深度強化學(xué)習(xí)實驗室報道

來源：qianli8848

編輯：DeepRL

很多人都想問 “熱門研究方向”、“最新方法”有哪些呢？。有同學(xué)建議國內(nèi)某教授的教材、或者CNKI、或者某些SCI期刊。每當(dāng)看到這種問題，我都有點納悶，為什么不去讀頂級會議上的論文？?并不是否認(rèn)以上文獻(xiàn)的價值，但是在機(jī)器學(xué)習(xí)、計算機(jī)視覺和人工智能領(lǐng)域，頂級會議才是王道。國內(nèi)教材和CNKI上的基本是N年前老掉牙的東西。為什么要發(fā)表頂級會議文章，讀頂級會議文章呢？

• 因為機(jī)器學(xué)習(xí)、計算機(jī)視覺和人工智能領(lǐng)域發(fā)展非常迅速，新的工作層出不窮，如果把論文投到期刊上，一兩年后刊出時就有點out了。因此大部分最新的工作都首先發(fā)表在頂級會議上，這些頂級會議完全能反映“熱門研究方向”、“最新方法”。

• 很多經(jīng)典工作大家可能引的是某頂級期刊上的論文，這是因為期刊論文表述得比較完整、實驗充分。但實際上很多都是在頂級會議上首發(fā)。比如PLSA, Latent Dirichlet Allocation等。

• 如果注意這些領(lǐng)域大牛的pulications，不難發(fā)現(xiàn)他們很非常看重這些頂級會議，很多人是80%的會議+20%的期刊。即然大牛們把最新工作發(fā)在頂級會議上，有什么理由不去讀頂級會議？

下面對一些人工智能領(lǐng)域的頂級會議進(jìn)行相關(guān)的簡介：

第一層次

IJCAI (1+): International Joint Conference on Artificial Intelligence

影響因子：1.82 (top 4.09 %)
IJCAI是AI最好的綜合性會議, 1969年開始, 每兩年開一次, 奇數(shù)年開. 因為AI 實在太大, 所以雖然每屆基本上能錄100多篇（現(xiàn)在已經(jīng)到200多篇了），但分到每個 領(lǐng)域就沒幾篇了，象achine learning、computer vision這么大的領(lǐng)域每次大概也 就10篇左右, 所以難度很大. 不過從錄用率上來看倒不太低,基本上20%左右, 因為內(nèi) 行人都會掂掂分量, 沒希望的就別浪費reviewer的時間了. 最近中國大陸投往國際會 議的文章象潮水一樣, 而且因為國內(nèi)很少有能自己把關(guān)的研究組, 所以很多會議都在 complain說中國的低質(zhì)量文章嚴(yán)重妨礙了PC的工作效率. 在這種情況下, 估計這幾年 國際會議的錄用率都會降下去. 另外, 以前的IJCAI是沒有poster的, 03年開始, 為了 減少被誤殺的好人, 增加了2頁紙的poster.值得一提的是, IJCAI是由貌似一個公司 的”IJCAI Inc.”主辦的(當(dāng)然實際上并不是公司, 實際上是個基金會), 每次會議上要 發(fā)幾個獎, 其中最重要的兩個是IJCAI Research Excellence Award 和 Computer & Thoughts Award, 前者是終身成就獎, 每次一個人, 基本上是AI的最高獎(有趣的是, 以AI為主業(yè)拿圖靈獎的6位中, 有2位還沒得到這個獎), 后者是獎給35歲以下的 青年科學(xué)家, 每次一個人. 這兩個獎的獲獎演說是每次IJCAI的一個重頭戲.另外, IJCAI 的 PC member 相當(dāng)于其他會議的area chair, 權(quán)力很大, 因為是由PC member 去找 reviewer 來審, 而不象一般會議的PC member其實就是 reviewer. 為了制約 這種權(quán)力, IJCAI的審稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member找一位.

AAAI(1): National Conference on Artificial Intelligence

影響因子：1.49 (top 9.17%)
AAAI是美國人工智能學(xué)會AAAI的年會. 是一個很好的會議, 但其檔次不穩(wěn)定, 可 ? 以給到1+, 也可以給到1-或者2+, 總的來說我給它”1″. 這是因為它的開法完全受 IJCAI制約: 每年開, 但如果這一年的 IJCAI在北美舉行, 那么就停開. 所以, 偶數(shù)年 里因為沒有IJCAI, 它就是最好的AI綜合性會議, 但因為號召力畢竟比IJCAI要小一些, 特別是歐洲人捧AAAI場的比IJCAI少得多(其實亞洲人也是), 所以比IJCAI還是要稍弱 一點, 基本上在1和1+之間; 在奇數(shù)年, 如果IJCAI不在北美, AAAI自然就變成了比 ? IJCAI低一級的會議(1-或2+), 例如2005年既有IJCAI又有AAAI, 兩個會議就進(jìn)行了協(xié) 調(diào), 使得IJCAI的錄用通知時間比AAAI的deadline早那么幾天, 這樣IJCAI落選的文章 可以投往AAAI.在審稿時IJCAI 的 PC chair也在一直催, 說大家一定要快, 因為AAAI 那邊一直在擔(dān)心IJCAI的錄用通知出晚了AAAI就麻煩了.

COLT (1): Annual Conference on Computational Learning Theory

影響因子：1.49 (top 9.25%)
COLT是計算學(xué)習(xí)理論最好的會議, ACM主辦, 每年舉行. 計算學(xué)習(xí)理論基本上可以看成理論計算機(jī)科學(xué)和機(jī)器學(xué)習(xí)的交叉, ? 所以這個會被一些人看成是理論計算 機(jī)科學(xué)的會而不是AI的會. 我一個朋友用一句話對它進(jìn)行了精彩的刻畫: “一小群數(shù) 學(xué)家在開會”. 因為COLT的領(lǐng)域比較小, 所以每年會議基本上都是那些人. 這里順便 提一件有趣的事, 因為最近國內(nèi)搞的會議太多太濫, 而且很多會議都是LNCS/LNAI出 論文集, LNCS/LNAI基本上已經(jīng)被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的 會議

CVPR (1): IEEE International Conference on Computer Vision and Pattern ? Recognition

影響因子：
CVPR是計算機(jī)視覺和模式識別方面最好的會議之一, IEEE主辦, 每年舉行. 雖然題 目上有計算機(jī)視覺, 但個人認(rèn)為它的模式識別味道更重一些. 事實上它應(yīng)該是模式識 別最好的會議, 而在計算機(jī)視覺方面, 還有ICCV 與之相當(dāng). IEEE一直有個傾向, 要把 會辦成”盛會”, 歷史上已經(jīng)有些會被它從quality很好的會辦成”盛會”了. CVPR搞不好 也要走這條路. 這幾年錄的文章已經(jīng)不少了. 最近負(fù)責(zé)CVPR會議的TC的chair發(fā)信 說, 對這個community來說, 讓好人被誤殺比被壞人漏網(wǎng)更糟糕, 所以我們是不是要減 少好人被誤殺的機(jī)會啊? 所以我估計明年或者后年的CVPR就要擴(kuò)招了.

ICCV (1): IEEE International Conference on Computer Vision

影響因子：1.78 (top 4.75%)
ICCV 的全稱是 IEEE International Conference on Computer Vision，即國際計算機(jī)視覺大會，由IEEE主辦，與計算機(jī)視覺模式識別會議（CVPR）和歐洲計算機(jī)視覺會議（ECCV）并稱計算機(jī)視覺方向的三大頂級會議，被澳大利亞ICT學(xué)術(shù)會議排名和中國計算機(jī)學(xué)會等機(jī)構(gòu)評為最高級別學(xué)術(shù)會議，在業(yè)內(nèi)具有極高的評價。不同于在美國每年召開一次的CVPR和只在歐洲召開的ECCV，ICCV在世界范圍內(nèi)每兩年召開一次。ICCV論文錄用率非常低，是三大會議中公認(rèn)級別最高的。ICCV會議時間通常在四到五天，相關(guān)領(lǐng)域的專家將會展示最新的研究成果。

ICML (1): International Conference on Machine Learning

影響因子：2.12 (top 1.88%)
ICML是International Conference on Machine Learning的縮寫，即國際機(jī)器學(xué)習(xí)大會。ICML如今已發(fā)展為由國際機(jī)器學(xué)習(xí)學(xué)會（IMLS）主辦的年度機(jī)器學(xué)習(xí)國際頂級會議。每年舉辦一次，和NIPS，CVPR不相上下。

NIPS (1): Annual Conference on Neural Information Processing Systems

影響因子：1.06 (top 20.96%)
NIPS是神經(jīng)計算方面最好的會議之一, NIPS主辦, 每年舉行. 值得注意的是, 這個會 每年的舉辦地都是一樣的, 以前是美國丹佛, 現(xiàn)在是加拿大溫哥華; 而且它是年底開會, 會開完后第2年才出論文集, 也就是說, NIPS’05的論文集是06年出. 會議的名字 “Advances in Neural Information Processing Systems”, 所以, 與ICML/ECML這樣 的”標(biāo)準(zhǔn)的”機(jī)器學(xué)習(xí)會議不同, NIPS里有相當(dāng)一部分神經(jīng)科學(xué)的內(nèi)容, 和機(jī)器學(xué)習(xí)有 一定的距離. 但由于會議的主體內(nèi)容是機(jī)器學(xué)習(xí), 或者說與機(jī)器學(xué)習(xí)關(guān)系緊密, 所以 不少人把NIPS看成是機(jī)器學(xué)習(xí)方面最好的會議之一. 這個會議基本上控制在Michael Jordan的徒子徒孫手中, 所以對Jordan系的人來說, 發(fā)NIPS并不是難事, 一些未必很 強的工作也能發(fā)上去, 但對這個圈子之外的人來說, 想發(fā)一篇實在很難, 因為留給”外 人”的口子很小. 所以對Jordan系以外的人來說, 發(fā)NIPS的難度比ICML更大. 換句話說, ICML比較開放, 小圈子的影響不象NIPS那么大, 所以北美和歐洲人都認(rèn), 而NIPS則有 些人(特別是一些歐洲人, 包括一些大家)堅決不投稿. 這對會議本身當(dāng)然并不是好事, ? 但因為Jordan系很強大, 所以它似乎也不太care. 最近IMLS(國際機(jī)器學(xué)習(xí)學(xué)會)改選 理事, 有資格提名的人包括近三年在ICML/ECML/COLT發(fā)過文章的人, NIPS則被排除在 外了. 無論如何, 這是一個非常好的會.

ACL (1-): Annual Meeting of the Association for Computational Linguistics

影響因子：1.06 (top 20.96%)
ACL是計算語言學(xué)/自然語言處理方面最好的會議, ACL (Association of ? Computational Linguistics) 主辦, 每年開

KR (1-): International Conference on Principles of Knowledge Representation ? and Reasoning

影響因子：1.06 (top 20.96%)
KR是知識表示和推理方面最好的會議之一, 實際上也是傳統(tǒng)AI(即基于邏輯的AI) 最好的會議之一. KR Inc.主辦, 現(xiàn)在是偶數(shù)年開.

SIGIR (1-): Annual International ACM SIGIR Conference on Research and Development in Information Retrieval

影響因子：1.06 (top 20.96%)
SIGIR是信息檢索方面最好的會議, ACM主辦, 每年開. 這個會現(xiàn)在小圈子氣越來 越重. 信息檢索應(yīng)該不算AI, 不過因為這里面用到機(jī)器學(xué)習(xí)越來越多, 最近幾年甚至 有點機(jī)器學(xué)習(xí)應(yīng)用會議的味道了, 所以把它也列進(jìn)來.

SIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery and Data Mining

影響因子：
SIGKDD是數(shù)據(jù)挖掘方面最好的會議, ACM主辦, 每年開. 這個會議歷史比較短, ? 畢竟, 與其他領(lǐng)域相比,數(shù)據(jù)挖掘還只是個小弟弟甚至小侄兒. 在幾年前還很難把它列 在tier-1里面, 一方面是名聲遠(yuǎn)不及其他的 top conference響亮, 另一方面是相對容易 被錄用. 但現(xiàn)在它被列在tier-1應(yīng)該是毫無疑問的事情了.

UAI (1-): International Conference on Uncertainty in Artificial Intelligence

影響因子：
UAI: 名字叫”人工智能中的不確定性”, 涉及表示/推理/學(xué)習(xí)等很多方面, AUAI ? (Association of UAI) 主辦, 每年開.

第二層次

AAMAS (2+): International Joint Conference on Autonomous Agents and ? Multiagent Systems

影響因子：
AAMAS是agent方面最好的會議. 但是現(xiàn)在agent已經(jīng)是一個一般性的概念, ? 幾乎所有AI有關(guān)的會議上都有這方面的內(nèi)容, 所以AAMAS下降的趨勢非常明顯.

ECCV (2+): European Conference on Computer Vision

影響因子：1.58 (top 7.20 %)
ECCV是計算機(jī)視覺方面僅次于ICCV的會議, 因為這個領(lǐng)域發(fā)展很快, 有可能升級到1-去.

ECML (2+): European Conference on Machine Learning

影響因子：0.83 (top 30.63 %)
ECML是機(jī)器學(xué)習(xí)方面僅次于ICML的會議, 歐洲人極力捧場, 一些人認(rèn)為它已經(jīng)是1-了. 我保守一點, 仍然把它放在2+. 因為機(jī)器學(xué)習(xí)發(fā)展很快, 這個會議的reputation上升非常明顯.

ICDM (2+): IEEE International Conference on Data Mining

影響因子：0.35 (top 59.86 %)
ICDM是數(shù)據(jù)挖掘方面僅次于SIGKDD的會議, 目前和SDM相當(dāng). 這個會只有5年歷史, 上升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現(xiàn)在已經(jīng)拉開很大距離了.

SDM (2+): SIAM International Conference on Data Mining

影響因子：
SDM是數(shù)據(jù)挖掘方面僅次于SIGKDD的會議, 目前和ICDM相當(dāng). SIAM的底子很厚, 但在CS里面的影響比ACM和IEEE還是要小, SDM眼看著要被ICDM超過了, 但至少目前還是相當(dāng)?shù)?

ICAPS (2): International Conference on Automated Planning and Scheduling

影響因子：
ICAPS是人工智能規(guī)劃方面最好的會議, 是由以前的國際和歐洲規(guī)劃會議合并來的. 因為這個領(lǐng)域逐漸變冷清, 影響比以前已經(jīng)小了.

ICCBR (2): International Conference on Case-Based Reasoning

影響因子：0.35 (top 59.86 %)
ICCBR是Case-Based Reasoning方面最好的會議. 因為領(lǐng)域不太大, 而且一直半冷不熱, 所以總是停留在2上.

COLLING (2): International Conference on Computational Linguistics

影響因子：
COLLING是計算語言學(xué)/自然語言處理方面僅次于ACL的會, 但與ACL的差距比ICCV-ECCV和ICML-ECML大得多.

ECAI (2): European Conference on Artificial Intelligence

影響因子：0.69 (top 38.49 %)
ECAI是歐洲的人工智能綜合型會議, 歷史很久, 但因為有IJCAI/AAAI壓著,很難往上升.

ALT (2-): International Conference on Algorithmic Learning Theory

影響因子：0.63 (top 42.91 %)
ALT有點象COLT的tier-2版, 但因為搞計算學(xué)習(xí)理論的人沒多少, 做得好的數(shù)來數(shù)去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非計算學(xué)習(xí)理論的內(nèi)容.

EMNLP (2-): Conference on Empirical Methods in Natural Language Processing

影響因子：
EMNLP是計算語言學(xué)/自然語言處理方面一個不錯的會. 有些人認(rèn)為與COLLING相當(dāng), 但我覺得它還是要弱一點.

ILP (2-): International Conference on Inductive Logic Programming

影響因子：0.63 (top 42.91 %)
ILP是歸納邏輯程序設(shè)計方面最好的會議. 但因為很多其他會議里都有ILP方面的內(nèi)容, 所以它只能保住2-的位置了.

PKDD (2-): European Conference on Principles and Practice of Knowledge ? Discovery in Databases

影響因子：0.63 (top 42.91 %)
PKDD是歐洲的數(shù)據(jù)挖掘會議, 目前在數(shù)據(jù)挖掘會議里面排第4. 歐洲人很想把它抬起來, 所以這些年一直和ECML一起捆綁著開, 希望能借ECML把它帶起來.但因為ICDM和SDM, 這已經(jīng)不太可能了. 所以今年的 PKDD和ECML雖然還是一起開, 但已經(jīng)獨立審稿了(以前是可以同時投兩個會, 作者可以聲明優(yōu)先被哪個會考慮, 如果ECML中不了還可以被 PKDD接受).

第三層次

ACCV (3+): Asian Conference on Computer Vision

影響因子：0.42 (top 55.61%)
ACCV是亞洲的計算機(jī)視覺會議, 在亞太級別的會議里算很好的了.

ICTAI (3+): IEEE International Conference on Tools with Artificial Intelligence

影響因子：0.42 (top 55.61%)
ICTAI是IEEE最主要的人工智能會議, 偏應(yīng)用, 是被IEEE辦爛的一個典型. 以前的quality還是不錯的, 但是辦得越久聲譽反倒越差了, 糟糕的是似乎還在繼續(xù)下滑, 現(xiàn)在其實3+已經(jīng)不太呆得住了.

**PAKDD (3+): Pacific-Asia Conference on Knowledge Discovery and Data Mining

影響因子：0.42 (top 55.61%)
PAKDD是亞太數(shù)據(jù)挖掘會議, 目前在數(shù)據(jù)挖掘會議里排第5.

注：部分第三層次會議知名度并不高，所以不進(jìn)行一一列舉。

以上給出的評分或等級都是個人意見, 僅供參考. 特別要說明的是: 綜合建議

綜合建議：

第一層次conference上的文章并不一定比第三層次的好, 只能說前者的平均水準(zhǔn)更高.

研究工作的好壞不是以它發(fā)表在哪兒來決定的, 發(fā)表在高檔次的地方只是為了讓工作更容易被同行注意到. 第三層次會議上發(fā)表1篇被引用10次的文章可能比在第一層次會議上發(fā)表10篇被引用0次的文章更有價值. 所以, 數(shù)top會議文章數(shù)并沒有太大意義, 重要的是同行的評價和認(rèn)可程度.

很多經(jīng)典工作并不是發(fā)表在高檔次的發(fā)表源上, 有不少經(jīng)典工作甚至是發(fā)表在很低檔的發(fā)表源上. 原因很多, 就不細(xì)說了.

會議畢竟是會議, 由于審稿時間緊, 錯殺好人和漏過壞人的情況比比皆是, 更何況還要考慮到有不少剛開始做研究的學(xué)生在代老板審稿.

會議的reputation并不是一成不變的，新會議可能一開始沒什么聲譽，但過幾年后就野雞變鳳凰，老會議可能原來聲譽很好，但越來越往下滑.

只有計算機(jī)科學(xué)才重視會議論文, 其他學(xué)科并不把會議當(dāng)回事. 但在計算機(jī)科學(xué)中也有不太重視會議的分支.

Politics無所不在. 你老板是誰, 你在哪個研究組, 你在哪個單位, 這些簡單的因素都可能造成決定性的影響. 換言之, 不同環(huán)境的人發(fā)表的難度是不一樣的. 了解到這一點后, 你可能會對high-level發(fā)表源上來自low-level單位名不見經(jīng)傳作者的文章特別注意(例如如果<計算機(jī)學(xué)報>上發(fā)表了平頂山鐵 道電子信息科技學(xué)院的作者的文章,我一定會仔細(xì)讀).

評價體系有巨大的影響. 不管是在哪兒謀生的學(xué)者, 都需要在一定程度上去迎合評價體系, 否則連生路都沒有了, 還談什么做研究. 以國內(nèi)來說, 由于評價體系只重視journal, 有一些工作做得很出色的學(xué)者甚至從來不投會議. 另外, 經(jīng)費也有巨大的制約作用. 國外很多好的研究組往往是重要會議都有文章. 但國內(nèi)是不行的, 檔次低一些的會議還可以投了只交注冊費不開會, 檔次高的會議不去做報告會有很大的負(fù)面影響, 所以只能投很少的會議. 這是在國內(nèi)做CS研究最不利的地方. 我的一個猜想：人民幣升值對國內(nèi)CS研究會有不小的促進(jìn)作用(當(dāng)然, 人民幣升值對整個中國來說利大于弊還是弊大于利很難說).

特別致謝：qianli8848(http://blog.sciencenet.cn/blog-722391-578333.html)

備注：公眾號菜單包含了整理了一本AI小抄，非常適合在通勤路上用學(xué)習(xí)。

往期精彩回顧2019年公眾號文章精選適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)在線手冊AI基礎(chǔ)下載（第一部分）備注：加入本站微信群或者qq群，請回復(fù)“加群”加入知識星球（4500+用戶，ID：92416895），請回復(fù)“知識星球”

喜歡文章，點個在看

總結(jié)

以上是生活随笔為你收集整理的30+个必知的《人工智能》会议清单的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。