【IJCAI 2018】30大Tutorial，

人工智能百花齐放

当地时间7月13-19日，备受关注的AI顶级国际会议IJCAI在瑞典斯德哥尔摩举行。在这次会议上，人工智能和机器学习领域的研究者为我们呈现了这一领域的研究前沿，其中包括：约束学习Constraint Learning、生成对抗网络（GAN）、博弈论、AI伦理等等，呈现出很强的多样性；与此同时，一些资深研究者也带来了一些极具看点和启发价值的演讲和教程，其中包括：Bengio《基于深度学习的人工智能Deep Learning for AI》和中科院自动化所王飞跃《基于模糊逻辑的可解释性深度学习》等等。

IJCAI-ECAI-18，the 27th International Joint Conference on Artificial Intelligence and the 23rd European Conference on Artificial Intelligence，作为顶级的AI国际会议于7月13至19日在阳光灿烂的瑞典斯德哥尔摩召开，并吸引了2500名来自全球的专家学者和工业界人员。IJCAI-ECAI-18与其它姊妹会议（AAMAS, ICML, ICCBR and SoCS）一起汇集成为Federated AI Meeting（FAIM）这样一次引人注目的盛会。

大会的另一大特色是组织了多达30个Tutorial和66个Workshop，对所有FAMI大会参加者开放。其中，中国自动化学会副理事长兼秘书长、中科院自动化所的王飞跃教授，诺基亚的范力欣首席研究员，马来亚大学的陈志胜副教授，日本京都大学的梁雪峰副教授（现西安电子科技大学教授）合作组织了题为“Interpretable & Reasonable Deep Learning and its Applications (IReDLiA)” 的Workshop1。王飞跃，范力欣，陈志胜还组织了题为“Toward Interpretable Deep Learning via Fuzzy Logic”的Tutorial2，3。

在13日上午的Tutorial中，王飞跃教授高屋建瓴地回顾了人工智能早期的发展史，揭示了现阶段存在的问题，并预测了未来的突破方向。陈志胜副教授深入浅出地介绍了模糊逻辑的重要原理和应用。范力欣研究员则通过一个具体的实例，揭示了模糊逻辑和深度学习之间的内在联系，并展示了如何利用逻辑推理规则，来解释和提高神经网络的学习能力。Tutorial吸引了众多参会者，而与会者一致表示，这样的Tutorial开拓了大家的眼界，帮助他们，尤其是年轻的研究学者，更全面地了解和思考人工智能的深度和广度。

王飞跃教授回顾人工智能发展历史

范力欣研究员揭示模糊逻辑与深度学习内在关系

陈志胜副教授介绍模糊逻辑基本原理和应用

京都大学梁雪峰副教授（现西安电子科技大学教授）研究团队的成果报告

哈佛大学的Andrew Slavin Ross, MIT的Abdullah AI-Dujaili与诺基亚的范力欣在panel discussion中

在下午的Workshop中，围绕深度学习的可解释性问题，来自美国哈佛大学，麻省理工学院，日本京都大学等研究机构的年轻学者，报告了他们的最新研究成果。在Panel Discussion中，参会者集中讨论了在医疗，法律和智能车辆等应用中，人工智能算法可解释性的极端重要性。来自澳洲科廷大学的Dr. Raymond Sheh做出了令人吃惊的评论，“可解释性不是关乎生死，而是高于生死”，热烈的讨论一直延续到Workshop结束以后。

IJCAI-ECAI 2018 Accepted Tutorials and Schedule

• T01. 对抗机器学习

  Adversarial Machine Learning
  Battista Biggio and Fabio Roli

• 链接：

https://www.pluribus-one.it/sec-ml/wild-patterns/

• T02. 使用Google-AIY树莓派套件的设计马拉松

  “AI forSocial Good” Design Hackathon Using Google-AIY Kits
  Tara Chklovski and Yolanda Gil

• 链接：

http://iridescentlearning.org/ai-curriculum-hackathon-ijcai-2018/




• T03. 程序性社会介入

  Algorithmic Social Intervention

  Bryan Wilder and Yevgeniy Vorobeychik

• 链接：

http://teamcore.usc.edu/people/bryanwilder/ijcai-algorithmic-social-intervention.htm

• T04. 人工智能与法律

  ArtificialIntelligence and the Law
  Adam Wyner

• 链接：

http://www.ijcai-18.org/wp-content/uploads/2018/05/T04-AI-and-the-Law-IJCAI-ECAI-18.pdf

• T05. 机器学习助力优化算法

  BoostingOptimization via Machine Learning
  Michele Lombardi and Michela Milano

• 链接：

https://sites.google.com/view/boostingopt2018/




• T06. 计算性社会选择及人工智能的道德准则 

  Computational Social Choice and Moral Artificial Intelligence

  Vincent Conitzer

• 链接：

https://users.cs.duke.edu/~conitzer/IJCAI18comsoctutorial.html

• T07.深度生成模型 

  DeepGenerative Models
  Aditya Grover and Stefano Ermon

• 链接：

https://ermongroup.github.io/generative-models/

• T08. 基于深度学习的人工智能

  DeepLearning for AI
  Yoshua Bengio

• 链接：

http://www.iro.umontreal.ca/~bengioy/talks/IJCAI2018-DLtutorial.html

• T09. 可废止的描述逻辑

  Defeasible Description Logics
  Ivan Varzinczak

  描述逻辑（description logic）是一種用于知识表示的逻辑语言和以其为对象的推理方法，主要用于描述概念分类及其概念之间的关系。 描述逻辑方法多数被用到涉及知识分类的应用领域，如数字图书馆和面向万维网的信息处理。 描述逻辑是当前语义网发展中本体的理论基础。

• 链接：

http://ijv.ovh/ijcai2018-tutorial/

• T10. 梦想机器

  Imagination Machines

  提出利用人工智能处理一些现象中的场景数据

  Sridhar Mahadevan

• 链接：

  https://people.cs.umass.edu/~mahadeva/IJCAI_2018_Tutorial/Welcome.html

• T11. 多赢选择：应用，原理，算法及演化

  Multiwinner Elections: Applications, Axioms, Algorithms, and Generalizations
  Piotr Faliszewski, Piotr Skowron, and Nimrod Talmon

• 链接：

http://home.agh.edu.pl/~faliszew/ijcai-ecai18/

• T12. 人工智能生成音乐

  Musical Metacreation: AI for Generative Music
  Philippe Paquier

• 链接：

http://musicalmetacreation.org/musical-metacreation-tutorial-ijcai-2018/

• T13. 有约束的神经符号学习和推理

  Neural-symbolic Learning and Reasoning with Constraints
  Luis Lamb, Marco Gori, Artur Garcez, Luciano Serafini, and Michael Spranger

• 链接：

http://www.neural-symbolic.org/

• T14. 基于本体的数据介入：理论和实践

  Ontology-based Data Access: Theory and Practice
  Roman Kontchakov and Guohui Xiao

• 链接：

http://ontop.inf.unibz.it/ijcai-2018-tutorial/

• T15. 预测人的决策过程：从预测到行动

  Predicting Human Decision-Making: From Prediction to Action
  Ariel Rosenfeld and Sarit Kraus

• 链接：

https://sites.google.com/view/predicting-human-dm

• T16. 知识编辑最新进展

  Recent Advances in Knowledge Compilation
  Adnan Darwiche and Pierre Marquis

• 链接：

http://beyondnp.org/tutorial18/

• T17. 启发式搜索的最新研究方向

  Recent Directions in Heuristic Search
  Ariel Felner, Daniel Harabor, Sven Koenig and Nathan Sturtevant

• 链接：

https://movingai.com/IJCAI18-HS/

• T18. 可扩展离散集成和取样:基础和挑战

  Scaling Discrete Integration and Sampling: Foundations and Challenges
  Supratik Chakraborty and Kuldeep S. Meel

• 链接：

http://www.comp.nus.edu.sg/~meel/Tutorials/ijcai18.html

• T19. 维基百科在文本分析和检索中所起的作用

  The Role of Wikipedia in Text Analysis and Retrieval
  Marius Pasca

• 链接：

http://www.ijcai-18.org/wp-content/uploads/2018/05/T20-Wikipedia-Text-Analysis-Retrieval-IJCAI-ECAI-18.pdf

• T20. 基于模糊逻辑的可解释性深度学习

  Toward Interpretable Deep Learning via Fuzzy Logic
  Lixin Fan, Chee Seng Chan, and Fei-Yue Wang

• 链接：

http://web.fsktm.um.edu.my/~cschan/ijcai2018

• T21. 验证基于主体的自治系统

  Verifying Agent-Based Autonomous Systems
  Louise Dennis and Michael Fisher

• 链接：

http://cgi.csc.liv.ac.uk/~lad/vabas/

QUARTER-DAYTUTORIALS

• T22. 当论证遇上计算性社会选择

  Argumentation Meets Computational Social Choice: A Tutorial
  Dorothea Baumeister, Daniel Neugebauer, and Jörg Rothe

• 链接：

https://ccc.cs.uni-duesseldorf.de/~rothe/IJCAI-2018-Tutorial-Argumentation-Meets-COMSOC

• T23. 约束学习

  Constraint Learning

  Luc De Raedt, Andrea Passerini, and Stefano Teso

• 链接：

https://dtai.cs.kuleuven.be/events/tutorial-constraint-learning-ijcai18

• T24. 声明式空间推理：教程，方法与应用

  Declarative Spatial Reasoning: Theory, Methods, Applications
  Mehul Blatt and Carl Schultz

• 链接：

http://hcc.uni-bremen.de/spatial-reasoning/

• T25. 社交网络中的扩散机制设计

  Diffusion Mechanism Design in Social NetworksDengji Zhao

• 链接：

http://dengji-zhao.net/ijcaiecai18.html

• T26. 人工智能中的认知推理

  Epistemic Reasoning in AI
  François Schwarzentruber

• 链接：

http://people.irisa.fr/Francois.Schwarzentruber/ijcai2018_tutorial/

• T27. 基于博弈论和机器学习的安全分析

  GameTheory and Machine Learning for Security
  Fei Fang

• 链接：

https://feifang.info/ijcai-2018-tutorial/

• T28. 数据科学中的博弈论:获取真实的信息

  Game Theory to Data Science: Eliciting Truthful Information
  Boi Faltings and Goran Radanovic

• 链接：

https://lia.epfl.ch/~faltings/ijcai2018_tutorial_web/

• T29. 知道正确而不能做错事的机器:机器伦理的理论和实践

  Machines that Know Right and Can Not Do Wrong: The Theory and Practice of Machine Ethics
  Louise Dennis and Marija Slavkovik

• 链接：

http://slavkovik.com/ijcaitutorial.html

本文链接：

https://www.ijcai-18.org/tutorials/

以上就是全部的Ttutorial，选取Bengio《对抗机器学习 Adversarial Machine Learning》的有意思的ppt分享给大家。