当前位置：首页 > 编程日记 > 正文

IJCAI 2019精选论文一览，从底层到应用都有了

编程日记 2024-12-27 04:40:00

作者 | 神经小姐姐来源 | HyperAI超神经（ID: HyperAI）
导语：为期一周的 IJCAI 第一天议程已经圆满结束。在前三天的工作坊上，全球各地人工智能行业人士，在此讨论 AI 在各个领域与方向的最新研究成果与未来动向。超神经特此整理部分主题及论文，做一详细介绍。

在 IJCAI 2019 的议程的前三天里，大会为各位参会者安排了主题丰富的技术工作坊（Workshop），也在今天的工作坊中，向多篇最佳论文进行现场颁奖。

在今年的 IJCAI 2019 中，共设置了 38 个主题，涉及医疗、金融、教育等等领域和方向，我们从中挑选出 3 个主题以及精选论文，做一些简单的介绍。

哪些论文获得了 IJCAI 2019 的青睐？

AI 与安全—精选论文

在过去十年中，人工智能技术使用的风险问题，越来越受到人们的关注。随着人为控制逐渐被排除在算法和决策之外，安全性问题变得越来越重要。

传统安全工程原理所依据的技术基础和假设，不再适用于 AI 算法，特别是机器学习（ML）算法，被用在更高的自治水平上与物理世界进行交互。我们必须考虑当前人工智能系统带来的安全挑战，思考它们在更具前瞻性的研究上的安全，这些研究的重点是打造更有能力的人工智能系统，包括通用人工智能系统（AGI）。 

精选论文 1：《Metric Learning for Value Alignment》 价值取向的度量学习
作者：Andrea Loreggia， Nicholas Mattei， Francesca Rossi， K. Brent Venable
单位：帕多瓦大学，杜兰大学，IBM 研究院，佛罗里达人类机器认知研究所论文地址：http://ceur-ws.org/Vol-2419/paper_22.pdf

最佳论文团队在 8 月 11 日的工作坊领奖

摘要：
偏好是机器和人类决策的核心。在偏好中进行表达，学习和推理，是计算机科学和社会科学领域的重要研究方向。

当我们将偏好提供给人工智能系统时，我们希望系统能够做出相符合的决策或建议，但决策也应遵循某些规范，指南和道德原则。

因此，在使用偏好时，有必要理解和计算偏好之间的度量（距离） —— 特别是在该过程中，用户的偏好和道德标准。

在本文中，我们研究了使用 CP 网作为形式主义，来表示 AI 系统的行为。利用最近提出的 CP 网络度量，以及神经网络架构 CPMETRIC 来计算该度量。使用这两个工具，我们将了解如何构建快速灵活的价值对齐系统。

精选论文 2：《On the Susceptibility of Deep Neural Networks to Natural Perturbations》关于深度神经网络对自然扰动的敏感性

作者：Mesut Ozdag，Sunny Raj，Steven Fernandes，Alvaro Velasquez， Laura L. Pullum，Sumit Kumar Jha
单位：中央佛罗里达大学，美国空军研究实验室，橡树岭国家实验室论文地址：http://ceur-ws.org/Vol-2419/paper_25.pdf

摘要：
深度学习系统越来越多地被用于安全关键任务，例如自动驾驶。这些系统需要面对恶劣的天气条件，如雾，雨和雪等。

深度学习系统对合成对抗性攻击的脆弱性，已得到了广泛的研究，但自然天气条件对此类系统的影响，尚未被详细研究。

在本文中，我们研究了这个因素，将如何影响流行的深度学习模型，是否会改变它的分类准确性。

我们使用来自 Cityscapes 数据集和计算机图形技术的立体图像来模拟逼真的自然发生的雾。我们证明了最先进的 Inception 深度学习模型也很容易被生成雾的图像所欺骗。

精选论文 3：《Conservative Agency》 

作者：Alexander Matt Turner， Dylan Hadfield-Menell，Prasad Tadepalli
单位：俄勒冈州立大学，加州大学伯克利分校论文地址：http://ceur-ws.org/Vol-2419/paper_13.pdf

摘要：
奖励机制很容易被忽略，但却很大地影响了系统。虽然设计师可以在观察到错误后进行纠正，但错误的奖励机制，会造成不可逆转的影响。

如果该错误排除了正确指定的奖励函数的优化，那么事后校正是徒劳的。

例如，由于奖励错误指定，机器人工厂助理可能会损坏昂贵的设备。

为了降低这种风险，我们引入了一种方法，可以平衡主要奖励功能的优化，并保持优化辅助奖励功能的能力。我们证明了，即使辅助奖励函数是随机生成的，对正确指定的奖励函数没有信息，这种方法也会引发保守，有效的行为。

AI for social good —精选论文

如我们所见，人工智能正在社会中多个领域发挥越来越大的作用。因此，我们也越来越关注能够确保以负责任和有益的方式使用 AI，包括从基础研究到持续部署的全部范围。

AI for social good 工作坊中，探讨人工智能如何为解决社会问题做出贡献。例如，AI在促进健康、可持续发展方面可以发挥什么作用？如何以道德，包容和负责任的方式部署人工智能计划？

为了解决这些问题，AI for social good 研讨会汇集人工智能和一系列应用领域的研究人员和从业人员，分享当前的研究和实践状况，探索未来工作的方向。

精选论文 1：《Semantic Segmentation Based Earthquake Damage Assessment of Built Environment》基于语义分割的建筑环境震害评估

作者：Dhananjay Nahatai，Prateek Dusad，Harish Mulchandani单位：印度皮拉尼大学博拉理工学院论文地址：https://aiforgood2019.github.io/papers/IJCAI19-AI4SG_paper_26.pdf

摘要：
本研究的重点是确定基于图像的深度学习技术，用于损伤检测及其识别的可行性，这将有助于在地震发生后决定建筑物是否可以安全居住。

研究中采用 2015 年尼泊尔地震、2010 年海地地震、2016 年台湾地震、2016 年厄瓜多尔地震的住宅建筑图像作为训练数据集，对建筑不同构件进行损伤预测。

此外，本研究采用深度学习模型来确定地震破坏预测。该模型利用语义分割技术，将建筑物的图像分割为三类：结构构件类(比如柱子)、非结构构件类(比如墙体)以及其它门窗、天花板之类的背景类。和所有其他组件。

对构件进行分割后，同时检测被识别构件的损伤类型。为了对模型进行微调，85% 的数据集用于训练，15% 的数据集用于验证。最终，该模型的验证精度为 86.75%，训练精度为 88.44%。

精选论文 2：《Web based Expert system for the prevention, diagnosis and treatment of Malaria using two Ethiopian local languages (Amharic & Afan Oromo)》基于网络的专家系统，使用两种埃塞俄比亚当地语言预防、诊断和治疗疟疾

作者：Dereje Yoheannes，Zelalem Mihret，Alemenew Shiferaw单位：埃塞俄比亚亚的斯亚贝巴的大学，韩国科学技术院和芬兰阿尔托大学论文地址：https://aiforgood2019.github.io/papers/IJCAI19-AI4SG_paper_7.pdf

摘要：
据估计，非洲每年有 5 亿例疟疾病例，每 30 秒就有一名儿童因为疟疾死亡。随着时间的推移，为了得到最好的治疗，患者可能需要几位专家的建议，并且以他们当地的语言来表达。

虽然主要的医疗中心确实可以提供如此充分的服务，但那些经济上处于不利地位或偏远地区的人们，却不能得到这样集中的援助。

这个问题在不发达国家尤其严重。在这些国家，甚至连医生，护士和技术人员的供应都非常有限。

该研究项目的主要重点是开发和使用疟疾专家系统，以提供支持使用埃塞俄比亚两种广泛使用的语言——阿姆哈拉语和阿法奥罗莫语，来预防、预测和诊断疟疾。

在创建这样的系统方面仍然存在一些问题，因为埃塞俄比亚农村地区的大多数人是文盲，不能指望他们具备计算机知识。因此研究者深信，需要用区域语言来发展这种系统。

这些系统必须通过街区或村庄管理单位向村庄地区提供。此外，通过文本、图片和声音与系统通信的可能性，将提供额外的优势。在这样的系统中添加语音接口可能会对偏远地区的人们更有好处。即使是文盲，也可以与基于语音界面的专家系统进行交互，并从中获益。

精选论文 3：《Food Fairness: An Artificial Intelligence Perspective for SNAP Allocation》食品公平：SNAP 分配的人工智能视角

作者：Boli Fang，Miao Jiang，Jerry Shen，Pei-Yi Cheng，Manju Chivukula单位：美国印第安纳大学计算机科学学院，南加州大学公共政策学院论文地址：https://aiforgood2019.github.io/papers/IJCAI19-AI4SG_paper_43.pdf

摘要：
为改善低收入家庭的粮食安全，补充营养援助计划（SNAP）为有需要的家庭提供食物预算帮助。然而，SNAP 的支付错误率创下了 10 年来的新高，达到 6.3%，这引起了人们出了对错误付款和不公平收益的重大担忧。

为了确保生活在贫困之中的家庭可以得到适当的食物和营养，作者提出了一种算法，旨在将尽可能多的经历粮食不安全和贫困的家庭纳入该计划，同时减少不需要食物援助的家庭数量。

使用不同影响的法律概念，他们从测试数据集构建 fairgroups 来反映不同特性的相对重要性，并对这些 fairgroups 应用逻辑回归。

实验表明，该方法在保证分类精度的同时，有效地提高了稀缺公共资源分配的结果公平性。

金融技术与自然语言处理 FinNLP —精选论文

金融技术和自然语言处理研讨会（FinNLP 研讨会），是为国际参与者提供一个论坛，以分享将 NLP 技术应用于金融科技领域的研究。通过在 FinNLP 研讨会上分享的内容，将确定融合 FinTech 和 NLP 的挑战性问题，探讨未来的研究方向，并扩大该跨学科研究领域的应用范围。

参与者来自学术界和工业界，他们提出了几个新的任务，包括业务分类法构建，交易的基本原理和合同消歧。为销售预测，股票市场预测和情绪分析构建了一些新模型。还将演示与 FinTech 和 NLP 相关的工具和语料库。

精选论文 1：《Leveraging BERT to Improve the FEARS Index for Stock Forecasting》利用 BERT 提高股票预测的 FEARS 指数

作者：Linyi Yang，Yang Xu，Tin Lok James Ng，Ruihai Dong
单位：都柏林大学，北京工业大学，卧龙岗大学论文地址：https://www.aclweb.org/anthology/W19-5509

FEARS 指数（Financial and Economic Attitudes Revealed by Search），反映了公众投资者的关注和情绪，是预测股票价格回报的重要因素。

摘要：
在论文中，我们通过 BERT（Bidirectional Encoder Representations from Transformers）来考虑 FEARS 搜索项的语义，并进一步将自我关注的深度学习模型，应用于精确预测 FEARS，以进行股票收益的分析。

通过与基准工作进行比较，我们证明了该方法的超越常规方法的预测。

精选论文 2：《Pluto: A Deep Learning based Watchdog for Anti Money Laundering Pluto》基于深度学习的反洗钱监管机制

作者：Hao-Yuan Chen，Shang-Xuan Zou，Cheng-Lung Sun
单位：中国信托商业银行（中国台湾）论文地址：https://www.aclweb.org/anthology/W19-5515

摘要：
银行面临反洗钱（AML）的义务，通过各个渠道的负面新闻来识别问题客户，是一种必不可少的方法。通过搜索新闻，出版物资料，政府咨询和公告信息，得到有关个人或实体参与金融犯罪事务的信息。

但这种方法需要大量的人力和时间，而且往往效率很低。

为了解决这个这个问题，Pluto1 为 AML 从业者，提供了一种分布式和可扩展的批处理系统，基于深度学习的自然语言处理（NLP）技术，以提高日常任务效率。它对一组负面新闻执行文本预处理，使用段落嵌入和聚类算法，为 AML 从业者提供具有关键字和相似性的聚类结果。AML 从业者的整体反馈良好，此工具可减少 67％的信息筛选工作。