周志华当选IJCAI理事会主席，大陆学者54年来首次

南京大学人工智能学院院长周志华，当选新一届IJCAI（国际人工智能联合会议）理事会主席！

这一消息是在近日IJCAI 2023闭幕式上由现任理事会主席Christian Bessiere宣布，并将在他任期结束后“接棒”。

据悉，周志华将成为54年来，首位担任IJCAI这一职务的大陆学者。

而早在2017年，他在当选IJCAI 2021程序委员会主席时，也是首位解锁这一成就的大陆学者。

从全球范围来看，周志华则是继香港科技大学杨强教授之后，第二位担任IJCAI 理事会主席的华人学者。

当时，周志华也第一时间为杨强送上了祝贺：

IJCAI是国际人工智能领域创立最早的顶级国际会议。1969年创办以来，第一次由华人学者担任大会理事会主席，这是华人学者在国际人工智能领域的一大步。从‘捧场’，到‘跑龙套’，再到‘领衔主演’，非常之不易！

据了解，IJCAI理事会主席的任职内容主要包括每年的IJCAI会议相关事务、奖项评选、与国际各国的人工智能协会的协作以及AI Journal杂志的管理等组织日常运作事务等。

关于周志华

周志华分别于1996年6月、1998年6月和2000年12月于 南京大学计算机科学与技术系获学士、硕士和博士学位；现任南京大学计算机科学与技术系主任、人工智能学院院长。

在国际上与人工智能相关重要会议中，他是少数拿下Fellow“大满贯”的学者，包括：

美国计算机学会(ACM)、美国科学促进会(AAAS)、国际人工智能学会 (AAAI) 、国际电气电子工程师学会 (IEEE) 、国际模式识别学会 (IAPR)、国际工程技术学会 (IET/IEE) 、中国计算机学会(CCF)、中国人工智能学会(CAAI)、中国工业与应用数学学会(CSIAM) 等。

如此诸多的头衔和成就，离不开周志华在人工智能领域的造诣和突出贡献，正如中国计算机学会给出的评价：

推动了机器学习在中国发展和应用，提升了中国在人工智能领域的国际影响力。

周志华主要从事人工智能、机器学习、数据挖掘等领域的研究工作。在本领域一流国际期刊和顶级国际会议发表论文两百余篇，被引用八万余次。主编文集多部，获发明专利二十余项。

他所著的《机器学习》（西瓜书）一书也被众多计算机相关专业学子奉为入门宝典，并且还被翻译为英、日、韩文出版，被海内外500多院校用作教材。

IJCAI 2023奖项一览

除此之外，本届IJCAI的各大奖项也已出炉，我们不妨也一同回顾一下。

三篇杰出论文奖

本届IJCAI杰出论文奖共计三篇。

首先是来自谷歌DeepMind的研究Levin Tree Search with Context Models。

这篇论文主要介绍了一种名为Levin Tree Search（LTS）的搜索算法，该算法使用策略（概率分布的动作）作为搜索依据，并在达到目标节点前保证了扩展次数。

研究团队证明了神经网络可以被参数化的上下文模型替代，这种模型源自在线数据压缩文献，并且保证了在给定训练轨迹集合下，能获得最优的LTS损失策略，这是神经网络无法做到的。

此外，他们还提出了一种基于产品-of-experts的方法来组合多个上下文模型以产生最终的策略。

最后，他们尝试通过改进算法参数并从找到的解决方案中学习，最小化每个根节点找到解决方案节点前的扩展节点数量。

第二篇杰出论文是来自阿姆斯特丹大学和莱比锡大学等单位的SAT-Based PAC Learning of Description Logic Concepts。

这篇论文主要研究了基于DL的概念学习方法，特别是有界拟合(bounded fitting)的概念。研究团队指出，有界拟合算法与Occam算法密切相关，后者保证能找到小规模的假设。

此外，由于设计了受界限拟合范式约束的算法，因此泛化能力只依赖于1/δ、1/ε和待学习概念的大小。

文章还讨论了其他相关算法的泛化能力，并指出DL概念学习方法尚未得到正式的泛化保证。然后，作者介绍了基于SAT求解器的边界拟合，这使得DL系统的实际效率得以提高。

接下来，作者详细阐述了他们对ELHr和ELQ本体论以及在EL中形式化的描述逻辑的学习。他们证明了即使没有本体论，这些类型的算法在样本效率上也是低效的，即没有多项式的正负样本数量就无法实现PAC意义上的泛化。

最后，研究团队探讨了基于所谓的下限细化操作符(downward refinement operators)的所有已实现的DL学习系统所基于的操作符。他们提出了两个自然的操作符，并将它们与广度优先搜索策略结合使用。

第三篇杰出论文是来自鲁汶大学和斯泰伦博斯大学的Safe Reinforcement Learning via Probabilistic Logic Shields。

这篇论文主要关注通过概率逻辑程序实现的Probabilistic Logic Shields（PLS）。

PLS使用概率评估的安全模型，允许进行风险控制。它具有几个优点：真实的安全功能、更简单的模型。PLS使用一个只表示内部安全相关属性的安全模型，这比许多需要完整MDP的方法要求更少，这些方法通常需要完整的状态-动作对和奖励函数。

此外，PLS可以自动编译为可微结构，允许通过该方法优化单个损失函数并直接在策略中强制执行安全性。

IJCAI-JAIR 最佳论文奖

今年的IJCAI-JAIR 最佳论文奖颁给了由智利天主教大学、多伦多大学等单位展开的研究：Reward Machines：Exploiting Reward FunctionStructure in Reinforcement Learning。

这篇论文主要介绍了强化学习中利用奖励机器（Reward Machines）的概念和应用。

研究团队提出了一系列可以利用奖励机器内部结构提高采样效率的强化学习方法，包括使用奖励机器进行问题分解、塑造奖励函数以及结合反事实推理与离线策略学习来更快地学习策略等。

此外，团队还讨论了在何种条件下这些方法能保证收敛到最优策略，并通过实证研究展示了在离散和连续领域中利用奖励结构的价值。

AIJ 经典论文奖

AIJ经典论文奖颁给了IBM等单位发表于2002年的论文：Deep Blue。

本文介绍了Deep Blue计算机在国际象棋人机大战中的表现和背后的搜索算法。该计算机使用复杂的评估函数和并行搜索技术，在1997年击败了卡斯帕罗夫。

文章详细介绍了Deep Blue的硬件设计、搜索算法和评估函数，以及其在并行搜索实现和性能评估方面的挑战。

此外，文章还讨论了如何改进Deep Blue的搜索效率和评估的灵活性，并介绍了国际象棋评估系统中的各种规则和表格。Deep Blue对人工智能和计算机象棋领域的影响是深远的。

更多奖项可以浏览下方参考链接[4]。

参考链接： [1]https://twitter.com/IJCAIconf/status/1694989837697421765 [2]https://mp.weixin.qq.com/s/RRpptoKyw8j55zpVGlJnMg [3]https://cs.nju.edu.cn/zhouzh/zhouzh.files/resume_cn.htm [4]https://www.ijcai.org/awards