编辑：陈萍、杜伟
国际人工智能联合会议（IJCAI）是 AI 领域中顶级学术会议之一，首届大会于 1969 年在加利福尼亚举办，之后每两年召开一次。从 2016 年开始 IJCAI 变为每年举行一次。今年 IJCAI-23 于 8 月 19 日至 25 日在澳门举行，所有干系奖项已经公布。
2023 IJCAI 论文吸收情形如下，个中择要提交 5120 篇、完全论文提交 4566 篇，终极吸收了 643 篇，吸收率约为 14%，相较去年的 15% 又有所低落。
下图为基于关键词的提交和吸收论文情形，可以看到，机器学习和打算机视觉领域提交和吸收的论文数量最多。
精彩论文奖（Distinguished Papers）
IJCAI 今年评比出了三篇精彩论文奖，获奖机构包括 Google DeepMind 、阿尔伯塔大学、阿姆斯特丹大学 、莱比锡大学等机构。
论文 1《Levin Tree Search with Context Models》
论文地址：https://www.ijcai.org/proceedings/2023/0624.pdf
作者：Laurent Orseau 、 Marcus Hutter 、 Levi H. S. Lelis
机构：Google DeepMind 、阿尔伯塔大学
择要：Levin 树搜索 (LTS) 是一种利用策略（动作的概率分布）的搜索算法，并供应了在达到目标节点之提高行多少扩展的理论担保（guarantee），这取决于策略的质量。这种担保可以看作丢失函数，研究者将其称之为 LTS 丢失，从而用来优化表示策略的神经网络（LTS+NN）。
本文展示了神经网络可以更换成从在线压缩文献中产生参数化的高下文模型（LTS+CM）。本文表明， 在这个新模型下 LTS 丢失是凸的，它许可利用标准的凸优化工具，并且在给定的一组解轨迹的在线设置中得到了最优参数的收敛担保 —— 这是神经网络无法供应的担保。
新的 LTS+CM 算法在几个基准上优于 LTS+NN，包括 Sokoban (Boxoban)、The Witness、STP（the 24-Sliding Tile puzzle）基准。
在 STP 基准上的结果表明，两者的差异非常大，即 LTS+NN 无法办理大多数测试实例，而 LTS+CM 在不到一秒内就办理了每个测试实例。此外，LTS+CM 能够学习办理魔方策略，只须要几百个扩展，从而大大改进了之前的机器学习方法。
下表为带有 Budgeted LTS 的高下文模型：
论文 2《SAT-Based PAC Learning of Description Logic Concepts》
论文地址：https://www.ijcai.org/proceedings/2023/0373.pdf
作者：Balder ten Cate 、Maurice Funk、Jean Christoph Jung、Carsten Lutz
机构：阿姆斯特丹大学 、莱比锡大学等
择要：在知识表示中，知识库 (KB) 的手动管理既耗时又昂贵，这使得基于学习的知识获取方法成为一种有吸引力的替代方案。
本文提出了 SPELL，这是一个基于 SAT 的系统，可不才实现的有界拟合。
本文在多个数据集上评估了 SPELL，结果表明 SPELL 的运行韶光险些总是显著低于 ELTL（EL tree learner）。这意味着 SPELL 可以学习比 ELTL 更大的目标查询。本文还剖析了两种方法的相对上风和劣势，确定个中一种系统的性能明显优于另一种系统的输入种别。末了，本文进行了关于泛化的初步实验，表明两个别系都可以很好地泛化到看不见的数据，纵然是在非常小的样本上。
下图为 SPELL、ELTL 一些比较结果：
论文 3《Safe Reinforcement Learning via Probabilistic Logic Shields》
论文地址：https://www.ijcai.org/proceedings/2023/0637.pdf
作者：Wen-Chi Yang 、 Giuseppe Marra 、 Gavin Rens 、 Luc De Raedt
机构：鲁汶大学、斯泰伦博斯大学
择要：安全强化学习（Safe RL）旨在保持安全的同时学习最优策略，它的一种盛行办理方案是屏蔽，利用逻辑安全规范来防止 RL 智能体采纳危险的行动。不过，传统的屏蔽技能很难与连续、端到真个深度 RL 方法集成。
研究者提出了概率逻辑策略梯度（Probabilistic Logic Policy Gradient, PLPG），它是一种基于模型的安全 RL 技能，利用概率逻辑编程将逻辑安全约束建模为可微函数。因此，PLPG 可以无缝地运用于任何策略梯度算法，还能供应相同的收敛担保。下图 1 为概率逻辑屏蔽的示例。
实验表明，与其他 SOTA 屏蔽技能比较，PLPG 可以学习更安全、更有代价的策略。
论文一作 Wen-Chi Yang 为鲁汶大学 DTAI 研究团队的博士，致力于通过形式化验证与机器学习的结合，来提升安全约束可知足性。她还特殊对智能体利用背景知识来安全地学习和探索感兴趣。本科毕业于台湾交通大学，之后进入鲁汶大学攻读硕士和博士学位（均为打算机科学）。
个人主页：https://wenchiyang.github.io/
AIJ 奖
AIJ 的全称为 Artificial Intelligence Journal，即《人工智能期刊》，始建于 1970 年，是人工智能研究领域的顶级学术期刊，具有公认的威信性与有名性。
AIJ 突出论文奖
2023 年 AIJ 突出论文奖付与 José Camacho-Collados、Mohammad Taher Pilehvar、Roberto Navigli 合著的论文《Nasari: Integrating explicit knowledge and corpus statistics for a multilingual representation of concepts and entities》。该论文揭橥于 2016 年。
论文地址：https://www.sciencedirect.com/science/article/pii/S0004370216300820
择要：语义表征被认为是 NLP 和 AI 研究中最基本的内容，其在过去几十年中一贯是词汇语义学的主要研究领域。然而，由于缺少大型的语义标注语料库，大多数现有的表征技能仅限于词汇层面，因此无法有效地运用于单个单词的语义。
本文提出了一种新的多措辞向量表征，称为 Nasari，它不仅能够准确地表征不同措辞的词义，而且与现有方法比较存在两个优点：
高覆盖率，包括观点和命名实体；
跨措辞和措辞级别（即单词、意义和观点）的可比性。
此外，Nasari 表征很灵巧，可以运用于多种运用程序，并且可以在网站上免费得到。该研究在四个不同任务上进行评估，即单词相似度、语义聚类、域标记和词义消歧，结果显示，Nasari 表征在所有任务上表现 SOTA。
下表为统一向量布局方法：
AIJ 经典论文奖
今年的 AIJ 经典论文奖颁给了关于超级打算机深蓝的论文《Deep Blue》。该论文揭橥于 2002 年。
作者：Murray Campbell、A. Joseph Hoane Jr.、Feng-hsiung Hsu
机构：IBM T.J. 沃森研究中央、Sandbridge Technologies、Compaq
论文地址：https://core.ac.uk/download/pdf/82416379.pdf
择要：深蓝（Deep Blue）是由 IBM 开拓的专门用以剖析国际象棋的超级打算机。其在 1997 年的六场比赛中击败了当时的天下象棋冠军加里・卡斯帕罗夫。匆匆成这一成功的成分有很多，包括：
单芯片国际象棋搜索引擎；
具有多层并行性的大规模并行系统；
搜索扩展；
繁芜评价函数；
有效地利用 Grandmaster 游戏数据库。
本文描述了深蓝系统，并给出了深蓝背后设计决策的一些基本事理。如下为 dual credit 算法。
IJCAI-JAIR 最佳论文奖
自 2003 年起，IJCAI-JAIR 最佳论文奖每年从最近 5 年揭橥在 JAIR 的论文中评比并表彰一篇精彩论文。评审的标准基于论文的主要性和 presentation 的质量。
2023 年的 IJCAI-JAIR 最佳论文奖付与了论文《Reward Machines: Exploiting Reward Function Structure in Reinforcement Learning》，作者来自智利天主教大学、加拿大 AI 研究机构 Vector Institute、多伦多大学等。
论文地址：https://jair.org/index.php/jair/article/view/12440
此前，2023 IJCAI 的「Donald E. Walker 精彩做事奖」付与了喷鼻香港科技大学讲座教授杨强，以表彰其对 IJCAI 组织和全体人工智能领域的精彩贡献。他也成为了该奖项设置以来首位获奖的华人科学家。
参考链接：https://www.ijcai.org/awards
