAAI 2018 的队伍当中。2018 开年第一个学术会议，就迎来这么多中国企业的参展和关注，实属难得；更何况，BAT 与京东、滴滴出行也亮相这一盛会，可见以 AAAI 2018 为代表的国际学术会议在中国企业心目中的地位也越来越重要。
届时，雷锋网AI科技评论将会在现场展区与上述中国企业进行交流和沟通，并带回后续报道。
而从论文收录情况看，AAAI 2017 上，百度、腾讯、华为、360、今日头条、携程、iPIN 等公司的人工智能团队都有论文被收录。而相较去年，目前雷锋网 AI 科技评论所了解的情况比较集中，百度今年有四篇 AAAI 论文被录用；而阿里巴巴和腾讯 AI Lab 各有 11 篇论文被收录；此外，狗尾草科技也有两篇相关论文被收录。如果有其他企业的论文被 AAAI 2018 录用，欢迎在雷锋网 AI 科技评论公众号（aitechtalk）与我们取得联系。
值得一提的是，在当地时间 2 月 5 日晚上八点，阿里巴巴将进行「阿里之夜」的 workshop 线下活动，届时 AAAI 协会主席 Subbarao Kambhampati、阿里巴巴人工智能实验室北京研发中心负责人聂再清博士也将做为受邀嘉宾出席。
Job Fair 旨在为企业和学生们提供一个沟通的平台，AAAI－17 也曾经举办过。彼时 AI 科技评论在参加 Job Fair 时，曾预设过挤破头的热闹宣讲场景，但实际情况与预想的情况大相径庭。从现场的情况看，学生参与程度并不是太高。宣讲场地能容纳将近 200 人，但 AI 科技评论听的几场企业宣讲，人数都只有 20 人左右，整个会场显得很空旷，如果再刨掉排队准备做宣讲的企业代表，来到会场的学生真的可以用「寥寥无几」来形容。
但「醉翁之意不在酒」，不少企业当时也向雷锋网 AI 科技评论表示，企业 PR 宣传的目的要远大于在现场招聘到心仪学生的动机，另外，这也或许和 AI 热潮还在风口，学生们并不担心就业问题有关。
而今年，AAAI 大会组委会延续了去年的这一项目，仍然开设了 Job Fair 的相关项目，不知道 AAAI－18 的 Job Fair，是否会有所改观呢？
当地时间 2 月 2 日是新奥尔良的 Mardi Gras 狂欢节，如果是今天来到现场的同学，可以看到当地的人们都会在这个「油腻的星期二」头戴面具，装神弄鬼，街头锣鼓喧天，没有鞭炮，异常热闹。（此处无图，明天奉上）
雷锋网 AI 科技评论也赶到了新奥尔良，为大家带来 AAAI 2018 大会的现场报道。新奥尔良是美国路易斯安那州南部的一座海港城市，同时也是路州最大的城市。本届会议的举办地点就在毗邻密西西比河的新奥尔良希尔顿河畔酒店。
按照议程，大会从 2 月 2 日开始，2 日上午 7 点 30 分起开放注册，注册地点在希尔顿酒店的 3 楼，注册窗口将持续开放到 7 日中午 11 点（以上均为新奥尔良当地时间）。
为了便捷注册，会方设置了两个注册窗口，到达的注册人员，按照姓氏的首字母分别在两个窗口拿取参会吊牌和资料袋，非常便捷，雷锋网AI科技评论拍照的时间较晚，所以窗口人并不是很多。
根据议程介绍，从 2 月 2 日至 2 月 3 日，共有 15 个Workshop（原为16个，其中 W6: Artificial Intelligence for Smart Grids and Smart Buildings被取消）和近 30 个 Tutorial 相继举行。今天有 8 个 Tutorial，具体议程、主题、讲者如下：
从今天的现场状况来看，8 个 Tutorial 的规模各不相同，听众人数有些很多，接近爆满状态。如Network Representation Learning: Enabling Network Inference in Vector Space——这场由清华大学崔鹏教授、朱文武教授组织的 Tutorial 就收获了不少听众。
也有些会场人员相对较少，（下图为今天【FP2：A Survey of Inverse Reinforcement Learning: Challenges, Methods and Progress – Prashant Doshi, Saurabh Arora】主题会场）。
到五点钟人流逐渐开始撤退，雷锋网AI科技评论在现场和一些中国学生进行了交流，有几位告诉雷锋网AI科技评论，今天主要是来“踩场预热”，他们都在期待后续更精彩的内容。
接下来几天，雷锋网AI科技评论会从现场带来更详尽的报道，敬请期待。
PS：
从新奥尔良的路易斯阿姆斯特朗机场到会场要十几英里，公交需要一个多小时，中途需要转车，对带大件行李的同学不是很友好，建议打车。
在机场可以叫 Uber 或 Lyft，需要注意的是，机场出站口的停车场有专门的 Uber/Lyft 等待区域，在软件地图图钉上可以看到。Lyft 打车到会场大约 40 刀。
正在生成分享图...
Nemo