中原標準時間 8 月 23 日晚，人工智能領域的學術頂會 IJCAI 2021 線上上開幕。
從此前的報道中我們知道，今年的會議程式委員會主席由南京大學周志華教授擔任，負責掌控會議内容。該職位曆來由全球人工智能領域内公認學術聲譽高、影響力大的學者擔任。
周志華教授也是人工智能兩大綜合性頂會 AAAI(2019) 和 IJCAI(2021)都擔任過程式委員會主席的第一位華人學者。此前在華人學者中，香港科技大學楊強教授曾擔任 IJCAI(2015) 程式委員會主席。
今年 IJCAI 的大會主席由 AAAI 卓越服務獎獲得者、美國明尼蘇達大學 Maria Gini 教授擔任，負責協調各方資源，這是繼 IJCAI-2020 之後連續第二次由女性學者出任該職位。
在開幕式上，大會官方公布了本屆大會投稿、接收論文的關鍵資料資訊以及傑出論文、AIJ 突出論文獎、AIJ 經典論文獎等多個獎項。
此前，IJCAI 2021 已經公布了本年度的部分獎項，包括卓越研究獎（Research Excellence Award）、計算機與思想獎（Computer and Thought Award）以及約翰麥卡錫獎（John McCarthy Award），分别由「強化學習之父」Richard Sutton、CMU 助理教授方飛、「德撲 AI 之父」 Tuomas Sandholm 獲得。
論文審稿與接收資料
每個學術會議的審稿，都是一項極為重要的工作。
據介紹，今年的 IJCAI 采用了快速初審 + 全文複審兩階段的審稿方式。
在快速初審階段，每篇論文分給了至少 10 位資深審稿人（AC/SPC），個别比較偏或難的稿子交由 SAC 複查。不過，這一階段的拒稿采用了非常保守的政策：隻有至少 40% 的資深審稿人投票拒絕時，該論文才會在快速初審階段被拒。
在全文複審階段，每篇論文分給了至少 5 位審稿人（PC/SPC），其中 78.3% 的論文得到了 5 份或 5 份以上的全文審稿意見；97.5% 的論文得到了至少 4 份全文審稿意見；隻有不到 2.5% 的論文得到了 3 份全文審稿意見（所有文章獲 3 份以上審稿意見）。此外，每篇論文都被分給了一位 AC 和一位 SAC，然後由 APCC 和 PCC 作出最終決定。
是以總體來看，每篇被接收 / 拒絕的論文（或摘要）都經過了十幾位專家的審閱。
我們可以通過官方公布的資料看下今年的論文投稿與接收情況。
投稿量和接收率
今年的 IJCAI 總共收到 5534 份摘要投稿、4204 份全文投稿，其中 144 份送出因違反 IJCAI-21 送出政策被拒，Desk Reject 率（144/4204）為 3.4% ；而在剩下的 4060 份進入摘要審查階段的送出材料中，3063 份進入了全文審查階段。
最終，有 587 份投稿被大會接收，占大會全文投稿數的 13.9%。
投稿熱門領域和關鍵詞
從詞雲來看，今年投稿的熱門詞彙前十名分别是：學習、網絡、圖、神經、模型、深度、強化、檢測、圖像和對抗。
從投稿領域來看，比較熱門的領域包括機器學習、計算機視覺、資料挖掘和自然語言處理等。這四大領域的投稿占了全文投稿數的 65%。
從變化情況來看，投稿數增幅最大的三個領域分别是：1）AI 倫理、信任、公平性；2）資料挖掘；3）基于智能體和多智能體的系統。投稿數降幅最大的三個領域分别是自然語言處理、啟發式搜尋和 Game Playing 以及機器學習。
被接收論文熱門領域和關鍵詞
從詞雲來看，今年接收論文的熱門詞彙前十名分别是：學習、網絡、圖、神經、模型、資料、知識、博弈（game）、檢測和深度。
接收率較高的論文主要分布在以下幾個領域：規劃與排程、限制和 SAT、基于智能體和多智能體的系統、啟發式搜尋和 Game Playing、AI 中的不确定性等。
此外，大會官方還統計了被接收論文的标題關鍵詞，發現排在前幾位的有：随機（ stochastic ）、博弈（game）、示例（ instance ）、增強（ augmentation ）、蒸餾等。
如果你的标題是「Stochastic optimization for matching game distillation with instance-wise sampling and label augmentation」，被接收率能達到 97.23%（狗頭）。
與之對應的是拒稿重災區标題關鍵詞，排在前幾位的有：卷積、訓練、特征、深度、對抗等。
如果你的标題是「 Adversarial training of deep convolutional embedding features for efficient generative clustering with attention 」，被拒的機率能達到 99.99%（狗頭）。
熱門投稿國家 / 地區
從地域上分析，今年投稿數量前三名的國家分别是：中國（2219）、美國（580）和澳洲（118）；接收數量前三名分别是：中國（268）、美國（97）和德國（33）；接收率前三名的國家分别是：奧地利（42.1%）、瑞士（39.1%）和德國（32.0%）。
傑出論文獎
本次共有 3 篇論文獲得 IJCAI 2021 傑出論文獎，1 篇論文獲得榮譽提名。
- 論文 1：Learning Generalized Unsolvability Heuristics for Classical Planning
- 作者：Simon Ståhlberg (Linköping University), Guillem Francès (Universitat Pompeu Fabra), Jendrik Seipp (Linköping University)
論文連結：
https://www.ijcai.org/proceedings/2021/0574.pdf論文摘要：近來經典規劃方面的研究提出了一些專用方法來檢測無法解決的狀态，即無法達到目标狀态的狀态。在本篇獲獎論文中，研究者從廣義規劃的角度處理問題，并學習描述整個規劃領域不可解性的一階公式。此外，該研究還展示了如何将這個問題轉換為一個自監督分類任務。
訓練資料是通過對每個域的小執行個體進行詳盡的探索而自動生成和标記的，候選特征是根據用于定義域的判斷自動計算出來的。研究者研究了三種具有不同屬性的學習算法，并将它們與文獻中的啟發式算法進行比較。實驗結果表明，所提方法能夠捕獲重要的不可解狀态類别，并具有較高的分類準确率。此外，啟發式的邏輯形式使它們易于解釋和推理，并且可以用來展示在某些域中學得的特征，可以精确地捕獲域的所有不可解狀态。
- 論文 2：On the Relation Between Approximation Fixpoint Theory and Justification Theory
- 作者：Simon Marynissen (KU Leuven), Bart Bogaerts (Vrije Universiteit Brussel), Marc Denecker (KU Leuven)
論文摘要：AFT（Approximation Fixpoint Theory ）和 JT（Justification Theory ）是兩個統一邏輯形式的架構。AFT 用 lattice 算子的不動點來研究語義，JT 則解釋了為什麼某些事實在模型中成立或不成立。雖然方法不同，但這兩種架構在設計時考慮了類似的目标，即研究非單調邏輯中出現的不同語義。本篇獲獎論文的第一個貢獻是在這兩個架構之間提供了一個正式的聯系。準确地說，該研究表明每個 justification 架構都引入了一個近似器，并且這種從 JT 到 AFT 的映射保留了所有的主要語義。第二個貢獻是利用這種對應關系用一類新的語義來擴充 JT，即終極語義（ultimate semantic）：終極語義可以通過 justification 架構上的句法轉換在 JT 中獲得，本質上是對規則執行某種解析。
- 論文 3：Keep Your Distance: Land Division With Separation
- 作者：Edith Elkind (University of Oxford), Erel Segal-Halevi (Ariel University), Warut Suksompong (National University of Singapore)
論文摘要：該研究通過處理現實生活中的應用需求，讓公平劃分理論更接近于實際。該研究關注土地分割的兩個需求：（1）每個代理人都應該獲得一個可用幾何形狀的地塊；（2）不同代理人的地塊必須在實體上分開。有了這兩點要求，按比例劃分的經典公平概念是不切實際的，因為可能無法對其進行乘法近似。相比之下，Budish 在 2011 年提出的序數最大值共享近似（the ordinal maximin share approximation）提供了更有意義的公平保證。當可用形狀為正方形、寬矩形或任意軸對齊矩形時，本篇獲獎論文證明了可實作的最大共享保證的上限和下限，并探索了在此設定下找到公平劃分的算法和查詢複雜性。
榮譽提名
- 論文：Actively Learning Concepts and Conjunctive Queries under ELdr-Ontologies
- 作者：Maurice Funk (University of Bremen), Jean Christoph Jung (University of Hildesheim), Carsten Lutz (University of Bremen)
論文位址：
https://arxiv.org/pdf/2105.08326.pdfAIJ 獎
AIJ 突出論文獎（AIJ Prominent Paper Award）表彰不早于 7 年内發表在 AI 期刊上，并且具有很高的重要性以及影響力的論文研究。2021 年的獲獎論文頒給了 2014 年發表在《Artificial Intelligence》雜志上的一篇論文。
獲獎論文：《Algorithm runtime prediction: Methods & evaluation》
- 作者：Frank Hutter、Lin Xu、Holger H. Hoos、Kevin Leyton-Brown
- https://reader.elsevier.com/reader/sd/pii/S0004370213001082?token=C684E5315124C2EF0A0DEEE4EA0B091D708435141CAB29F5421DD0A12C0048A41DCF3BEE8531E2491B05244282BED8CF&originRegion=us-east-1&originCreation=20210824022324
該研究使用機器學習技術将算法運作時的模型建構為特定于問題執行個體特征的函數，這種方法可以預測算法在先前未見過的輸入上運作需要多長時間。此類模型在算法分析、基于投資組合的算法選擇以及參數化算法的自動配置方面具有重要應用。
在該論文中，研究者描述了當時已有的多個模型、該研究所提模型的系列擴充和改進，并闡述了将算法參數作為模型輸入的處理方法。該論文還全面描述了用于預測布爾可滿足性問題（SAT）、旅行推銷員問題（TSP）和混合整數規劃問題（MIP） 的算法運作時的多個特征，包括在該研究模型中用到的特征和以往模型中用到的特征。研究者通過同類問題中最大型的實驗分析來評估所提模型的一些創新，并與文獻中的各種運作時模組化技術進行比較。該研究的實驗考慮了 11 種算法和 35 個執行個體分布，涵蓋了非常廣泛的 SAT、MIP 和 TSP 執行個體，并且這些執行個體中結構化程度最低的是随機均勻生成的，結構化程度最高的則是從實際行業應用中擷取的。總的來說，該研究所提模型在對新問題執行個體和參數化空間新算法的泛化以及同時對兩者的泛化方面，都能比以往方法産生更好的運作時預測。
AIJ 經典論文獎表彰的是至少 15 年前發表在《Artificial Intelligence》雜志上的具有非凡意義和影響力的傑出論文。今年的 AIJ 經典論文獎頒給了 Leslie Pack Kaelbling 等人 1998 年發表的一篇文章。論文作者表示，這篇文章是他們 1994 年發表在 AAAI 上的一篇文章的期刊加長版，1994 年那個版本還拿到了 AAAI 經典論文獎。
獲獎論文：《Planning and acting in partially observable stochastic domains》
- 作者：Leslie Pack Kaelbling（MIT）、Michael L.Littman（布朗大學）、Anthony R.Cassandra（RVshare）
- https://www.sciencedirect.com/science/article/pii/S000437029800023X
在這篇論文中，研究者将運籌學中的技術引入到部分可觀測随機域的最優行為選擇問題中。他們首先介紹了馬爾可夫決策過程理論（mdps）和部分可觀察 MDPs（pomdps）；然後概述了離線求解 pomdps 的新算法，并展示了如何在某些情況下，從某個 pomdp 的解中提取 finite-memory 控制器。最後，他們讨論了該方法如何與以前的工作相聯系、尋找 pomdps 精确解的複雜性，以及尋找近似解的一些可能性。