读不懂NeurIPS 2018的艰深论文?我们已经为你划好了重点

AI的火爆,让今天在加拿大蒙特利尔开幕的第32届神经信息处理系统大会(NeurIPS 2018),就成为了各国研究组织和企业刷存在感的香饽饽。

有多火呢?

据说,今年的参会人数有9000人,大会门票在11分钟内被一抢而空。官方自己都吐槽,只比碧昂丝演唱会卖的慢一点。

之所以一票难求,还是因为到场的学术界、产业界大佬太多。谷歌、亚马逊、Facebook、微软是不会缺席的,华为、腾讯、阿里、百度等为代表的中国队也斩获颇丰。值得一提的是,今年还冒出了很多中美欧之外的新面孔,印度、XXX也都有机构获得了非常不错的成绩。

当然,学术会议核心的还是论文,NeurIPS 2018 今年也是收了个盆满钵满,一共收到 4856 篇投稿,创下了历年来的最高记录,最终被录取的论文有 1011 篇,其中有44% 的论文作者放出了代码,42% 将公布数据,无疑让整场大会显得干货十足。

情况介绍的差不多了,接下来该上“硬货”了。但学术名词和论文推理读起来都有点反人类。因此,我们从自己的观察中,为大家梳理了一下NeurIPS 2018可能是最重要的三大趋势,帮助大家了解一下,学术界都发现了哪些新东西,又将给明年的AI带来哪些新机会。

下面请大家系好安全带,收起小桌板,准备好瓜子花生肥宅快乐水,我们开始吧。

趋势一:

深度学习依然是“最强王者”

今年NeurIPS 2018评审的 4856篇论文中,深度学习、强化学习、分布式学习等等领域依然是大热门。

以获得最佳论文奖的四篇论文为例,来自加拿大多伦多大学Vector Institute,通过一种新的深度神经网络模型,采取自适应来构建归一性,无需对对数据进行分类或排序,就可以使用黑盒ODE求解器进行端到端训练。

第二篇最佳论文的第一作者为加拿大麦克马斯特大学Hassan Ashtiani,则通过新的相关分布压缩来进行分布式学习,解决了表征学习分布类的样本复杂性。

第三篇则是来自华为诺亚方舟实验室担任一作的研究,在两种情况下研究了分布式优化的最优收敛速度,并提出了第一个最优分散算法:多步原始对偶(MSPD)。

第四篇的作者全部来自Google AI,提出了新的策略一致性概念,结合多项数据集,解决大规模强化学习的妄想偏见问题。

除了获奖的四篇,收录的1011篇论文中还有不少是深度学习方向的文章(大约25%左右),还能在“王座”的位置上待一阵子。

不过,即便是深度学习也并不是在炒冷饭。显然,学术界也在积极反思深度学习存在的一些效率、黑箱性等问题,很多研究都是围绕着对其进行优化展开的。

在NeurIPS 2018的论文集中搜索“optimization”,得到了61个结果。由此可见,通过底层优化算法,用更好的模型让AI以更小的数据代价,更精准地解决问题,正在成为集体做功的方向。

趋势二:一超多强,

难以跨越的谷歌和美帝?

有机构对NeurIPS2018的论文集进行了数据分析,发现Google(包括Deepmind)仍然是毋庸置疑的AI“霸主”,以 137 篇论文成功斩获第一名,甚至将美国同行远远地甩在了身后。

此外,谷歌不但开始向顶会反向输送人才(今年大会的主席Samy Bengio就是来自谷歌的科学家 ),还开始艺高人胆大地开始探讨很多极端领域命题。

比如通过Mesh-TensorFlow实现超级计算机的深度学习。利用一种分布式深度神经网络(DNN),对一些由于内存限制而无法训练的超大模型,进行高效分批处理。

谷歌利用512个TPU训练出了多达50亿个参数的变压器模型。这种基于大型数据集群的高效并行模型算法,足以让其在处理航空、军事、智慧城市等极端算力需求时,依然能保持稳定高效实时处理。

另外,“美国势力”还有不少强队,其中MIT(68篇)与斯坦福(57篇)领衔学术界,Microsoft(46篇)和Facebook(13 篇)领衔工业界。

Facebook在机器视觉领域提出的不少新方式,像是“双注意力网络”、分块坐标搜索算法、能够对抗无聊的新推荐系统、SING音频合成器等等,目测都将在来年给大众早已“审美疲劳”的社交娱乐带来不少新意。

总而言之,经过几年的激烈近身肉搏,人工智能技术竞争格局的基本面目前已经没有争议了,那就是谷歌的霸主地位几乎难以撼动,不过其他战队也出手不凡找到了各自的差异化突破路径。

毕竟,谷歌还有不少纯烧钱的技术,学术会议上再多的成功,未必真能在现实中凝结出商业的果实。这么想想,吃到了酸葡萄的大家心里想必好受了点。

趋势三:中国身影与新晋黑马

在这样的竞争格局下,自然有人不愿让“美国势力”专美。这次NeurIPS 2018,中国队伍可谓是集体为国争光了。

先说四篇最佳论文(Best paper awards),华人科学家陈天琦,以及华为的诺亚方舟实验室,就分别以第一作者的身份摘得殊荣,占据了半壁江山。

华人学者也表现不俗,清华大学有 21 篇论文被收录,论文数量排名第十。来自南京大学的张利军就有 3 篇论文被收录,周志华等人提出了无组织恶意攻击检测算法UMA,CMU的教授邢波和微软研究院的朱泽园也有多篇论文榜上有名。

中国的科技企业巨头也纷纷实力炫技。华为捧回最佳论文奖,阿里iDST(数据科学与技术研究院)就霸气演示了全中文demo,腾讯AI Lab则以 17 篇文章被收录的实力与美国AI军团一较高下。

总体而言,中国军团的学术水准体现出了不容忽视的力量感。

本届大会一共发布了86篇论文,数量上接近10%,远超英法等国。质量上AI那些关键领域一个都没有遗漏,产学研各个层面都在进入技术加速并肩甚至超越的黄金周期。

不过,人工智能的狂飙突进也并不是只有中美在互相抢分。今年的最佳论文及作者,都有加拿大几所大学的相关背景,加拿大在人工智能领域的存在感和影响力,比我们以为的要强得多。

在NeurIPS的AutoML挑战赛中,来自印度的团队Autodidact.ai 也成功出道,取得竞赛第一名(清华、中南大学等队伍摘得亚季军)。

(NeurIPS 2018 AutoML for Lifelong Machine Learning 竞赛结果以及团队成员名单)

总而言之,在接下来的短时间内,来自美国的企业和高校(谷歌/MIT)等依然代表着最强大的“科研势力”,但其话语权是否也能进一步扩张?还真是未知数。

因为其他各国的优势也越来越多,黑马不断涌现,而美国对AI也变得越来越敏感和防备(无处不在的政治正确、贸易战下的严苛签证策略),这些都正在悄无声息地改变看似已经被框定的AI世界。

那么,在感受谷歌“有技术就是可以为所欲为”的打击之外,或许我们可以一起期待一下,未来的中国速度、印度速度、枫叶国现象……

(0)

相关推荐