標籤:

人工智慧方面頂級會議(轉)

今天先談談AI裡面tier-1的conferences, 其實基本上就是AI裡面大家比較公認的

top conference. 下面同分的按字母序排列:

IJCAI (1+): AI最好的綜合性會議, 1969年開始, 每兩年開一次, 奇數年開. 因為AI

實在太大, 所以雖然每屆基本上能錄100多篇(現在已經到200多篇了),但分到每個

領域就沒幾篇了,象machine learning、computer vision這麼大的領域每次大概也

就10篇左右, 所以難度很大. 不過從錄用率上來看倒不太低,基本上20%左右, 因為內

行人都會掂掂分量, 沒希望的就別浪費reviewer的時間了. 最近中國大陸投往國際會

議的文章象潮水一樣, 而且因為國內很少有能自己把關的研究組, 所以很多會議都在

complain說中國的低質量文章嚴重妨礙了PC的工作效率. 在這種情況下, 估計這幾年

國際會議的錄用率都會降下去. 另外, 以前的IJCAI是沒有poster的, 03年開始, 為了

減少被誤殺的好人, 增加了2頁紙的poster.值得一提的是, IJCAI是由貌似一個公司

的"IJCAI Inc."主辦的(當然實際上並不是公司, 實際上是個基金會), 每次會議上要

發幾個獎, 其中最重要的兩個是IJCAI Research Excellence Award 和 Computer

& Thoughts Award, 前者是終身成就獎, 每次一個人, 基本上是AI的最高獎(有趣的

是, 以AI為主業拿圖靈獎的6位中, 有2位還沒得到這個獎), 後者是獎給35歲以下的

青年科學家, 每次一個人. 這兩個獎的獲獎演說是每次IJCAI的一個重頭戲.另外,

IJCAI 的 PC member 相當於其他會議的area chair, 權力很大, 因為是由PC member

去找 reviewer 來審, 而不象一般會議的PC member其實就是 reviewer. 為了制約

這種權力, IJCAI的審稿程序是每篇文章分配2位PC member, primary PC member去找

3位reviewer, second PC member 找一位.

AAAI (1): 美國人工智慧學會AAAI的年會. 是一個很好的會議, 但其檔次不穩定, 可

以給到1+, 也可以給到1-或者2+, 總的來說我給它"1". 這是因為它的開法完全受

IJCAI制約: 每年開, 但如果這一年的IJCAI在北美舉行, 那麼就停開. 所以, 偶數年

里因為沒有IJCAI, 它就是最好的AI綜合性會議, 但因為號召力畢竟比IJCAI要小一些,

特別是歐洲人捧AAAI場的比IJCAI少得多(其實亞洲人也是), 所以比IJCAI還是要稍弱

一點, 基本上在1和1+之間; 在奇數年, 如果IJCAI不在北美, AAAI自然就變成了比

IJCAI低一級的會議(1-或2+), 例如2005年既有IJCAI又有AAAI, 兩個會議就進行了協

調, 使得IJCAI的錄用通知時間比AAAI的deadline早那麼幾天, 這樣IJCAI落選的文章

可以投往AAAI.在審稿時IJCAI 的 PC chair也在一直催, 說大家一定要快, 因為AAAI

那邊一直在擔心IJCAI的錄用通知出晚了AAAI就麻煩了.

COLT (1): 這是計算學習理論最好的會議, ACM主辦, 每年舉行. 計算學習理論基本上

可以看成理論計算機科學和機器學習的交叉, 所以這個會被一些人看成是理論計算

機科學的會而不是AI的會. 我一個朋友用一句話對它進行了精彩的刻畫: "一小群數

學家在開會". 因為COLT的領域比較小, 所以每年會議基本上都是那些人. 這裡順便

提一件有趣的事, 因為最近國內搞的會議太多太濫, 而且很多會議都是LNCS/LNAI出

論文集, LNCS/LNAI基本上已經被搞臭了, 但很不幸的是, LNCS/LNAI中有一些很好的

會議, 例如COLT.

CVPR (1): 計算機視覺和模式識別方面最好的會議之一, IEEE主辦, 每年舉行. 雖然題

目上有計算機視覺, 但個人認為它的模式識別味道更重一些. 事實上它應該是模式識

別最好的會議, 而在計算機視覺方面, 還有ICCV與之相當. IEEE一直有個傾向, 要把

會辦成"盛會", 歷史上已經有些會被它從quality很好的會辦成"盛會"了. CVPR搞不好

也要走這條路. 這幾年錄的文章已經不少了. 最近負責CVPR會議的TC的chair發信

說, 對這個community來說, 讓好人被誤殺比被壞人漏網更糟糕, 所以我們是不是要減

少好人被誤殺的機會啊? 所以我估計明年或者後年的CVPR就要擴招了.

ICCV (1): 介紹CVPR的時候說過了, 計算機視覺方面最好的會之一. IEEE主辦, 每年舉行.

ICML (1): 機器學習方面最好的會議之一. 現在是IMLS主辦, 每年舉行. 參見關於NIPS的

介紹.

NIPS (1): 神經計算方面最好的會議之一, NIPS主辦, 每年舉行. 值得注意的是, 這個會

每年的舉辦地都是一樣的, 以前是美國丹佛, 現在是加拿大溫哥華; 而且它是年底開會,

會開完後第2年才出論文集, 也就是說, NIPS05的論文集是06年出. 會議的名字是

"Advances in Neural Information Processing Systems", 所以, 與ICMLECML這樣

的"標準的"機器學習會議不同, NIPS里有相當一部分神經科學的內容, 和機器學習有

一定的距離. 但由於會議的主體內容是機器學習, 或者說與機器學習關係緊密, 所以

不少人把NIPS看成是機器學習方面最好的會議之一. 這個會議基本上控制在Michael

Jordan的徒子徒孫手中, 所以對Jordan系的人來說, 發NIPS並不是難事, 一些未必很

強的工作也能發上去, 但對這個圈子之外的人來說, 想發一篇實在很難, 因為留給"外

人"的口子很小. 所以對Jordan系以外的人來說, 發NIPS的難度比ICML更大. 換句話說,

ICML比較開放, 小圈子的影響不象NIPS那麼大, 所以北美和歐洲人都認, 而NIPS則有

些人(特別是一些歐洲人, 包括一些大家)堅決不投稿. 這對會議本身當然並不是好事,

但因為Jordan系很強大, 所以它似乎也不太care. 最近IMLS(國際機器學習學會)改選

理事, 有資格提名的人包括近三年在ICMLECMLCOLT發過文章的人, NIPS則被排除在

外了. 無論如何, 這是一個非常好的會.

ACL (1-): 計算語言學/自然語言處理方面最好的會議, ACL (Association of

Computational Linguistics) 主辦, 每年開.

KR (1-): 知識表示和推理方面最好的會議之一, 實際上也是傳統AI(即基於邏輯的AI)

最好的會議之一. KR Inc.主辦, 現在是偶數年開.

SIGIR (1-): 信息檢索方面最好的會議, ACM主辦, 每年開. 這個會現在小圈子氣越來

越重. 信息檢索應該不算AI, 不過因為這裡面用到機器學習越來越多, 最近幾年甚至

有點機器學習應用會議的味道了, 所以把它也列進來.

SIGKDD (1-): 數據挖掘方面最好的會議, ACM主辦, 每年開. 這個會議歷史比較短,

畢竟, 與其他領域相比,數據挖掘還只是個小弟弟甚至小侄兒. 在幾年前還很難把它列

在tier-1裡面, 一方面是名聲遠不及其他的top conference響亮, 另一方面是相對容易

被錄用. 但現在它被列在tier-1應該是毫無疑問的事情了.

另: 參見sir和lucky的介紹.

UAI (1-): 名字叫"人工智慧中的不確定性", 涉及表示推理學習等很多方面, AUAI

(Association of UAI) 主辦, 每年開.

tier-2的會議列得不全, 我熟悉的領域比較全一些.

AAMAS (2+): agent方面最好的會議. 但是現在agent已經是一個一般性的概念,

幾乎所有AI有關的會議上都有這方面的內容, 所以AAMAS下降的趨勢非常明顯.

ECCV (2+): 計算機視覺方面僅次於ICCV的會議, 因為這個領域發展很快, 有可能

升級到1-去.

ECML (2+): 機器學習方面僅次於ICML的會議, 歐洲人極力捧場, 一些人認為它已

經是1-了. 我保守一點, 仍然把它放在2+. 因為機器學習發展很快, 這個會議

的reputation上升非常明顯.

ICDM (2+): 數據挖掘方面僅次於SIGKDD的會議, 目前和SDM相當. 這個會只有5年

歷史, 上升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現在已經拉開很大

距離了.

SDM (2+): 數據挖掘方面僅次於SIGKDD的會議, 目前和ICDM相當. SIAM的底子很厚,

但在CS裡面的影響比ACM和IEEE還是要小, SDM眼看著要被ICDM超過了, 但至少

目前還是相當的.

ICAPS (2): 人工智慧規劃方面最好的會議, 是由以前的國際和歐洲規劃會議合併

來的. 因為這個領域逐漸變冷清, 影響比以前已經小了.

ICCBR (2): Case-Based Reasoning方面最好的會議. 因為領域不太大, 而且一直

半冷不熱, 所以總是停留在2上.

COLLING (2): 計算語言學/自然語言處理方面僅次於ACL的會, 但與ACL的差距比

ICCV-ECCV和ICML-ECML大得多.

ECAI (2): 歐洲的人工智慧綜合型會議, 歷史很久, 但因為有IJCAI/AAAI壓著,

很難往上升.

ALT (2-): 有點象COLT的tier-2版, 但因為搞計算學習理論的人沒多少, 做得好

的數來數去就那麼些group, 基本上到COLT去了, 所以ALT裡面有不少並非計算

學習理論的內容.

EMNLP (2-): 計算語言學/自然語言處理方面一個不錯的會. 有些人認為與COLLING

相當, 但我覺得它還是要弱一點.

ILP (2-): 歸納邏輯程序設計方面最好的會議. 但因為很多其他會議里都有ILP方面

的內容, 所以它只能保住2-的位置了.

PKDD (2-): 歐洲的數據挖掘會議, 目前在數據挖掘會議裡面排第4. 歐洲人很想把

它抬起來, 所以這些年一直和ECML一起捆綁著開, 希望能借ECML把它帶起來.

但因為ICDM和SDM, 這已經不太可能了. 所以今年的PKDD和ECML雖然還是一起開,

但已經獨立審稿了(以前是可以同時投兩個會, 作者可以聲明優先被哪個會考慮,

如果ECML中不了還可以被PKDD接受).

列得很不全. 另外, 因為AI的相關會議非常多, 所以能列在tier-3也算不錯了, 基本上能

進到所有AI會議中的前30%吧

ACCV (3+): 亞洲的計算機視覺會議, 在亞太級別的會議里算很好的了.

DS (3+): 日本人發起的一個接近數據挖掘的會議.

ECIR (3+): 歐洲的信息檢索會議, 前幾年還只是英國的信息檢索會議.

ICTAI (3+): IEEE最主要的人工智慧會議, 偏應用, 是被IEEE辦爛的一個典型. 以前的

quality還是不錯的, 但是辦得越久聲譽反倒越差了, 糟糕的是似乎還在繼續下滑, 現在

其實3+已經不太呆得住了.

PAKDD (3+): 亞太數據挖掘會議, 目前在數據挖掘會議里排第5.

ICANN (3+): 歐洲的神經網路會議, 從quality來說是神經網路會議中最好的, 但這個領域

的人不重視會議,在該領域它的重要性不如IJCNN.

AJCAI (3): 澳大利亞的綜合型人工智慧會議, 在國家/地區級AI會議中算不錯的了.

CAI (3): 加拿大的綜合型人工智慧會議, 在國家/地區級AI會議中算不錯的了.

CEC (3): 進化計算方面最重要的會議之一, 盛會型. IJCNN/CEC/FUZZ-IEEE這三個會議是

計算智能或者說軟計算方面最重要的會議, 它們經常一起開, 這時就叫WCCI (World

Congress on Computational Intelligence). 但這個領域和CS其他分支不太一樣, 倒是和

其他學科相似, 只重視journal, 不重視會議, 所以錄用率經常在85%左右, 所錄文章既有

quality非常高的論文, 也有入門新手的習作.

FUZZ-IEEE (3): 模糊方面最重要的會議, 盛會型, 參見CEC的介紹.

GECCO (3): 進化計算方面最重要的會議之一, 與CEC相當,盛會型.

ICASSP (3): 語音方面最重要的會議之一, 這個領域的人也不很care會議.

ICIP (3): 圖像處理方面最著名的會議之一, 盛會型.

ICPR (3): 模式識別方面最著名的會議之一, 盛會型.

IEA/AIE (3): 人工智慧應用會議. 一般的會議提名優秀論文的通常只有幾篇文章, 被提名

就已經是很高的榮譽了, 這個會很有趣, 每次都搞1、20篇的優秀論文提名, 專門搞幾個

session做被提名論文報告, 倒是很熱鬧.

IJCNN (3): 神經網路方面最重要的會議, 盛會型, 參見CEC的介紹.

IJNLP (3): 計算語言學/自然語言處理方面比較著名的一個會議.

PRICAI (3): 亞太綜合型人工智慧會議, 雖然歷史不算短了, 但因為比它好或者相當的綜

合型會議太多, 所以很難上升.
推薦閱讀:

浪潮:隱形的人工智慧巨頭
SKlearn機器學習入門(6集成模型(分類))
絕對是行李箱中的特斯拉,自動行走,自動避障!
你定好新年工作計划了嗎?再談談AI對我們工作的影響
裝上AI大腦的無人機要當以機制機,還得在這三方面下功夫

TAG:人工智慧 |