專訪ICLR 2017主席 HervéGlotin：蓬勃發展的表徵學習

新聞 08-26

雷鋒網 AI 科技評論按：今年4月，ICLR 2017 (International Conference on Learning Representations) 在法國土倫舉行。有1100多名參會者、收到490篇論文投稿的 ICLR 2017 是舉辦以來最大的一屆，與 ICLR 2016 相比規模上又有大幅提升，去年的參會者只有 400人左右。

ICLR 2017全體大合照，左下角紅色衣服的就是Hervé Glotin 教授

大會期間，雷鋒網記者與本地組織主席 Hervé Glotin 教授進行了訪談，向他了解 ICLR 2017的各方面情況。Hervé Glotin 是土倫大學教授，並且由於突出的研究工作，在2011到2016年間被授予法國巴黎大學研究所榮譽成員。Hervé Glotin 教授的研究領域包括大規模感知人工智慧、表徵學習、多模態信息檢索、生物聲學領域的技術運用。Hervé Glotin 教授還是NIPS的領域主席和多個國際會議的審稿人。

以下為採訪全文。

今年的會議把地點選在了法國土倫的原因是什麼？您在今年會議中發揮的作用是什麼？

這個會議正逐漸從歐洲移到美國舉辦，這次輪到歐洲了。土倫這裡就是一個很好的地方。去年參加會議的有400人左右，很少。今年很快就到了七八百，最後到了1100人。因為場地不大所以後來我們就停止註冊了。我是本地主席所以我要負責組織這次大會。

特邀演講嘉賓是您邀請的嗎？

是的，Eero Simoncelli和Regina Barzilay是我邀請的

您眼中，會議的亮點是什麼？

表徵學習，這是機器學習的根本。所以會同時有NIPS和ICML這兩個會議，它們都關注的是統計和優化。我們這個會議討論的主要是表徵學習。所以我們這個會議比較新，但也發展壯大的很快，今年有1000人蔘會了，明年可能會有2000。所以表徵學習是機器學習的一個重要因素。

只有這一個亮點嗎？這個會議上表徵學習之外還有別的亮點嗎？

大規模表徵，比如向更高維度和更大量數據的大規模表徵也是熱門話題

這次會議作為一次學術會議，許多工業界的公司也來參加了，比如谷歌、Facebook、亞馬遜、微軟。您覺得這種情況是好還是壞呢？

首先糾正一下你的說法，谷歌、Facebook都是有自己的研究院的，水平都很高，都是它們各自方向里的頂尖水平。所以來自它們的參會者的水平都是很高的，如果你是擔心這一點的話。我們認為他們也屬於學術的參會者。

那這樣有哪些好處和不好之處呢？

這個會議的好處是能夠和人工智慧領域最傑出的研究者會面，他們在熱門話題上做出了很多成果，不停地刷新著人工智慧的上限。不好之處是，企業的研究人員有可能在思維開闊程度上比學術界的研究人員差一點，不過也有來自OpenAI等一些基礎研究團隊的研究人員。所以其實他們不是僅僅來自企業而已，他們也和學術界的研究人員一樣做出了學術貢獻。

您是否擔心來自Facebook和谷歌的論文太多，它們佔據了很多位置，以至於學術界的論文相對比例變少了嗎？

這裡選出的論文只是真正優秀的那些，篩選論文的Open Review流程也是十分客觀、公開的。那麼，來到這裡的論文都是名副其實的，不管是來自谷歌還是Facebook都沒有關係，現在的研究就是這樣的。

您覺得來自企業的論文有哪些不好之處？

可能有一些論文中沒有完全開放、清晰地描述了它們的演算法。有一些想法和做法沒有完全在論文中發布出來；由於他們需要用到，有一些知識他們沒有公開。

您覺得中國學者們的學術力量如何？今年和去年相比有何變化？

當然是越來越多了。美國和中國在一些學術研究上有著深入的合作。有一些我也參與了，比如百度。由於美國和中國之間的像百度這樣的IT合作，中國的研究水平成長得非常塊，不論質量還是數量。

我們注意到，會議的很多時間都用在了演講上，比如各種論文演講和各種論文展示活動，您是如何看待這種現象的？

這就是我們想要的，我們是有意識地這樣安排的。這項會議的目的就是要讓大家聽演講和展示論文，那麼展示論文的最好的方式就是讓大家做演講來介紹。

這也是這項會議和AAAI會議的區別嗎？

不是的，AAAI會議也是這樣的。計算機科學方面的會議也都是這樣圍繞著論文和論演講的。這個領域的做法就是這樣，計算機科學的會議都是這樣的。

但是 ICLR 有一點和其它的會議有非常大的不同，就是論文是通過Open Review選出的，在評選過程中所有的研究者都可以對提交的論文中的內容提出批評或者贊同，而不局限於官方的程序委員會。對於提高論文的質量來說，這是一種非常強力的方法。

我們從工業界得到了一些反饋說，今年深度學習領域沒有GAN這樣的突破性進展。您贊同這個觀點嗎？您覺得今年有哪些進展可以稱得上突破性嗎？