读不懂NeurIPS 2018的艰深论文？我们已经为你划好了重点

AI的火爆，让今天在加拿大蒙特利尔开幕的第32届神经信息处理系统大会（NeurIPS 2018），就成为了各国研究组织和企业刷存在感的香饽饽。

有多火呢？

据说，今年的参会人数有9000人，大会门票在11分钟内被一抢而空。官方自己都吐槽，只比碧昂丝演唱会卖的慢一点。

之所以一票难求，还是因为到场的学术界、产业界大佬太多。谷歌、亚马逊、Facebook、微软是不会缺席的，华为、腾讯、阿里、百度等为代表的中国队也斩获颇丰。值得一提的是，今年还冒出了很多中美欧之外的新面孔，印度、XXX也都有机构获得了非常不错的成绩。

当然，学术会议核心的还是论文，NeurIPS 2018 今年也是收了个盆满钵满，一共收到 4856 篇投稿，创下了历年来的最高记录，最终被录取的论文有 1011 篇，其中有44% 的论文作者放出了代码，42% 将公布数据，无疑让整场大会显得干货十足。

情况介绍的差不多了，接下来该上“硬货”了。但学术名词和论文推理读起来都有点反人类。因此，我们从自己的观察中，为大家梳理了一下NeurIPS 2018可能是最重要的三大趋势，帮助大家了解一下，学术界都发现了哪些新东西，又将给明年的AI带来哪些新机会。

下面请大家系好安全带，收起小桌板，准备好瓜子花生肥宅快乐水，我们开始吧。

今年NeurIPS 2018评审的 4856篇论文中，深度学习、强化学习、分布式学习等等领域依然是大热门。

以获得最佳论文奖的四篇论文为例，来自加拿大多伦多大学Vector Institute，通过一种新的深度神经网络模型，采取自适应来构建归一性，无需对对数据进行分类或排序，就可以使用黑盒ODE求解器进行端到端训练。

第二篇最佳论文的第一作者为加拿大麦克马斯特大学Hassan Ashtiani，则通过新的相关分布压缩来进行分布式学习，解决了表征学习分布类的样本复杂性。

第三篇则是来自华为诺亚方舟实验室担任一作的研究，在两种情况下研究了分布式优化的最优收敛速度，并提出了第一个最优分散算法：多步原始对偶（MSPD）。

第四篇的作者全部来自Google AI，提出了新的策略一致性概念，结合多项数据集，解决大规模强化学习的妄想偏见问题。

除了获奖的四篇，收录的1011篇论文中还有不少是深度学习方向的文章（大约25%左右），还能在“王座”的位置上待一阵子。

不过，即便是深度学习也并不是在炒冷饭。显然，学术界也在积极反思深度学习存在的一些效率、黑箱性等问题，很多研究都是围绕着对其进行优化展开的。

在NeurIPS 2018的论文集中搜索“optimization”，得到了61个结果。由此可见，通过底层优化算法，用更好的模型让AI以更小的数据代价，更精准地解决问题，正在成为集体做功的方向。

有机构对NeurIPS2018的论文集进行了数据分析，发现Google（包括Deepmind）仍然是毋庸置疑的AI“霸主”，以 137 篇论文成功斩获第一名，甚至将美国同行远远地甩在了身后。

此外，谷歌不但开始向顶会反向输送人才（今年大会的主席Samy Bengio就是来自谷歌的科学家 ），还开始艺高人胆大地开始探讨很多极端领域命题。

比如通过Mesh-TensorFlow实现超级计算机的深度学习。利用一种分布式深度神经网络（DNN），对一些由于内存限制而无法训练的超大模型，进行高效分批处理。

谷歌利用512个TPU训练出了多达50亿个参数的变压器模型。这种基于大型数据集群的高效并行模型算法，足以让其在处理航空、军事、智慧城市等极端算力需求时，依然能保持稳定高效实时处理。

另外，“美国势力”还有不少强队，其中MIT（68篇）与斯坦福（57篇）领衔学术界，Microsoft（46篇）和Facebook（13 篇）领衔工业界。

Facebook在机器视觉领域提出的不少新方式，像是“双注意力网络”、分块坐标搜索算法、能够对抗无聊的新推荐系统、SING音频合成器等等，目测都将在来年给大众早已“审美疲劳”的社交娱乐带来不少新意。

总而言之，经过几年的激烈近身肉搏，人工智能技术竞争格局的基本面目前已经没有争议了，那就是谷歌的霸主地位几乎难以撼动，不过其他战队也出手不凡找到了各自的差异化突破路径。

毕竟，谷歌还有不少纯烧钱的技术，学术会议上再多的成功，未必真能在现实中凝结出商业的果实。这么想想，吃到了酸葡萄的大家心里想必好受了点。

在这样的竞争格局下，自然有人不愿让“美国势力”专美。这次NeurIPS 2018，中国队伍可谓是集体为国争光了。

先说四篇最佳论文（Best paper awards），华人科学家陈天琦，以及华为的诺亚方舟实验室，就分别以第一作者的身份摘得殊荣，占据了半壁江山。