↑ 點(diǎn)擊藍(lán)字?關(guān)注極市平臺

作者丨陳大鑫、青暮

來源丨AI科技評論

編輯丨極市平臺

極市導(dǎo)讀

AAAI2021終于開幕，最佳論文、杰出論文等大獎也全部陸續(xù)出爐，今年華人霸屏，12篇獲獎?wù)撐闹腥A人就占據(jù)了5席。本文揭曉了三篇最佳論文和三篇最佳論文亞軍，還有六篇杰出論文以及一些其他大獎的得主以及作品。?>>加入極市CV技術(shù)交流群，走在計(jì)算機(jī)視覺的最前沿

AAAI 2021在萬眾期待中終于開幕啦！最佳論文、杰出論文等大獎也全部陸續(xù)出爐，華人擔(dān)任主席，12篇獲獎?wù)撐娜A人占據(jù)5席，今年的AAAI可謂是被華人力量霸屏了！

本屆大會在最佳論文獎的設(shè)置上相比往年有重大變化：今年有三篇論文被授予最佳論文獎（以及三篇最佳論文亞軍獎）、一共有六篇論文被授予杰出論文獎。

令人稱贊的是在三篇最佳論文當(dāng)中有兩篇都是華人作者團(tuán)隊(duì)，獲獎?wù)撐摹禝nformer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting》一作是北京航空航天大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院Haoyi Zhou，獲獎?wù)撐摹禡itigating Political Bias in Language Models Through Reinforced Calibration》?一作是達(dá)特茅斯學(xué)院計(jì)算機(jī)科學(xué)系博士生Ruibo Liu，本科畢業(yè)于華中科技大學(xué)電氣與電子工程學(xué)院。

另外一篇杰出論文獲獎?wù)撐?span style="color: rgb(63, 63, 63);letter-spacing: 0.5px;">《Self-supervised Multi-view Stereo via Effective Co-Segmentation and Data-Augmentation》的一作是深圳市計(jì)算機(jī)視覺與模式識別重點(diǎn)實(shí)驗(yàn)室、華南理工大學(xué)Hongbin Xu。?

此外，在三篇Runner-Up論文中，也同樣有兩篇由華人學(xué)者獲得，其中一篇來自北航、微軟研究院的合作團(tuán)隊(duì)，另一篇來自哈佛大學(xué)、卡內(nèi)基·梅隆大學(xué)的合作團(tuán)隊(duì)。

另外本屆大會頒發(fā)了首屆杰出審稿人獎，其中微軟亞洲研究院的兩位清華畢業(yè)校友Xiting Wang 和吳方照獲得了最佳SPC。

最后不得不說的是本屆AAAI 2021由微眾銀行首席人工智能官楊強(qiáng)教授擔(dān)任大會主席。據(jù)周志華教授介紹，楊強(qiáng)教授的此次任職亦是AAAI大會歷史上第二位大會主席，同時屬華人首次。

1?AAAI 2021 ?開幕式

AAAI 的英文全稱是 Association for the Advance of Artificial Intelligence——美國人工智能協(xié)會。該協(xié)會是人工智能領(lǐng)域的主要學(xué)術(shù)組織之一，其主辦的年會也是人工智能領(lǐng)域的國際頂級會議。

AAAI 2021（第 35 屆?）正在于2月2日-2月9日全程線上舉辦。?

本次AAAI 2021一共收到有效提交論文7911篇，最終錄取的數(shù)量為1696篇，接收率為21.4%。

另外據(jù)大會統(tǒng)計(jì)，在接收論文中一共有70.6%是學(xué)生論文！簡直是太厲害了!

下圖是2010年-2021年十二年來AAAI大會的論文投稿量統(tǒng)計(jì)圖，可以看出，論文投稿量今年達(dá)到了一個新高9945篇，明年沖一沖，論文投稿量破萬幾乎是板上釘釘。

與此同時從下圖看出今年大會21.4%的論文接收率并不算低，反而比前兩年AAAI有所提高，而相比IJCAI 2020百分十幾的滅霸錄取率更是高了很多。

下圖是國家/地區(qū)論文接收排行，可以看出中國大陸無論是論文投稿量（3319篇）還是論文接收量（627篇）都是全球第一！比排在第二位的美國足足多出1497篇。

下圖是國家/地區(qū)論文接收率排行統(tǒng)計(jì)圖，可以看出排在前三位的是澳大利亞（高達(dá)40%以上）、意大利和瑞士，而中國大陸18.9%的接收率比較尷尬，僅僅只排在了第十三位。

下圖是本次大會按不同主題領(lǐng)域劃分的論文投稿和接收數(shù)量（這兩者呈正相關(guān)關(guān)系）統(tǒng)計(jì)圖，可以看出機(jī)器學(xué)習(xí)以2654篇投稿量壓倒性的排在第一位，而排在后面三位的則是計(jì)算機(jī)視覺、語音&自然語言處理、數(shù)據(jù)挖掘&知識管理，這個統(tǒng)計(jì)分布在整體上也是大致符合目前AI圈的研究現(xiàn)狀的。

下圖則是在上圖的基礎(chǔ)上直接列出了AAAI 2020和2021這兩年的按主題領(lǐng)域劃分的論文接收量排行，可以看出這兩年的統(tǒng)計(jì)在分布上驚人而又意料之中的一致！

機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺火爆就意味著接收率高、容易中稿嗎？

從下圖按主題領(lǐng)域劃分的論文接收率可以明顯看出并不是，機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺領(lǐng)域的接收率只有20%左右，這競爭真可謂是鴨梨山大啊。而約束滿足&優(yōu)化領(lǐng)域的論文接收率則是高達(dá)43%，博弈論&經(jīng)濟(jì)悖論、搜索和優(yōu)化的論文接收率也是不低，看官您心動了嗎？?

接下來是AAAI 2021大獎時間！

本次大會有三篇最佳論文和三篇最佳論文亞軍，還有六篇杰出論文。

2?最佳論文獎

如上圖所示，一共有三篇論文獲得了最佳論文獎，它們分別是：

1、《Informer: Beyond Efficient Transformer for Long Sequence Time-Series Forecasting》

論文鏈接：https://arxiv.org/abs/2012.07436

論文摘要：

許多實(shí)際應(yīng)用需要對長序列時間序列進(jìn)行預(yù)測，例如耗電量規(guī)劃。長序列時間序列預(yù)測（LSTF）需要模型的高預(yù)測能力，這指的是有效捕獲輸出和輸入之間精確的長期依賴關(guān)系的能力。?

最近的研究表明，Transformer具有提高預(yù)測能力的潛力。但是，Transformer有幾個嚴(yán)重的問題，使它無法直接應(yīng)用于LSTF，例如二次時間復(fù)雜度、高內(nèi)存占用率以及編碼器-解碼器架構(gòu)的固有限制。

為了解決這些問題，我們?yōu)長STF設(shè)計(jì)了一個有效的基于Transformer的模型，稱為Informer，它具有三個獨(dú)特的特征：（i）ProbSparse自注意機(jī)制，該機(jī)制在時間復(fù)雜度和內(nèi)存使用上達(dá)到O（LlogL），并且在序列依賴性對齊上具有足夠的性能。（ii）自注意提煉通過將級聯(lián)層輸入減半而突出了注意力，并有效地處理了極長的輸入序列。（iii）生成風(fēng)格解碼器雖然在概念上很簡單，但它會在單次向前操作中預(yù)測較長的時間序列，而不是一步一步地進(jìn)行預(yù)測，從而極大地提高了長序列預(yù)測的推斷速度。在四個大型數(shù)據(jù)集上進(jìn)行的大量實(shí)驗(yàn)表明，Informer的性能明顯優(yōu)于現(xiàn)有方法，并為LSTF問題提供了新的解決方案。?

論文一作：北京航空航天大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院Haoyi Zhou。?

2、《Exploration-Exploitation in Multi-Agent Learning: Catastrophe Theory Meets Game Theory》?

論文鏈接：https://arxiv.org/abs/2012.03083

論文摘要：?

探索-開發(fā)是多智能體學(xué)習(xí)（MAL）中強(qiáng)大而實(shí)用的工具，但是其效果遠(yuǎn)未得到人們了解。為了朝這個方向發(fā)展，我們研究了Q Learning的平滑模擬。

首先，我們證明我們的學(xué)習(xí)模型作為研究探索-開發(fā)的最佳模型具有強(qiáng)大的理論依據(jù)。具體而言，我們證明了平穩(wěn)的Q Learning在任意博弈中對于一個成本模型具有有限的遺憾，該成本模型可明確捕獲博弈和探索成本之間的平衡，并且始終收斂于量化響應(yīng)均衡（QRE）集，這是有限理性下博弈的標(biāo)準(zhǔn)解決方案概念，適用于具有異構(gòu)學(xué)習(xí)智能體的加權(quán)潛在博弈。?

在我們的主要任務(wù)中，我們將轉(zhuǎn)向衡量探索對集體系統(tǒng)性能的影響。我們在低維MAL系統(tǒng)中表征QRE表面的幾何形狀，并將我們的發(fā)現(xiàn)與突變（分叉）理論聯(lián)系起來。尤其是，隨著探索超參數(shù)的逐步演變，系統(tǒng)會經(jīng)歷相變，在此過程中，給定探索參數(shù)的無窮小變化，平衡的數(shù)量和穩(wěn)定性可能會發(fā)生根本性的變化。在此基礎(chǔ)上，我們提供了一種形式上的理論處理方法，即如何調(diào)整探索參數(shù)可以可證明地導(dǎo)致均衡選擇，同時對系統(tǒng)性能產(chǎn)生積極和消極（以及可能無限的）影響。

論文一作：新加坡科技設(shè)計(jì)大學(xué)Stefanos Leonardos。?

3、《Mitigating Political Bias in Language Models Through Reinforced Calibration》?

論文鏈接：https://www.cs.dartmouth.edu/~rbliu/aaai_copy.pdf

論文摘要：

當(dāng)前的大規(guī)模語言模型可能由于其訓(xùn)練數(shù)據(jù)而產(chǎn)生政治偏見，當(dāng)將它們部署在現(xiàn)實(shí)環(huán)境中時可能會導(dǎo)致嚴(yán)重的問題。

在本文中，我們提出了用于衡量GPT-2生成中的政治偏見的指標(biāo)，并提出了一種強(qiáng)化學(xué)習(xí)（RL）框架，用于緩解生成的文本中的政治偏見。通過使用來自詞嵌入或分類器的獎勵，我們的RL框架無需訪問訓(xùn)練數(shù)據(jù)或要求對模型進(jìn)行重新訓(xùn)練即可指導(dǎo)去偏見生成。?

在對政治偏見敏感的三個屬性（性別、位置和主題）的實(shí)證實(shí)驗(yàn)中，我們的方法根據(jù)我們的指標(biāo)和人工評估很好地減少了偏見，同時保持了可讀性和語義一致性。

論文一作：達(dá)特茅斯學(xué)院計(jì)算機(jī)科學(xué)系博士生Ruibo Liu，本科畢業(yè)于華中科技大學(xué)電氣與電子工程學(xué)院。

最佳論文提名獎

一共有三篇論文獲得最佳論文提名獎。其中論文《Learning from eXtreme Bandit Feedback》的作者之一是Michael Jordan。

論文《Self-Attention Attribution: Interpreting Information Interactions Inside Transformer》由北航和微軟合作完成，一作是來自北航的Yaru Hao。

論文《Dual-Mandate Patrols: Multi-Armed Bandits for Green Security》由哈佛和CMU合作完成，一作是來自哈佛計(jì)算機(jī)科學(xué)系的Lily Xu。

?此外，來自CMU的助理教授方飛是作者之一。方飛本科畢業(yè)于清華大學(xué)電子工程系，是一名堅(jiān)定的“AI向善”踐行者。自 2015 年起，她便結(jié)合博弈論與機(jī)器學(xué)習(xí)開發(fā)了 PAWS系統(tǒng)，幫助動物保護(hù)區(qū)制定隨機(jī)巡邏路線，提高搜捕盜獵痕跡銷量，從而大幅降低了盜獵比率。她這次的提名獎?wù)撐囊彩顷P(guān)于AI反盜獵的。

方飛是一名堅(jiān)定的“AI向善”踐行者。自 2015 年起，她便結(jié)合博弈論與機(jī)器學(xué)習(xí)開發(fā)了 PAWS系統(tǒng)，幫助動物保護(hù)區(qū)制定隨機(jī)巡邏路線，提高搜捕盜獵痕跡銷量，從而大幅降低了盜獵比率。她這次的提名獎?wù)撐囊彩顷P(guān)于AI反盜獵的。?

除了反盜獵，方飛還將博弈論與機(jī)器學(xué)習(xí)應(yīng)用于保護(hù)渡輪線路、保護(hù)樹林、減少食品浪費(fèi)、降低高利貸危害、幫助流浪少年等等。近年，她還嘗試將這一類方法用于優(yōu)化共享乘車平臺的出行效率。?

方飛始終堅(jiān)信：“AI 是可以用于解決我們當(dāng)前所面臨的許多社會問題的。”

1、《Learning from eXtreme Bandit Feedback》

論文鏈接：https://arxiv.org/abs/2009.12947

2、《Self-Attention Attribution: Interpreting Information Interactions Inside Transformer》

論文鏈接：https://arxiv.org/abs/2004.11207?

3、《Dual-Mandate Patrols: Multi-Armed Bandits for Green Security》

論文鏈接：https://arxiv.org/abs/2009.06560?

眾所周知寫論文很難，而當(dāng)個好的審稿人也不簡單，下圖展示的是大會組委會頒發(fā)的首屆杰出審稿人獎，其中微軟亞洲研究院的兩位清華畢業(yè)校友Xiting Wang 和吳方照獲得了最佳SPC。

下圖展示了最佳論文獎的評審委員，其中有三位華人學(xué)者，分別是南加州大學(xué)計(jì)算機(jī)系Fei sha教授、羅徹斯特大學(xué)計(jì)算機(jī)系羅杰波教授、亞利桑那州立大學(xué)計(jì)算機(jī)科學(xué)與工程系劉歡教授。?

3?杰出論文獎

1、《On the Tractability of SHAP Explanations》

論文鏈接：https://arxiv.org/abs/2009.08634

論文摘要：

SHAP解釋是可解釋AI的流行特征分配機(jī)制。它們使用博弈論的概念來衡量各個特征對機(jī)器學(xué)習(xí)模型預(yù)測的影響。盡管最近在學(xué)術(shù)界和工業(yè)界都引起了很多關(guān)注，但尚不清楚是否可以有效地計(jì)算常見機(jī)器學(xué)習(xí)模型的SHAP解釋。?

在本文中，我們建立了在三個重要設(shè)置中計(jì)算SHAP解釋的復(fù)雜性。首先，我們考慮完全因子化（fully-factorized）的數(shù)據(jù)分布，并表明計(jì)算SHAP解釋的復(fù)雜性與計(jì)算模型期望值的復(fù)雜性相同。此完全因子化的設(shè)置通常用于簡化SHAP計(jì)算，但是我們的結(jié)果表明，對于常用模型（如邏輯回歸）而言，該計(jì)算可能難以處理。除了完全因子化的分布外，我們還表明，對于非常簡單的設(shè)置，計(jì)算SHAP解釋已經(jīng)很棘手：在樸素貝葉斯分布上計(jì)算樸素分類器的SHAP解釋。最后，我們證明即使在經(jīng)驗(yàn)分布上計(jì)算SHAP也是＃P-hard。?

論文一作：UCLA助理教授Guy Van den Broeck。

值得一提的是，Guy Van den Broeck也是2019年IJCAI 計(jì)算與思想獎獲得者。

2、《Ethically Compliant Sequential Decision Making》?

論文鏈接：https://www.aaai.org/AAAI21Papers/AAAI-3534.SvegliatoJ.pdf

論文摘要：

考慮到自動化系統(tǒng)在影響社會的領(lǐng)域中的加速部署，使自動化系統(tǒng)符合道德規(guī)范至關(guān)重要。盡管許多道德規(guī)范已經(jīng)在道德哲學(xué)中進(jìn)行了廣泛的研究，但是對于構(gòu)建自動化系統(tǒng)的開發(fā)人員來說，實(shí)施仍然具有挑戰(zhàn)性。

本文提出了一種新穎的方法來構(gòu)建符合道德規(guī)范的自動化系統(tǒng)，該系統(tǒng)在遵循道德框架的同時優(yōu)化完成任務(wù)。首先，我們引入符合道德規(guī)范的自動化系統(tǒng)及其屬性的定義。接下來，我們?yōu)樯竦拿罾碚摚ㄒ环N元倫理理論）、表面行為和美德倫理學(xué)提供了一系列倫理學(xué)框架。最后，我們在一組自動駕駛模擬以及對規(guī)劃和機(jī)器人專家的用戶研究中證明了我們的方法的準(zhǔn)確性和可用性。

論文一作：麻省阿默斯特大學(xué)信息與計(jì)算機(jī)科學(xué)學(xué)院Justin Svegliato。

3、《Self-supervised Multi-view Stereo via Effective Co-Segmentation and Data-Augmentation》

論文鏈接：https://www.aaai.org/AAAI21Papers/AAAI-2549.XuH.pdf

論文摘要：?

最近的研究表明，基于視圖合成的自監(jiān)督方法在多視圖立體（MVS）上取得了明顯的進(jìn)展。但是，現(xiàn)有方法依賴于以下假設(shè)：不同視圖之間的對應(yīng)點(diǎn)共享相同的顏色，這在實(shí)踐中可能并不總是正確的。這可能導(dǎo)致不可靠的自監(jiān)督信號并損害最終的重建性能。?

為了解決這個問題，我們提出了一個框架，在語義共分割（co-segmentation）和數(shù)據(jù)增強(qiáng)的指導(dǎo)下，集成了更可靠的監(jiān)督。特別是，我們從多視圖圖像中挖掘出相互語義，以指導(dǎo)語義一致性。并且我們設(shè)計(jì)了有效的數(shù)據(jù)增強(qiáng)機(jī)制，通過將常規(guī)樣本的預(yù)測視為偽ground truth來確保變換樣本的正則化，從而確保變換的魯棒性。在DTU數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，我們提出的方法在無監(jiān)督方法中達(dá)到了SOTA，甚至可以與有監(jiān)督方法相媲美。此外，在Tanks＆Temples數(shù)據(jù)集上的大量實(shí)驗(yàn)證明了該方法的有效泛化能力。

論文一作：深圳市計(jì)算機(jī)視覺與模式識別重點(diǎn)實(shí)驗(yàn)室、華南理工大學(xué)Hongbin Xu。?

4、《Expected Eligibility Traces》

論文鏈接：https://www.aaai.org/AAAI21Papers/AAAI-10339.vanHasseltHP.pdf

論文摘要：?

如何確定哪些狀態(tài)和行為對某個結(jié)果負(fù)責(zé)的問題被稱為信念分配問題，并且仍然是強(qiáng)化學(xué)習(xí)和人工智能中的核心研究問題。資格跡（Eligibility traces）可將信念分配有效地分配給智能體最近經(jīng)歷的狀態(tài)和操作序列，但不會分配給可能導(dǎo)致當(dāng)前狀態(tài)的反事實(shí)序列。

在這項(xiàng)工作中，我們引入了預(yù)期的資格跡。預(yù)期的跡允許通過單次更新來更新可能早于當(dāng)前狀態(tài)的狀態(tài)和操作，即使它們此時未這樣做也是如此。我們討論了預(yù)期的跡何時在時序差分學(xué)習(xí)（temporal-difference learning）中優(yōu)于經(jīng)典（瞬時）跡，并且證明有時可以實(shí)現(xiàn)顯著的改進(jìn)。我們提出了一種通過類似于自舉的機(jī)制在瞬時跡和預(yù)期跡之間平滑內(nèi)插的方法，該方法可確保生成的算法是時序差分函數(shù)的嚴(yán)格泛化。最后，我們討論可能的擴(kuò)展和與相關(guān)概念（例如后繼特征）的聯(lián)系。

論文一作：DeepMind研究科學(xué)家Hado van Hasselt（強(qiáng)化學(xué)習(xí)大神David Silver也是作者之一）。?

5、《Polynomial-Time Algorithms for Counting and Sampling Markov Equivalent DAGs》

論文鏈接：https://www.aaai.org/AAAI21Papers/AAAI-4640.WienoebstM.pdf?

論文摘要：

馬爾可夫等效類的有向無環(huán)圖的計(jì)數(shù)和采樣是圖因果分析中的基本任務(wù)。在本文中，我們證明了這些任務(wù)可以在多項(xiàng)式時間內(nèi)完成，從而解決了該領(lǐng)域長期存在的開放性問題。我們的算法有效且易于實(shí)施。實(shí)驗(yàn)結(jié)果表明，該算法明顯優(yōu)于目前的SOTA方法。

論文一作：德國呂貝克大學(xué)理論計(jì)算機(jī)科學(xué)研究所Marcel Wienobst。?

6、《IQ – Incremental Learning for Solving QSAT》

論文鏈接：https://www.aaai.org/AAAI21Papers/AAAI-7047.LeeT.pdf

論文摘要：?

事實(shí)證明，基于反例指導(dǎo)抽象優(yōu)化（CEGAR）方法的量化可滿足性（QSAT）問題的求解器具有很高的競爭力。最近，求解器QFUN證明了在這種情況下可以成功利用機(jī)器學(xué)習(xí)。QFUN周期地使用決策樹學(xué)習(xí)器，從QSAT的博弈論公式中學(xué)習(xí)動作和反動作，從而推斷出在CEGAR框架內(nèi)添加到部分?jǐn)U展的QSAT公式中的策略。我們提出了IQ，它是一種新的QSAT求解器，它進(jìn)一步發(fā)展了這一思想。?

IQ用增量學(xué)習(xí)（incremental learning）決策列表代替了決策樹的批量學(xué)習(xí)。但是，它的關(guān)鍵創(chuàng)新在于如何利用它們。IQ跟蹤這些增量學(xué)習(xí)器在每個增量上的表現(xiàn)，通過它們在預(yù)測已知反向運(yùn)動方面的成功程度來衡量。這樣，就可以在合并策略之前就何時學(xué)會了好的策略做出明智的決策。通過這種方式，它避免了將資源投入到批量學(xué)習(xí)步驟，而這些步驟事先無法得知學(xué)習(xí)器是否會產(chǎn)生好的策略。因此，它避免使用資源來推論無效策略，以及避免將無效策略添加到擴(kuò)展中所帶來的問題。通過對IQ進(jìn)行評估，發(fā)現(xiàn)它的性能明顯優(yōu)于QFUN和QuAbS。

論文一作：劍橋大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系Thomas L. Lee。

4?其他大獎

經(jīng)典論文獎

“經(jīng)典論文獎”設(shè)立于1999年，旨在表彰從特定會議年選出的最具影響力的論文作者。2021年的獎項(xiàng)頒發(fā)給2005年在賓夕法尼亞州匹茲堡舉行的第二十屆AAAI上最具影響力的論文，獲獎理由：本論文提出了具有較低推理復(fù)雜度的基本知識表示語言，這些語言在人工智能之外對Web的語義基礎(chǔ)產(chǎn)生了重大影響。?

論文：《DL-Lite: Tractable Description Logics for Ontologies》

論文作者：Diego Calvanese, Giuseppe De Giacomo, Domenico Lembo, Maurizio Lenzerini, and Riccardo Rosati。

論文鏈接：https://virtual.2021.aaai.org/paper_CLASSIC-2021.html?

論文摘要：

本文提出了一種新的被稱為DL-Lite的描述邏輯，專門用于捕獲基本本體（basic ontology ）語言，同時保持了較低的推理復(fù)雜性。這里的推理不僅意味著計(jì)算概念之間的包容，檢查整個知識庫的可滿足性，而且還意味著回答在二次存儲中維護(hù)的實(shí)例集上的復(fù)雜查詢（特別是連接查詢）。

本文證明了在DL Lite中，通常的DL推理任務(wù)是TBox大小的多項(xiàng)式，而查詢應(yīng)答是ABox大小的多項(xiàng)式（即數(shù)據(jù)復(fù)雜性）。據(jù)我們所知，這是多項(xiàng)式數(shù)據(jù)復(fù)雜度在查詢-應(yīng)答知識庫中的第一個結(jié)果。我們的邏輯的一個顯著特點(diǎn)是在查詢求值過程中減少了TBox和ABox推理的分離：需要TBox推理的部分獨(dú)立于ABox，需要訪問ABox的部分可以由anSQL引擎執(zhí)行，從而利用了當(dāng)前dbms提供的查詢優(yōu)化策略。?

第一屆百萬美元松鼠AI大獎

2020年9月24日，麻省理工學(xué)院教授Regina Barzilay被宣布為AAAI松鼠AI獎的第一位獲得者，獎金100萬美元，該獎項(xiàng)旨在表彰她在癌癥診斷和藥物合成方面的工作。

更多信息請查看“在患癌幸存后，她因AI癌癥研究獲得首屆AAAI百萬美元大獎”一文。

AAAI/ACM SIGAI博士學(xué)位論文獎

11月6日，AAAI和ACM SIGAI聯(lián)合發(fā)布了首個博士學(xué)位論文獎，麻省理工學(xué)院博士吳佳俊獲得了2019年AAAI/ACM SIGAI博士論文獎。

另外還有兩位博士獲得了runners-Up獎項(xiàng)，分別是畢業(yè)于佐治亞理工學(xué)院的Aishwarya Agrawal和畢業(yè)于愛丁堡大學(xué)的董力。

AAAI / ACM SIGAI博士學(xué)位論文獎由AAAI和ACM SIGAI聯(lián)合設(shè)立，以表彰和鼓勵人工智能領(lǐng)域的博士生的出色研究和論文，提名者必須是ACM SIGAI成員和/或AAAI成員。該獎項(xiàng)將每年在AAAI上頒發(fā)，獲獎?wù)邔⒈谎堅(jiān)诖髸习l(fā)表演講。

Feigenbaum獎

AAAI Feigenbaum獎每兩年頒發(fā)一次，以表彰和鼓勵通過使用計(jì)算機(jī)科學(xué)實(shí)驗(yàn)方法取得的杰出人工智能研究進(jìn)展。過去曾有UC伯克利的Stuart Russell 、斯坦福大學(xué)的Yoav Shoham以及IBM Watson團(tuán)隊(duì)獲得該獎。?

Carla Pedro Gomes是2021年的Feigenbaum獎獲得者，她是美籍葡裔計(jì)算機(jī)科學(xué)家，也是康奈爾大學(xué)的教授。她是計(jì)算可持續(xù)性研究所的創(chuàng)始主任，并因其在開發(fā)計(jì)算方法以應(yīng)對可持續(xù)性挑戰(zhàn)方面的開拓性工作而聞名。?

獲獎理由：通過在約束推理、優(yōu)化、推理和學(xué)習(xí)的集成方面的創(chuàng)新，以及通過在生態(tài)、物種保護(hù)、環(huán)境可持續(xù)性和材料發(fā)現(xiàn)（用于清潔能源）中使用具有影響力的AI應(yīng)用來建立計(jì)算可持續(xù)性領(lǐng)域，為人工智能領(lǐng)域做出重大貢獻(xiàn) 。

羅伯特·S·恩格爾莫爾紀(jì)念獎

羅伯特·S·恩格爾莫爾(Robert S. Engelmore)紀(jì)念獎設(shè)立于2003年，為了紀(jì)念羅伯特·S·恩格爾博士為AI以及AAAI做出的杰出貢獻(xiàn)。本年度的羅伯特·S·恩格爾莫爾紀(jì)念獎頒給了卡內(nèi)基梅隆大學(xué)計(jì)算機(jī)科學(xué)系教授Tuomas Sandholm。

獲獎理由：表彰他在在人工智能方面的杰出研究貢獻(xiàn)：其在電子市場中的應(yīng)用，在多人博弈論策略中AI的高度原創(chuàng)性使用以及AI在優(yōu)化器官交換方面的應(yīng)用貢獻(xiàn)。?

最后值得一提的是，本次大會的特邀演講嘉賓中有李開復(fù)老師的身影。

推薦閱讀

AAAI 2021放榜，得分 987 論文被拒，654 反而中了？
AAAI 2020 | 商湯提出全新弱監(jiān)督目標(biāo)檢測框架
Hinton向AAAI提交論文竟收到最差評價！深度學(xué)習(xí)三教父再押寶，AI或突破常識瓶頸

添加極市小助手微信（ID : cvmart2），備注：姓名-學(xué)校/公司-研究方向-城市（如：小極-北大-目標(biāo)檢測-深圳），即可申請加入極市目標(biāo)檢測/圖像分割/工業(yè)檢測/人臉/醫(yī)學(xué)影像/3D/SLAM/自動駕駛/超分辨率/姿態(tài)估計(jì)/ReID/GAN/圖像增強(qiáng)/OCR/視頻理解等技術(shù)交流群：每月大咖直播分享、真實(shí)項(xiàng)目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動交流~

△長按添加極市小助手

△長按關(guān)注極市平臺，獲取最新CV干貨

覺得有用麻煩給個在看啦~??

AAAI 2021全部大獎出爐！華人霸屏！北航、華科校友獲最佳論文，華南理工獲杰出論文

1?AAAI 2021 ?開幕式

2?最佳論文獎

最佳論文提名獎

3?杰出論文獎

4?其他大獎

論文：《DL-Lite: Tractable Description Logics for Ontologies》

Feigenbaum獎