IJCAI 2016在纽约已经举行到第5天，不过相比CVPR大会时期黑科技的不断刷屏，IJCAI显得要低调的多，已经过去的几天除了微软曝出了演讲PPT：《深度学习在语义理解上不再难有用武之地》（NLP相关）；人工智能哲学专家Aaron Slaman公布了演讲：《AI的发展已经失去了方向？》（基础理论与架构相关），Deepmind的David Silver 解释《AlphaGo如何工作》，我们并没有看到太多大公司人工智能和机器人实验室以及大学人工智能和机器人实验室的震撼演讲。
也没有看到关于本次大会主题——【人类意识的人工智能】相关的杰出学术成果展示，这时我们不妨把注意力投入到主会场的报告方向，来重点关注这个夯实的大会研究的什么方向的问题是在推动人【类意识的人工智能】？
看什么，看那几位主讲人的演讲，看大会讲啥？
举例，Data-based Promotion of Tourist Events with Minimal Operational Impact(基于数据库利用最小化操作影响旅游消费）
演讲人：Vishalaksh Aggarwal Biplav Srivastava Srikanth Tamilselvam
这里我们将演示用人工智能中运算量最少的方式来提高旅行活动的促销。通过对事件的集体分析，来促进这个城市未来的旅游业发展以及影响这个城市管理者的风格。
关键词：旅游促销，机器学习，开源数据。
举例，To Give or Not to Give: Fair Division for Strict Preferences（关于严格偏好中的公平分割问题）
演讲人：Simina Brânzei Yuezhou Lv Ruta Mehta
当满足特定要求的情况下，单个的代理有严格的偏好，这种偏好在资源分配情景里时常出现，比如计算机（内部各个任务执行时）就要求对CPU，内存，宽带这些资源的分配尽量做到公平。
关键词：公平价值分配技术，市场均衡。
举例，Distributing Knowledge into Simple Bases （把知识库分解成简单的基础（库））
演讲人：Adrian Haret Jean-Guy Mailly Stefan Woltran
理解经典逻辑问题中碎片信念变化算子的行为这一问题，近几年受到了越来越多的关注，比如最近流行的小说研究问题开始涉及碎片驱动的问题，这里我们要提出一个概念……
关键词：信念，信念合并，碎片化。
举例，Plan Recognition as Planning Revisited（规划识别以及规划的重新审视）
演讲人：Shirin Sohrabi Anton Riabov Octavian Udrea
最近几年，在域理论和总体规划算法中，规划识别中的规划工作已经让我们看到了巨大希望，在这篇论文中，我们建议将以前的工作：标出观察序列；更多地强调不可靠的观测（比如噪声或者遗漏的观察）来协助……
关键词：智能规划，规划识别，多样性规划。
举例，Urban Water Quality Prediction based on Multi-task Multi-view Learning （基于多任务，多视角学习的城市水质预测）
演讲人： Ye Liu Yu Zheng Yuxuan Liang Shuming Liu David Rosenblum
城市水质问题跟我们的生活息息相关，预测水质可以帮助我们控制水污染和保护人类健康，在这篇文章里，我们将用多任务，多视角的办法，来处理来自多个领域的不同数据集。
关键词：城市计算，多任务学习。
举例，Main track & AIW track Posters（主要跟踪和AIW跟踪）
原链接略……
原链接略……
举例，Neural Segmentation Models Leveraging Segment Representations（利用分割模式表示神经分割模型）
演讲人：Yijia Liu Wanxiang Che Jiang Guo Bing Qin Ting Liu
自然语义处理的问题大都可以归类为（语义）分割问题，这里我们结合semi-CRF与神经网络相结合的方法来解决这个问题，我们的模型通过输入和嵌入一个分割，然后再深入研究不同的组合功能和不同的嵌入式分割……
关键词：自然语言处理，分割，神经网络，中（英）文分词。
举例，Constraint Detection in Natural Language Problem Descriptions（在自然语言问题描述中的约束检测）
演讲人：Zeynep Kiziltan Marco Lippi Paolo Torroni
在这个上下文中，形式规约语言将被设计用来以一种混合了自然语言和离散数学模型的，接近自然语言表达方法却非常严格和精确的方法来表达约束问题。
关键词：约束变成，自动模型再形成，自然语言问题描述的自动处理。
举例，Mastering the Game of Go with Deep Neural Networks and Tree Search （ 如何用神经网络和树搜索掌握围棋游戏。）
演讲人：Google DeepMind David Silver
我们的人工智能技术其实是从智能代理器开始的，你可以把智能代理器看做是一个机器人手臂、一辆自动驾驶汽车、或是一个推荐引擎的控制系统，这个智能代理器有一些目标需要完成，而且它也正在尝试不断优化。
为了实现这个目标，我们需要编写代码，这也是我们为这个智能代理器所做的唯一的事情。
关于IJCAI这么顶级的AI学术会议，为什么赞助商没有上次CVPR豪华，截止到目前过去做学术报告的大公司实验负责人也没有上次那么踊跃，AI科技评论君认为是有两点原因导致的：
其一，CV领域目前处在学术到产业落地的高潮期，无人驾驶，无人机，VR，物体识别，工业检测等多个领域现在都要用到它的最新技术，导致很多CV领域的学术成果一发布后就投入公司产品运用，所以引发了大量商业公司的追捧。
其二，IJCAI大会原本两年举办一次，今年是跟上一次举办时间仅仅一年之隔，一些重要潜在参会对象可能这期没有做好充分准备。加上今年的主题是人类意识的人工智能，这个相对于CVPR学术成果的应用火爆，此次主题偏基础理论的讨论。
而基础理论的讨论恰恰不是很快能得出惊人结论的东西。
正在生成分享图...
王德清