编译：文强 胡祥杰 零夏

AI复始，万象更新 ！

新智元祝广大订户鸡年大吉！

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】正在大洋彼岸举行的 AAAI -17公布了本年度的最佳论文，一篇从物理研究中获得启发的论文获得大奖，论文引入了一种新的神经网络监督学习方法，在没有任何带标签的训练样本的情况下，成功训练出一个卷积神经网络来检测和跟踪对象。另外，本届大会的其他10项大奖也同时公布。据统计，本届大会接收了700多篇论文，其中半数以上有华人参与。本文带来大会奖项的详细介绍，并盘点了大会上的“中国元素”：包括新入选的华人 Fellow 以及中国企业，比如百度和腾讯的表现。

　　人工智能界年度顶级会议 AAAI 2017，暨第31届 AAAI 大会 2月4日在美国旧金山举行，会议围绕人工智能的研究与发展，开展多场演讲、课程讲座、Workshop等多种形式的活动，吸引了世界各地的人工智能精英参加。

　　AAAI 成立于 1979 年，最初名为“美国人工智能协会” （American Association for Artificial Intelligence），2007 年才正式更名为“人工智能促进协会” （Association for the Advancement of Artificial Intelligence ）。

　　据不完全统计，本届AAAI 大会共接收了近700多篇学术论文。在官方公布的程序手册中，可以看到，有两篇论文被评为最佳论文，其中一篇为学生论文。

　　在新智元微信公众号回复170206，可下载两篇最佳论文。

　　最佳论文关键词：不带标签的监督学习以及时间抽象

　　本届AAAI 大会共评出两篇最佳论文（Outstanding Paper），包括一篇最佳学生论文。其中最佳论文的荣誉归属于来自斯坦福大学计算机科学系的Russell Stewart、Stefano Drmon，他们的论文《用物理和特定领域知识让神经网络进行不带标签的监督学习》（

　　Label-Free Supervision of Neural Networks with Physics and Domain Knowledge），采用物理学领域的启发进行AI研究，这一思路与最近圈内讨论得很多的AI研究趋势不谋而合。

　　| 最佳论文 |

　　用物理和特定领域知识让神经网络进行不带标签的监督学习

　　作者： Russell Stewart、Stefano Drmon

　　来自：斯坦福大学计算机科学系

　　摘要

　　在许多机器学习应用中，带标签的数据数量稀少，要获得更多的标签造价昂贵。我们引入了一种新的神经网络监督学习方法，不是直接给出输入-输出对的直接示例，而是指定在输出空间上能够成立的约束。这些约束来源于先前的特定领域知识（domain knowledge），如已知物理定律。我们展示了这种方法在真实世界和模拟计算机视觉任务上的有效性。使用这种方法，我们在没有任何带标签的训练样本的情况下，成功训练了一个卷积神经网络来检测和跟踪对象。

　　| 最佳学生论文 |

　　Option-Critic结构

　　作者：Pierre-Luc Bacon、Jean Harb、Doina Precup

　　来自McGill大学计算机科学系推理和学习实验室

　　摘要

　　时间抽象（temporal abstraction）是增强学习中对学习和规划进行扩展（scaling up）的关键。虽然我们对在时间上延伸（temporally extended）的动作进行规划有很好的理解，但从数据中自动创建这样的抽象仍然十分具有挑战性。我们在 options 框架中处理这个问题[Sutton，Precup＆Singh，1999; Precup，2000]。我们为 option 得出了策略梯度定理，并提出了一个新的 option-critic 结构，该结构能够在与 policy over option 串联的情况下，同时学会选择期权的内部策略和终止条件，并且不需要提供任何额外的奖励或子目标。在离散和连续环境中的实验结果显示了该框架的灵活和高效。

　　其他10项大奖

　　1. 资深会员奖

　　AAAI 资深会员奖授予长期参与 AAAI 并有所成绩的会员。2017年新晋资深会员如下：

Alessandro Cimatti (Fondazione Bruno Kessler, Italy)

Xuelong Li (中国科学院)

Nathan Sturtevant (University of Denver, USA)

　　2. 经典论文奖