Vlog | AAAI 2020：跟我去开计算机国际顶会

看它↑ 看它↑

看完 vlog，相信你已经感受到计算机国际顶会的学术氛围，也走马观花了纽约的生活。那么，也别错过通过文字介绍的本次大会论文干货，以及投递论文背后的故事。

2018 年 11 月到 2019 年 5 月，我有幸得到我在北京理工大学的教授的推荐，在微软亚洲研究院主管研究员纪蕾老师的指导下完成论文。我们完成的论文名为《Functionality Discovery and Prediction of Physical Objects》，被本次的 AAAI 2020 收录，因此我有幸以论文作者之一的身份来参加这次人工智能顶会。

我们的论文主要研究的是对物体功能的常识知识库的构建和扩充，通过为机器人扩展功能类型的常识知识库，来实现日常生活中更好的人机交互。在我与纪蕾老师的合作过程中，纪蕾老师负责整篇论文的构思，我负责代码的实现。

在论文写作过程中，我们首先需要收集数据，搭建模型，将模型运行在自己构建的数据集上。因为我原来没有很多这方面的经验，所以在实验的每一个阶段，纪老师都对我进行了细致的指导。

在数据处理阶段，纪老师指导我从哪些数据集上收集数据，以及如何根据本次研究的目的来处理数据。在模型构建时，纪老师照顾到我原来对这一片领域知识不足，她让我从最简单的 logistics regression 和 SVM 模型上手，一步步 implement 越来越 sophisticated 的模型，最后直到我们论文中实际使用的 PRA 和 distmult 模型。

本次 AAAI 2020 的论文涵盖了包括人工智能领域 20 个方向的研究成果，包括 Machine Learning (ML)、Natural Language Processing (NLP)、Vision (VIS)、Knowledge Representation and Reasoning (KRR) 等。本次大会共有审稿论文 7737 篇，其中 1591 篇论文被录用，录取率为 20.6%，相比于去年的 16.2% 有了一定提高。

从本次大会收录论文的 poster 展区中可以明显看出， 人工智能研究三个最主要的方向仍为传统机器学习 ML，自然语言处理 NLP 和计算机视觉 CV 。此外，本次大会也收录了许多 Gaming 以及 CV、NLP 多领域融合的论文。

因国内疫情的影响，到会的中国科研工作者人数有了明显下滑。正因如此，本次会议的报告形式有了创新。在报告过程中，不能到现场的论文主讲人可以通过远程连线，或者提前录制视频或音频的方式完成论文报告。

国内学者远程参会

在现场听过报告后，本次大会被选入 oral presentation 的论文，其 关注点更多聚集在医疗、经济学等实现了技术落地的领域 。

其中，我对人工智能与医疗数据相结合的一场报告印象格外深刻。这项研究让我看到，我们所从事的人工智能研究可以真正做到帮助他人解决困难，这让我心中非常有成就感。

这篇论文名为《Improving ECG Classification Using Generative Adversarial Networks》，研究人员想要提高机器对 ECG（心电图）的分类准确度，帮助医生更好地通过心电图来诊断病人的心电图属于 {N, S, V, F, Q} 五类中的哪一类。该论文首先评估了传统 sequence model（LSTM）对真实ECG数据进行分类的效果，然后通过一个 GAN（Generative Adversarial Networks）模型来自动生成各种 ECG 数据，并且通过将这些新生成的数据添加进入training data的方式来重现训练 LSTM 模型。研究最终发现，通过加入新生成的 ECG 数据，LSTM 模型训练出来的效果相比于只用真实数据训练出来的效果有了显著的提升。

论文链接：

http://www.kiraradinsky.com/files/ECG_GAN_generation_AAAI20.pdf

另外，我还将介绍两篇获奖论文。

Outstanding Paper：

A Distributed Multi-Sensor Machine Learning Approach to Earthquake Early Warning (IRISA & Rutgers University & University of Oregon)

本论文中，为了提高地震预警 [ Earthquake Early Warning (EEW) ] 系统的准确率，作者提出了一个分布式多传感器地震预警系统 [ Distributed Multi-Sensor Earthquake Early Warning (DMSEEW) ] 和一个全新的机器学习方法将不同传感器（GPS stations and seismometers）的数据相结合用来预测大中型地震。

本论文构建的系统采用 stacking ensemble 的方法。该方法将不同子模型（sub-model）的预测结果作为输入，并尝试通过将这些结果相结合进而生成更好的模型预测出来。

模型总共分为两步，第一步为每一种传感器训练一个 MTS（multivariate time series）分类器，本论文中采用的是 WEASEL+MUSE(Schafer and Leser 2017) MTS 分类器。第二步，将第一步中两种分类器预测的结果进行一个 bag-of-words 表示，并 normalize，之后用 1-nearest neighbor 的方法进行 combine prediction。

论文链接：

https://hal.archives-ouvertes.fr/hal-02373429v2/document

Outstanding Student Paper：

Fair Division of Mixed Divisible and Indivisible Goods (Nanyang Technological University & Tsinghua University & The University of Hong Kong)

该论文研究的是公平分配（fair division）的问题。现实中某些资源是可以分割的，有些资源是无法分割的，如何在可分割商品与不可分割的商品相混合的情况下实现对商品的公平分配就是一大问题。

本论文提出了一个 envy-freeness for mixed goods (EFM) 的算法来解决该问题，并证明了 EFM 对任意数量的 agents 始终有解。

EMF 算法如下：

论文链接：

https://arxiv.org/pdf/1911.07048.pdf

还有三篇获奖论文如下：

Classic Paper：

An Adversarial Winograd Schema Challenge at Scale (Allen Institute for Artificial Intelligence & University of Washington)

Honorable Moment：

A Unifying View on Individual Bounds and Heuristic Inaccuracies in Bidirectional Search (Riken AIP & University of Auckland)

Outstanding Student Paper Honorary Mention：

Lifelong Learning with a Changing Action Set (University of Massachusetts Amherst & Adobe Research)

作者 | 郭祥临