回顾AAAI 2024：窥见AI未来之路

今年的 AI 顶会 AAAI 人工智能大会（AAAI 2024 : The 38th Annual AAAI Conference on Artificial Intelligence）在加拿大温哥华举办。在此次大会期间，人工智能领域的研究人员、从业者、科学家、学生和工程师齐聚一堂，展示了他们的研究成果，并进行了学术交流。同时，多个重要论文奖项也在大会上揭晓，为进一步推动该领域的探索和研究注入了新的动力。

本文将介绍这些获奖作品，探究它们的研究方向以及与我们生活息息相关的人工智能应用领域。

Outstanding Paper Award(杰出论文奖)

1️⃣GxVAEs: Two Joint VAEs Generate Hit Molecules from Gene Expression Profiles

该论文提出一种新型深度生成模型 GxVAEs，利用两个联合变异自动编码器（VAEs）从基因表达谱中生成类命中分子。第一个 VAE（ProfileVAE）从基因表达谱中提取潜在特征。提取的特征是指导第二个 VAE（称为 MolVAE）生成类命中分子的条件。GxVAE 在分子生成和生物系统的细胞环境之间架起了一座桥梁，并生成对特定疾病有生物学意义的分子。生成治疗分子的实验和案例研究表明，GxVAEs 优于目前最先进的基线，能生成具有潜在生物活性和类药物特性的类靶分子。可以根据患者的疾病特征成功生成对各种疾病具有治疗效果的潜在分子结构。

• 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/29248

2️⃣Reliable Conflictive Multi-view Learning

该论文来自西安电子科技大学，第一作者徐偲副教授、通信作者赵伟教授。

论文针对 RCML 问题提出 Evidential Conflictive Multiview Learning (ECML)，通过可信地聚合冲突多模态数据，能够在提升决策性能的同时，可靠地度量决策置信度，并从理论上证明了 ECML 能够量化冲突模态带来的负面影响。并在六个真实世界数据集上的实验结果证实了 ECML 的有效性。

• 论文链接：https://arxiv.org/abs/2402.16897

• 代码链接：https://github.com/jiajunsi/RCML

3️⃣Proportional Aggregation of Preferences for Sequential Decision Making

该论文研究的是给定选民偏好的公平顺序决策问题，并证明在基于用户偏好的顺序决策问题中，简单的多项式时间投票规则可以提供强有力的比例保证。

• 论文链接：https://arxiv.org/abs/2306.14858

Best Paper Award(Social Impact)

4️⃣DISCount: Counting in Large Image Collections with Detector-Based Importance Sampling

该工作提出 DISCount，一种基于检测器的重要性采样框架，用在大型图像集合中进行计数，将不完善的检测器与人机回环筛选整合在一起，以产生无偏的计数估计值。提出使用少量筛选样本解决多个空间或时间区域的计数问题，并估计置信区间。开发了基于控制变量的方差缩小技术，并证明了估计器的（条件）无偏性。

与基于协变量的方法相比，该方法能产生无偏估计值和置信区间，误差更小。DISCOUNT 的标注成本比普通筛选降低了 9-12 倍，比 IS-Count 降低了 6-8 倍。

• 论文链接：https://arxiv.org/abs/2306.03151

Honorable Mention

5️⃣Nowcasting Temporal Trends Using Indirect Surveys

该工作提出 latent graph formulation，可以证明间接调查的预期响应与隐藏人口的规模成正比；在 latent graph degree 方差的合理上限内，样本数量相同的情况下，间接调查比直接调查能更好地估计隐藏人群；利用底层时间动态的平滑性来证明加权移动平均数比一系列单独估计值提供更好的估计值。

并通过大量模拟证明，上述方法优于传统的 NSUM 和直接调查方法。以及在 COVID-19 病例的真实间接调查数据集上实证该方法的优越性。

• 论文链接：https://arxiv.org/abs/2307.06643

Best Student Paper(Social Impact)

6️⃣Scaling Up Pareto Optimization for Tree Structures with Affine Transformations: Evaluating Hybrid Floating Solar-Hydropower Systems in the Amazon

该工作研究了将水电与浮动光伏太阳能板（FPV）相结合的创新策略。为了解决可扩展性挑战，对树状网络中  Pareto frontiers（帕累托前沿）的最新算法（Gomes-Selman等人，2018）提出了三项改进，同时保持了确切帕累托前沿算法和FPTAS的相同最优性保证。并通过在亚马逊河流域的两个应用案例中验证该方法。

三个改进：

1. 提供一种新的扩展多树网络形式，可以考虑多个水坝配置。

2. 将节点的子前沿合并问题制定为一个保持帕累托最优性的仿射变换，从而实现了高效的支配检查。

3. 不同于之前的静态顺序方法，根据一个排名启发式动态选择成对加入的子节点。

与之前的算法相比，本次工作成果能在更短的时间内识别出更好的能源组合，为相关方的决策提供有价值的见解。希望该研究能促进在这一领域的进一步探索和研究，鼓励研究人员和有关各方深入研究水电站大坝与光伏发电相结合的潜力，以实现可持续和高效的能源解决方案。

• 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30210

Honorable Mention

7️⃣Is My Prediction Arbitrary? The Confounding Effects of Variance in Fair Classification Benchmarks(Arbitrariness and Social Prediction: The Confounding Role of Variance in Fair Classification)

该工作针对公平性的可重复性和可靠性这个严肃问题作了以下贡献：

1. 从方差中定义一种称为自洽性的指标，用它来衡量和减少任意性；

2. 开发一种集合算法，在预测是任意的情况下放弃分类；

3. 对方差（相对于自洽性和任意性）在公平二元分类中的作用进行迄今为止最大规模的实证研究；

4. 发布一个工具包，使美国《住房抵押贷款披露法案》（HMDA）数据集能方便地用于未来的研究。

• 论文链接：https://arxiv.org/abs/2301.11562

• 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30203

Student Abstract Program Awards

8️⃣JoLT: Jointly Learned Representations of Language and Time-Series for Clinical Time-series Interpretation

该工作提出 JoLT(Jointly Learned Representations of Language and Time-series)，利用 Querying Transformer (Q-Former)来对齐时间序列和文本表示，生成文本。在一个大型真实的心电图数据集上进行的医疗时间序列总结的实验表明，JoLT 的性能优于最先进的图像字幕方法。

• 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30423

9️⃣Strategic Recommendation: Revenue Optimal Matching for Online Platforms

该工作针对买家和卖家之间可能的交易关系进行建模，分析平台如何战略性地将买家与卖家匹配，以最大化其收入。

• 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30432

Best Demonstration Award(最佳演示奖)

1️⃣0️⃣Expressive and Flexible Simulation of Information Spread Strategies in Social Networks Using Planning

本项工作可以利用规划对舆论演变和战略干预进行详细模拟。所提出框架旨在加强人类与人工智能的合作，支持制定战略，以促进对网络中舆论演变的深入理解和知情参与。该作品从 30 个演示作品中脱颖而出，而这些演示作品又是从 97 个提交作品中精选出来的。

• 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/30576

随着科技的不断发展，人工智能已经渗透到我们生活的方方面面。如在医疗、能源的可持续发展、买卖交易等领域，AI 的应用使得我们的生活更加便捷与智能。

大会交流虽已落幕，但 AI 发展的脚步永不停歇。作为人类智慧的结晶，AI 持续推动着科技的前沿。未来，我们可以期待着更多突破性的应用，将 AI 技术融入到更多领域，为人类带来更多实际的利益和改变。

同样，趋动云作为算力服务商，也将持续为科研发展带来卓越的计算资源和服务，一同探索 AI 的发展之路。

趋动云连接算力・连接人

注册即领
70元算力金

做新手任务
再得230元算力金

▼HOT 趋动云火热注册中！点击 “阅读原文” 即可尝鲜~