还有不到一个星期，人工智能领域本年度最后一个学术盛会、机器学习领域顶级会议NIPS 2017（Neural Information Processing Systems）将在加州长滩拉开帷幕。届时雷锋网也将前往长滩进行大会的跟踪报道，在出发之前，让我们来看看这个被称为“机器学习最好的学术会议”都有哪些值得关注的内容吧。
雷锋网了解到，NIPS大会议程设置分为若干不同环节，包括：Talk/Invite Talk、Workshop、Tutorial、Poster、Oral、Spotlight、Demostration、Symosium等。不同的议程设置也反映了大会的不同重点，当中的区别，雷锋网总结如下：
Talk/Invited Talk：大会报告（有的学术会议也称为Plenary Talk），是在某个领域卓有成就的研究者向所有参会者就某一领域做的刚要性的总结报告，每个演讲者有50分钟的演讲时间，也是学术会议的重头戏所在。NIPS 2017在4-7日期间将安排7场大会报告；
Workshop：某一主题下若干人一起进行密集讨论的小会，互动性较高。NIPS 2017的Workshop将安排在8、9号两天，共有53个Workshop；
Tutorial：类似辅导讲座性质，一般针对针对初学者。NIPS 2017的Tutorial将安排在4号，共有9个Tutorial；
Oral：大会收录的较为重要的一批论文的口头宣讲。NIPS 2017共有40篇论文进入Oral，口头宣讲时间为15分钟；
Spotlight：次重要的一批论文的摘要性口头宣讲。NIPS 2017共有112篇论文进入Spotlight环节，宣讲时间为5分钟；
Poster：其他论文的集中海报宣讲。NIPS 2017的Poster时间为4-6日晚上6:30-10:30，共有3场；
Demostration：现场演示，5、6日两天共有20场；
Symposium：特殊学术讨论，类似分论坛，7日由4场。
按官方议程，NIPS大会总共有939个项目，Invite Talk自然是当中最受全体关注的内容，七个报告如下：
12月4日 05:30 -- 06:20 PM @ Hall A，John Platt，报告题目：《Powering the next 100 years》；
John Platt是Google的Principal Scientist，本报告将会讲述Google如何使用机器学习来解决未来的能源问题；
12月5日 09:00 -- 09:50 AM @ Hall A，Brendan J Frey，报告题目：《Why AI Will Make it Possible to Reprogram the Human Genome》；
Brendan J Frey是多伦多大学电子与计算机工程及计算机科学系教授，加拿大信息处理机器学习委员会主席。2014年，Frey创办了一家用机器学习方法建模研究遗传突变与疾病相关的深层次基因生物结构问题的公司Deep Genomics，而Frey将会讲述如何用机器学习来对遗传密码实施“逆向工程”、并进一步实现基因重组的挑战，这也是雷锋网感兴趣的内容之一；
12月5日 01:50 -- 02:40 PM @ Hall A，Kate Crawford，报告题目：《The Trouble with Bias》；
Kate Crawford是纽约大学教授及微软纽约研究中心首席研究员。Crawford将讲述机器学习在高风险决策中存在偏差的原因及在医疗保健、刑事司法、教育等核心社会机构中的应用，并提出解决这种偏差的新策略；
12月6日 09:00 -- 09:50 AM @ Hall A，Lise Getoor，报告题目：《The Unreasonable Effectiveness of Structure》；
Lise Getoor是加州大学Santa Cruz分校计算机科学系教授。Getoor将介绍统计相关学习（SRL）的概念，并重点介绍其在概率软逻辑（PSL，一个关于大规模集合的SRL框架）方面的研究；
12月6日 01:50 -- 02:40 PM @ Hall A，Pieter Abbeel，报告题目：《Deep Learning for Robotics》；
Pieter Abbeel是加州大学伯克利分校教授，强化学习领域的大牛。同时，Pieter Abbeel还是创业公司Embodied Intelligence的董事长兼首席科学家（参见雷锋网文章：《离开OpenAI和导师一起创业，他们要让机器人不编程也能像人一样干活》）。
目前在NIPS 2017官网上暂无Abbeel本次演讲的内容介绍。但从演讲题目看，深度学习在机器人领域的应用是当前火热的研究话题，在本月结束的CORL 2017上，Pieter Abbeel主持了会议结束的Q&A环节。雷锋网也将会关注Abbeel在NIPS 2017上的本次报告。
12月7日 09:00 -- 09:50 AM @ Hall A，Yael Niv，报告题目：《Learning State Representations》
Yael Niv是普林斯顿大学神经科学学院心理学系副教授。Niv将讲述大脑如何进行强化学习的机制，并由此进一步讨论如何使用无限容量的贝叶斯推理来形式化学习状态表示的问题，并进一步应用到机器学习和迁移学习研究中；
12月7日 09:50 -- 10:40 AM @ Hall A，Yee Whye Teh，报告题目：《On Bayesian Deep Learning and Deep Bayesian Learning》
Yee Whye Teh是牛津大学统计学教授，Deepmind研究科学家。他还是Hinton那篇划时代论文《A fast learning algorithm for deep belief nets》的署名作者之一，在此前召开的ICML 2017大会上， Yee Whye Teh担任大会Program Chair，雷锋网与其打过交道。本次报告Yee Whye Teh将讲述概率思维将如何帮助我们理解深度学习方法并引导研究者开发更有趣的方法，反过来，深度学习方法也将进一步帮助开发先进的概率方法。雷锋网对这一报告进行关注。
本次NIPS 共收到 3240 篇论文投稿，其中 678 篇被选为大会论文，录用比例 20.9%，而只有 40 篇论文被选为口头报告（Oral）论文，录用比例为0.012%，可以用“百里挑一”来形容，而Hinton著名的“胶囊”的论文也并未入选Oral，将于12月5日下午5:50做5分钟的Spotlight演讲。
雷锋网注意到，本次大会最佳论文《Safe and Nested Subgame Solving for Imperfect-Information Games》将在5日下午2:50-3:05进行Oral宣讲。在40篇Oral中包括两篇中国学者的论文，分别为腾讯AI Lab的《Diffusion Approximations for Online Principal Component Estimation and Global Convergence》（12月5日10:40）和北京大学《From Bayesian Sparsity to Gated Recurrent Nets》（12月7日11:40）。
在之前的《如何提高NIPS论文命中率？这里有一份详细的分析》中，雷锋网曾对中国学者NIPS论文投稿进行过分析，预计今年NIPS录用的来自中国的文章大约在30-40篇左右。仅有2篇进入Oral环节，也说明我们在机器学习领域仍然需要更多的努力。
在众多Workshop中，由“GAN之父”Ian Goodfellow组织的“Machine Deception”Wor接受朋友为引人注意。该Workshop将于12月8日在202房间举行。
本次NIPS 2017还包含5个官方竞赛，在此之前雷锋网对“Learning to Run”竞赛进行了介绍，在本次大会上，雷锋网也会进一步了解其他竞赛的相关情况。
此外在展览区域，阿里、腾讯等国内企业也将会举办小型的技术宣讲等活动，对于国内企业在NIPS上的表现，雷锋网也将做进一步报道。
除了上述内容，将要参加NIPS 2017的你眼中还有哪些热点呢？欢迎给我们留言进行讨论，或者与我们前方同事（微信：8019788）联系。
正在生成分享图...
我在思考中