新火種
2023-10-29 
DeepMind等摘得杰出論文、IBM超算深藍成經(jīng)典，IJCAI2023獎項公布
IJCAI 今年評選出了三篇杰出論文獎，獲獎機構(gòu)包括 Google DeepMind 、阿爾伯塔大學(xué)、阿姆斯特丹大學(xué) 、萊比錫大學(xué)等機構(gòu)。
論文 1《Levin Tree Search with Context Models》
摘要：Levin 樹搜索 (LTS) 是一種利用策略（動作的概率分布）的搜索算法，并提供了在達到目標節(jié)點之前進行多少擴展的理論保證（guarantee），這取決于策略的質(zhì)量。這種保證可以看作損失函數(shù)，研究者將其稱之為 LTS 損失，從而用來優(yōu)化表示策略的神經(jīng)網(wǎng)絡(luò)（LTS+NN）。
本文展示了神經(jīng)網(wǎng)絡(luò)可以替換成從在線壓縮文獻中產(chǎn)生參數(shù)化的上下文模型（LTS+CM）。本文表明， 在這個新模型下 LTS 損失是凸的，它允許使用標準的凸優(yōu)化工具，并且在給定的一組解軌跡的在線設(shè)置中獲得了最優(yōu)參數(shù)的收斂保證 —— 這是神經(jīng)網(wǎng)絡(luò)無法提供的保證。
新的 LTS+CM 算法在幾個基準上優(yōu)于 LTS+NN，包括 Sokoban (Boxoban)、The Witness、STP（the 24-Sliding Tile puzzle）基準。
在 STP 基準上的結(jié)果表明，兩者的差異非常大，即 LTS+NN 無法解決大多數(shù)測試實例，而 LTS+CM 在不到一秒內(nèi)就解決了每個測試實例。此外，LTS+CM 能夠?qū)W習(xí)解決魔方策略，只需要幾百個擴展，從而大大改善了之前的機器學(xué)習(xí)方法。
下表為帶有 Budgeted LTS 的上下文模型：
摘要：在知識表示中，知識庫 (KB) 的手動管理既耗時又昂貴，這使得基于學(xué)習(xí)的知識獲取方法成為一種有吸引力的替代方案。
本文提出了 SPELL，這是一個基于 SAT 的系統(tǒng)，可在
下實現(xiàn)
的有界擬合。本文在多個數(shù)據(jù)集上評估了 SPELL，結(jié)果表明 SPELL 的運行時間幾乎總是顯著低于 ELTL（EL tree learner）。這意味著 SPELL 可以學(xué)習(xí)比 ELTL 更大的目標查詢。本文還分析了兩種方法的相對優(yōu)勢和劣勢，確定其中一種系統(tǒng)的性能明顯優(yōu)于另一種系統(tǒng)的輸入類別。最后，本文進行了關(guān)于泛化的初步實驗，表明兩個系統(tǒng)都可以很好地泛化到看不見的數(shù)據(jù)，即使是在非常小的樣本上。
下圖為 SPELL、ELTL 一些比較結(jié)果：
論文 3《Safe Reinforcement Learning via Probabilistic Logic Shields》
摘要：安全強化學(xué)習(xí)（Safe RL）旨在保持安全的同時學(xué)習(xí)最優(yōu)策略，它的一種流行解決方案是屏蔽，利用邏輯安全規(guī)范來防止 RL 智能體采取危險的行動。不過，傳統(tǒng)的屏蔽技術(shù)很難與連續(xù)、端到端的深度 RL 方法集成。
研究者提出了概率邏輯策略梯度（Probabilistic Logic Policy Gradient, PLPG），它是一種基于模型的安全 RL 技術(shù)，使用概率邏輯編程將邏輯安全約束建模為可微函數(shù)。因此，PLPG 可以無縫地應(yīng)用于任何策略梯度算法，還能提供相同的收斂保證。下圖 1 為概率邏輯屏蔽的示例。
論文一作 Wen-Chi Yang 為魯汶大學(xué) DTAI 研究團隊的博士，致力于通過形式化驗證與機器學(xué)習(xí)的結(jié)合，來提升安全約束可滿足性。她還特別對智能體利用背景知識來安全地學(xué)習(xí)和探索感興趣。本科畢業(yè)于臺灣交通大學(xué)，之后進入魯汶大學(xué)攻讀碩士和博士學(xué)位（均為計算機科學(xué)）。
個人主頁：https://wenchiyang.github.io/
AIJ 獎
AIJ 的全稱為 Artificial Intelligence Journal，即《人工智能期刊》，始建于 1970 年，是人工智能研究領(lǐng)域的頂級學(xué)術(shù)期刊，具有公認的權(quán)威性與知名性。
AIJ 突出論文獎
2023 年 AIJ 突出論文獎授予 José Camacho-Collados、Mohammad Taher Pilehvar、Roberto Navigli 合著的論文《Nasari: Integrating explicit knowledge and corpus statistics for a multilingual representation of concepts and entities》。該論文發(fā)表于 2016 年。
摘要：語義表征被認為是 NLP 和 AI 研究中最基本的內(nèi)容，其在過去幾十年中一直是詞匯語義學(xué)的重要研究領(lǐng)域。然而，由于缺乏大型的語義標注語料庫，大多數(shù)現(xiàn)有的表征技術(shù)僅限于詞匯層面，因此無法有效地應(yīng)用于單個單詞的語義。
本文提出了一種新的多語言向量表征，稱為 Nasari，它不僅能夠準確地表征不同語言的詞義，而且與現(xiàn)有方法相比存在兩個優(yōu)點：
高覆蓋率，包括概念和命名實體；跨語言和語言級別（即單詞、意義和概念）的可比性。
此外，Nasari 表征很靈活，可以應(yīng)用于多種應(yīng)用程序，并且可以在網(wǎng)站上免費獲得。該研究在四個不同任務(wù)上進行評估，即單詞相似度、語義聚類、域標記和詞義消歧，結(jié)果顯示，Nasari 表征在所有任務(wù)上表現(xiàn) SOTA。
下表為統(tǒng)一向量構(gòu)造方法：
AIJ 經(jīng)典論文獎
今年的 AIJ 經(jīng)典論文獎頒給了關(guān)于超級計算機深藍的論文《Deep Blue》。該論文發(fā)表于 2002 年。
摘要：深藍（Deep Blue）是由 IBM 開發(fā)的專門用以分析國際象棋的超級計算機。其在 1997 年的六場比賽中擊敗了當時的世界象棋冠軍加里?卡斯帕羅夫。促成這一成功的因素有很多，包括：
單芯片國際象棋搜索引擎；具有多層并行性的大規(guī)模并行系統(tǒng)；搜索擴展；復(fù)雜評價函數(shù)；有效地使用 Grandmaster 游戲數(shù)據(jù)庫。
本文描述了深藍系統(tǒng)，并給出了深藍背后設(shè)計決策的一些基本原理。如下為 dual credit 算法。
自 2003 年起，IJCAI-JAIR 最佳論文獎每年從最近 5 年發(fā)表在 JAIR 的論文中評選并表彰一篇杰出論文。評審的標準基于論文的重要性和 presentation 的質(zhì)量。
2023 年的 IJCAI-JAIR 最佳論文獎授予了論文《Reward Machines: Exploiting Reward Function Structure in Reinforcement Learning》，作者來自智利天主教大學(xué)、加拿大 AI 研究機構(gòu) Vector Institute、多倫多大學(xué)等。
此前，2023 IJCAI 的「Donald E. Walker 杰出服務(wù)獎」授予了香港科技大學(xué)講座教授楊強，以表彰其對 IJCAI 組織和整個人工智能領(lǐng)域的杰出貢獻。他也成為了該獎項設(shè)置以來首位獲獎的華人科學(xué)家。
相關(guān)推薦
- 免責(zé)聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應(yīng)被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風(fēng)險，讀者在采取與本文內(nèi)容相關(guān)的任何行動之前，請務(wù)必進行充分的盡職調(diào)查。最終的決策應(yīng)該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產(chǎn)生的任何金錢損失負任何責(zé)任。
