第一视角的NeurIPS 2018之旅参会见闻

NeurIPS 2018堪称是史上规模最大、投稿论文最多、赞助商最多的AI盛会。本文作者因为论文被收录，有机会亲临现场，全程记录了他的NeurIPS 2018之旅。

我是中国科学院计算技术研究所计算机体系结构国家重点实验室的三年级硕士生。因为一篇论文被NeurIPS录用，和导师胡瑜研究员一起参加了12月3日在加拿大蒙特利尔召开的NeurIPS会议。

左起：中科院计算所博导胡瑜、IEEE Fellow谢源与作者合影

在此，我向大家分享NeurIPS主会四天里，我的所见所闻所感。

大会第一天

在NeurIPS大会开幕式上，大会主席首先总结了今年的投稿情况。今年共收到创历史记录的4856篇有效投稿，录取1011篇。

论文录取情况

其中Oral为30篇、Spotlight为168篇，其余为Poster。在投稿主题方面，数量排名前三的主题为算法、深度学习和应用，占全部投稿数量的60%以上。

然后，大会主席公布了今年的四篇最佳论文和经典论文奖（Test of time award）。最佳论文分别是：

多伦多大学发表的Neural Ordinary Differential Equations

麦克马斯特大学和滑铁卢大学联合发表的Nearly tight sample complexity bounds for learning mixtures of Gaussians via sample compression schemes

Google AI发表的Non-delusional Q-learning and value-iteration

华为诺亚方舟实验室、微软研究院、巴黎文理研究大学联合发表的Optimal Algorithms for Non-Smooth Distributed Optimization in Networks

获得经典论文奖的是一篇2007年的研究论文，题目为The tradeoffs of large scale learning。该论文展示了一个理论框架，并分析了小规模学习与大规模学习在优化方面的计算复杂度问题。

在开幕式结束后，迎来了大会第一场invited talk。这是由Atipica的创始人Laura Gomez带来的The Necessity of Diversity and Inclusivity in Tech，她向我们介绍了在技术创新中的多样性与包容性的必要性，这使我想到了今年NeurIPS会议的改名风波。

由于往年的会议缩写NIPS对于部分群体具有冒犯性，因此经过了今年的公众投票，会议组织将会议缩写改为了NeurIPS。NeurIPS会议为AI的发展做出了应有的改变，这也体现出了更多的包容性和作为人工智能方向顶级会议的表率作用。

随后，我参观了NeurIPS举办的Expo。今年有超过100家公司赞助商，其中有60家公司参与了NeurIPS的Expo。在会场中，各家展示公司不遗余力的展示他们在AI方面的相关研究。

印象最深的是NVIDIA公司的一项视频生成工作：photorealistic video-to-video translation，根据语义分割的结果，算法能合成出不同城市风格的图片。连接上驾驶模拟器，还能体验一把在不同城市飙车的感觉。

体验一把在不同城市飙车的感觉

大会第二天

今天我关注的invited talk，由普林斯顿大学的Edward Felton带来，题目叫做Machine Learning Meets Public Policy: What to Expect and How to Cope，介绍了机器学习和公共政策之间相互配合的问题，

NeurIPS会议的Poster展示一共有六场。今天是Poster展示的第一天，大家的气势也格外高涨，每个展板前都聚满了交流的人群。每场展示的时间是两个半小时，不论对于讲解的人还是对于参观的人，这都是一场体力与脑力的双重考验，但是各路大神也都不惧艰辛，乐此不疲。

Poster展厅现场

大会第三天

今天我关注的invited talk，演讲者是麦吉尔大学的Joelle Pineau，题目是Reproducible, Reusable, and Robust Reinforcement Learning。

她介绍了当前强化学习研究中的实验可重复性、稳定性不强的问题。同样的强化学习算法经过同样参数的训练，可能会得到完全不同的结果，这导致强化学习的算法可重复性很弱，在算法迁移过程中的可重用性不强，算法不够稳定。因此，今后的研究都需要针对这三点进行讨论，为提出稳定性和可用性强的强化学习算法而努力。

强化学习可重复性checklist

下午的受邀嘉宾是佐治亚理工学院的Ayanna Howard。他讨论了在AI发展过程中，人类与AI的信任问题。这是一个人们一直关注的问题，如今它可能变成了一个很现实的问题。

大会第四天

今天我所关注的invited talk，是斯坦福大学的Kunle Olukotun，报告题目是Designing Computer Systems for Software 2.0。

Kunle Olukotun介绍了使用怎样的硬件和软件架构可以更灵活和高效的开发机器学习的软件。在AI如此火热的今天，应用的研究和开发工作与之前的大有不同，如何提高开发效率和运行效率是一个亟待解决的问题。不论是硬件层面还是软件框架，可能都需要一套完全不同的系统与方法。

各个深度学习框架特性对比

下午的口头报告Discovery of Latent 3D Keypoints via End-to-end Geometric Reasoning，是由VISTEC与Google AI联合提出的一个端到端几何推理的框架（KeypointNet），用于得到一个最优的3D关键点集合，而这些3D关键点是根据下游任务来优化的，并且这些3D关键点对于不同的视角和物体实例具有几何和语义层面的一致性。

小结

NeurIPS大会至今已经举办了32届，投稿数量、企业赞助、参会人数都创历史新高。在这个AI发展火热的时代，NeurIPS大会不仅是人工智能算法的盛会，还是包容的科学研究的先行者。

本届大会上，学术圈和企业界都从各自的视角、使用不同的方式为人工智能的发展贡献自己的力量。三十二年，唯一不变的是我们的“智能梦”。