周志華當選IJCAI理事會主席，大陸學者54年來首次

周志華當選IJCAI理事會主席，大陸學者54年來首次

金磊 發自 凹非寺

量子位 | 公眾號 QbitAI

南京大學人工智能學院院長周志華，當選新一屆IJCAI（國際人工智能聯合會議）理事會主席！

這一消息是在近日IJCAI 2023閉幕式上由現任理事會主席Christian Bessiere宣布，并將在他任期結束后“接棒”。

據悉，周志華將成為54年來，首位擔任IJCAI這一職務的大陸學者。

而早在2017年，他在當選IJCAI 2021程序委員會主席時，也是首位解鎖這一成就的大陸學者。

從全球范圍來看，周志華則是繼香港科技大學楊強教授之后，第二位擔任IJCAI 理事會主席的華人學者。

當時，周志華也第一時間為楊強送上了祝賀：

IJCAI是國際人工智能領域創立最早的頂級國際會議。1969年創辦以來，第一次由華人學者擔任大會理事會主席，這是華人學者在國際人工智能領域的一大步。從‘捧場’，到‘跑龍套’，再到‘領銜主演’，非常之不易！

據了解，IJCAI理事會主席的任職內容主要包括每年的IJCAI會議相關事務、獎項評選、與國際各國的人工智能協會的協作以及AI Journal雜志的管理等組織日常運作事務等。

關于周志華

周志華分別于1996年6月、1998年6月和2000年12月于 南京大學計算機科學與技術系獲學士、碩士和博士學位；現任南京大學計算機科學與技術系主任、人工智能學院院長。

在國際上與人工智能相關重要會議中，他是少數拿下Fellow“大滿貫”的學者，包括：

美國計算機學會(ACM)、美國科學促進會(AAAS)、國際人工智能學會 (AAAI) 、國際電氣電子工程師學會 (IEEE) 、國際模式識別學會 (IAPR)、國際工程技術學會 (IET/IEE) 、中國計算機學會(CCF)、中國人工智能學會(CAAI)、中國工業與應用數學學會(CSIAM) 等。

如此諸多的頭銜和成就，離不開周志華在人工智能領域的造詣和突出貢獻，正如中國計算機學會給出的評價：

推動了機器學習在中國發展和應用，提升了中國在人工智能領域的國際影響力。

周志華主要從事人工智能、機器學習、數據挖掘等領域的研究工作。在本領域一流國際期刊和頂級國際會議發表論文兩百余篇，被引用八萬余次。主編文集多部，獲發明專利二十余項。

他所著的《機器學習》（西瓜書）一書也被眾多計算機相關專業學子奉為入門寶典，并且還被翻譯為英、日、韓文出版，被海內外500多院校用作教材。

IJCAI 2023獎項一覽

除此之外，本屆IJCAI的各大獎項也已出爐，我們不妨也一同回顧一下。

三篇杰出論文獎

本屆IJCAI杰出論文獎共計三篇。

首先是來自谷歌DeepMind的研究Levin Tree Search with Context Models。

這篇論文主要介紹了一種名為Levin Tree Search（LTS）的搜索算法，該算法使用策略（概率分布的動作）作為搜索依據，并在達到目標節點前保證了擴展次數。

研究團隊證明了神經網絡可以被參數化的上下文模型替代，這種模型源自在線數據壓縮文獻，并且保證了在給定訓練軌跡集合下，能獲得最優的LTS損失策略，這是神經網絡無法做到的。

此外，他們還提出了一種基于產品ofexperts的方法來組合多個上下文模型以產生最終的策略。

最后，他們嘗試通過改進算法參數并從找到的解決方案中學習，最小化每個根節點找到解決方案節點前的擴展節點數量。

第二篇杰出論文是來自阿姆斯特丹大學和萊比錫大學等單位的SATBased PAC Learning of Description Logic Concepts。

這篇論文主要研究了基于DL的概念學習方法，特別是有界擬合(bounded fitting)的概念。研究團隊指出，有界擬合算法與Occam算法密切相關，后者保證能找到小規模的假設。

此外，由于設計了受界限擬合范式約束的算法，因此泛化能力只依賴于1/δ、1/ε和待學習概念的大小。

文章還討論了其他相關算法的泛化能力，并指出DL概念學習方法尚未得到正式的泛化保證。然后，作者介紹了基于SAT求解器的邊界擬合，這使得DL系統的實際效率得以提高。

接下來，作者詳細闡述了他們對ELHr和ELQ本體論以及在EL中形式化的描述邏輯的學習。他們證明了即使沒有本體論，這些類型的算法在樣本效率上也是低效的，即沒有多項式的正負樣本數量就無法實現PAC意義上的泛化。

最后，研究團隊探討了基于所謂的下限細化操作符(downward refinement operators)的所有已實現的DL學習系統所基于的操作符。他們提出了兩個自然的操作符，并將它們與廣度優先搜索策略結合使用。

第三篇杰出論文是來自魯汶大學和斯泰倫博斯大學的Safe Reinforcement Learning via Probabilistic Logic Shields。

這篇論文主要關注通過概率邏輯程序實現的Probabilistic Logic Shields（PLS）。

PLS使用概率評估的安全模型，允許進行風險控制。它具有幾個優點：真實的安全功能、更簡單的模型。PLS使用一個只表示內部安全相關屬性的安全模型，這比許多需要完整MDP的方法要求更少，這些方法通常需要完整的狀態動作對和獎勵函數。

此外，PLS可以自動編譯為可微結構，允許通過該方法優化單個損失函數并直接在策略中強制執行安全性。

IJCAIJAIR 最佳論文獎

今年的IJCAIJAIR 最佳論文獎頒給了由智利天主教大學、多倫多大學等單位展開的研究：Reward Machines：Exploiting Reward FunctionStructure in Reinforcement Learning。

這篇論文主要介紹了強化學習中利用獎勵機器（Reward Machines）的概念和應用。

研究團隊提出了一系列可以利用獎勵機器內部結構提高采樣效率的強化學習方法，包括使用獎勵機器進行問題分解、塑造獎勵函數以及結合反事實推理與離線策略學習來更快地學習策略等。

此外，團隊還討論了在何種條件下這些方法能保證收斂到最優策略，并通過實證研究展示了在離散和連續領域中利用獎勵結構的價值。

AIJ 經典論文獎

AIJ經典論文獎頒給了IBM等單位發表于2002年的論文：Deep Blue。

本文介紹了Deep Blue計算機在國際象棋人機大戰中的表現和背后的搜索算法。該計算機使用復雜的評估函數和并行搜索技術，在1997年擊敗了卡斯帕羅夫。

文章詳細介紹了Deep Blue的硬件設計、搜索算法和評估函數，以及其在并行搜索實現和性能評估方面的挑戰。

此外，文章還討論了如何改進Deep Blue的搜索效率和評估的靈活性，并介紹了國際象棋評估系統中的各種規則和表格。Deep Blue對人工智能和計算機象棋領域的影響是深遠的。

更多獎項可以瀏覽下方參考鏈接[4]。

參考鏈接：[1]https://twitter.com/IJCAIconf/status/1694989837697421765[2]https://mp.weixin.qq.com/s/RRpptoKyw8j55zpVGlJnMg[3]https://cs.nju.edu.cn/zhouzh/zhouzh.files/resume_cn.htm[4]https://www.ijcai.org/awards

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態