馬上開始的機器學習頂會ICML該關注什麼？論文集、精彩Workshop都在這裡

夏乙 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

這幾天，吃瓜群眾心系莫斯科，機器學習研究者們的目光，飄向了更靠北的斯德哥爾摩。

Twitter @AmandaPapp4AI

機器學習頂會ICML 2018馬上就要開始了。部分圈內人士已經聚集在瑞典首都斯德哥爾摩，欣賞著晚上9點多的日落；也有一些研究者，正在趕往斯德哥爾摩的路上。

當然，無論國內國外，更多的人都和你我一樣，在遠程關注。

盛會信息量巨大，最值得關注的有哪些呢？

量子位根據在Twitter、Reddit、微博等國內外社區的觀察，整理了一些不容錯過的信息。

讀Paper才是要緊事

就算你沒有中Paper，ICML這種盛會，總有論文值得一讀。

首先，這次會議的論文集PMLR v80已經出爐了，收錄了從2473篇投稿中選出的全部621篇論文。

論文集地址：

http://proceedings.mlr.press/v80/

這裡有所有論文的PDF和補充資料，數量眾多，全部讀完當然不太可能，還是要根據自己的研究方向，各取所需。

不過幾篇官方認定的獲獎論文，倒是值得特別關注一下。

最佳論文獎（Best Paper Awards）2篇，都與機器學習的安全問題有關：

Obfuscated Gradients Give a False Sense of Security: Circumventing Defenses to Adversarial Examples

Anish Athalye (MIT), Nicholas Carlini (UC Berkeley), David Wagner(UC Berkeley)

論文：http://proceedings.mlr.press/v80/athalye18a.html

代碼：https://arxiv.org/abs/1802.00420

這篇論文早在今年2月就引起了轟動。當時，ICLR 2018接收論文列表剛剛公布，一作小哥哥Athalye說，ICLR錄用的對抗樣本防禦論文，他們的模型攻破了7/8。

他所說的現象，就是這篇獲獎論文所得「混淆梯度(Obfuscated Gradients)」。

Delayed Impact of Fair Machine Learning

Lydia Liu, Sarah Dean, Esther Rolf, Max Simchowitz, Moritz Hardt

(幾位作者都來自UC Berkeley)

http://proceedings.mlr.press/v80/liu18c.html

這篇論文所研究的是機器學習靜態公平性標準的長期影響。

最佳論文亞軍（Best Paper Runner Up Awards）3篇：

The Mechanics of n-Player Differentiable Games

David Balduzzi, Sebastien Racaniere, James Martens, Jakob Foerster, Karl Tuyls, Thore Graepel

（作者來自DeepMind、哈佛大學）

http://proceedings.mlr.press/v80/balduzzi18a.html

Near Optimal Frequent Directions for Sketching Dense and Sparse Matrices

Zengfeng Huang（復旦大學）

http://proceedings.mlr.press/v80/huang18a.html

Fairness Without Demographics in Repeated Loss Minimization

Tatsunori Hashimoto, Megha Srivastava, Hongseok Namkoong, Percy Liang（斯坦福）

http://proceedings.mlr.press/v80/hashimoto18a.html

時間檢驗獎（Test Of Time Award）1篇：

A Unified Architecture for Natural Language

Processing: Deep Neural Networks with

Multitask Learning (from 2008)

Ronan Collobert and Jason Weston

https://ronan.collobert.com/pub/matos/2008_nlp_icml.pdf

「大懟之日」

除了頂會的核心——論文之外，今年ICML有一個Workshop格外受關注。

這次會議的7月15日可謂「大懟之日」，當天，有一場名叫Machine Learning: The Great Debates的Workshop要舉辦，簡稱MLGD2018。

參加Workshop的辯手，有通過提交論文入選的，也有主辦方邀請的。斯坦福大學教授Percy Liang、最愛參加辯論的紐約大學教授Gary Marcus等都在其中。

大懟之日有4個要懟的辯題，每個話題都有兩名正方、兩名反方。這些辯題分別是：

關於嚴格：

嚴格程度的提高將加速該領域的進展，我們可能實施的增強嚴謹性的做法並不會對其他價值造成過度折衷。

關於安全：

當前機器學習系統的漏洞非常嚴重，我們不應允許它們在實際環境中進行一般部署。

關於公平性：

為了有效地解決公平問題，機器學習社區不能減少對技術問題的公平性。 相反，它必須越來越明確地進行廣泛的制度變革，注意技術本身的政治影響。

關於深度學習：

目前和可預見的深度學習方法具有固有的局限性，如果沒有其他技術做輔助，它提升機器智能的能力有天花板。

這裡，是完整的日程：

https://www.machinelearningdebates.com/program/

ICML懟過之後，這個Workshop還會在IJCAI-ECAI、AAMAS等會議上繼續開懟。

研究機構各顯神通

ICML即將開始，各機構也就紛紛在官方博客上介紹自家的論文、展位、參會人員等等。

入選論文太多的Google，洋洋洒洒列出了52篇論文。另外，Google的同學們還組織了3場Workshop，包括機器學習中的人類可解釋性（WHI）、強化學習里的探索、深度生成模型的理論基礎和應用。更多詳情以及鏈接，都在他們的博客中：

https://ai.googleblog.com/2018/07/google-at-icml-2018.html

DeepMind列出了29項研究的介紹，還貼心地給出了各項研究Oral陳述和Poster展示的時間地點：

https://deepmind.com/blog/deepmind-papers-icml-2018/

Facebook官方博客也介紹了自家17篇論文：

https://research.fb.com/facebook-research-at-icml-2018/

除此之外，他們也舉辦了一場Workshop，主題是強化學習中的預測和生成建模。

微軟說，他們有26篇論文被大會收錄，派出了40多人去參會，展位，也基本搭好了。

在錄取論文列表公布的時候，量子位初步統計過這些論文的出產機構。貢獻了最多一作論文的，是Google（含DeepMind）；我國戰果最豐碩的，則是清華大學。

最後，附傳送門

ICML的整體議程，在這裡：

https://icml.cc/Conferences/2018/Schedule

以及，重要的事情再說一遍，論文集的地址要記好：

http://proceedings.mlr.press/v80/

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！