机器学习顶会ICML该关注什么?
单身寄居蟹 发布于2018-08-14 11:17 浏览:195 回复:0
0
收藏

想不到,英国警察局的人脸识别系统竟然患上了某种“隐疾”。

昨天,在伦敦议会听证会上,大都会警察局局长Cressida Dick透露出,本地警察局部署的人脸识别系统的效果惊人——

准确率达到了2%!

也就是说,在一次识别中,98%的嫌疑犯都为误判。不瞒您说,英国人脸识别系统患上的正是致命的脸盲症啊……

对于这样看起惨不忍睹到无眼看的识别结果,英国警察表示很,满,意。

Excuse me ?没听错吧?

 

寒心的数据
从去年开始,英国警方开始使用自动面部识别技术(AFR)辅助搜捕。重点开展此项任务的警方有两处,一是大都会警察局,二是南威尔士警察局。

他们把这项技术部署在人多嘈杂的公共区域,包括音乐会、足球比赛等大型集体活动场地中。通过移动的摄像机扫描人群捕捉人像,之后将这些图像与想要抓捕的逃犯照片相匹配。

之后只需对比出结果,相似度高的,不就是get的逃犯么,完美。

 

然鹅!现实的数据异常骨感,如同大型打脸现场——

去年6月的欧冠联赛上,当南威尔士警方的人脸识别相机首次应用时,系统发出了2470次警报。也就是说,在这场球赛中每隔三秒就会提示嫌犯来了,系统的努力程度着实令人感动。

这几天,吃瓜群众心系莫斯科,机器学习研究者们的目光,飘向了更靠北的斯德哥尔摩。

 

△ Twitter @AmandaPapp4AI
机器学习顶会ICML 2018马上就要开始了。部分圈内人士已经聚集在瑞典首都斯德哥尔摩,欣赏着晚上9点多的日落;也有一些研究者,正在赶往斯德哥尔摩的路上。

当然,无论国内国外,更多的人都和你我一样,在远程关注。

盛会信息量巨大,最值得关注的有哪些呢?

量子位根据在Twitter、Reddit、微博等国内外社区的观察,整理了一些不容错过的信息。

读Paper才是要紧事
就算你没有中Paper,ICML这种盛会,总有论文值得一读。

首先,这次会议的论文集PMLR v80已经出炉了,收录了从2473篇投稿中选出的全部621篇论文。

 

论文集地址:
http://proceedings.mlr.press/v80/

这里有所有论文的PDF和补充资料,数量众多,全部读完当然不太可能,还是要根据自己的研究方向,各取所需。

不过几篇官方认定的获奖论文,倒是值得特别关注一下。

最佳论文奖(Best Paper Awards)2篇,都与机器学习的安全问题有关:

Obfuscated Gradients Give a False Sense of Security: Circumventing Defenses to Adversarial Examples
Anish Athalye (MIT), Nicholas Carlini (UC Berkeley), David Wagner(UC Berkeley)
论文:http://proceedings.mlr.press/v80/athalye18a.html
代码:https://arxiv.org/abs/1802.00420

这篇论文早在今年2月就引起了轰动。当时,ICLR 2018接收论文列表刚刚公布,一作小哥哥Athalye说,ICLR录用的对抗样本防御论文,他们的模型攻破了7/8。

 

他所说的现象,就是这篇获奖论文所得“混淆梯度(Obfuscated Gradients)”。

Delayed Impact of Fair Machine Learning
Lydia Liu, Sarah Dean, Esther Rolf, Max Simchowitz, Moritz Hardt
(几位作者都来自UC Berkeley)
http://proceedings.mlr.press/v80/liu18c.html

这篇论文所研究的是机器学习静态公平性标准的长期影响。

最佳论文亚军(Best Paper Runner Up Awards)3篇:

The Mechanics of n-Player Differentiable Games
David Balduzzi, Sebastien Racaniere, James Martens, Jakob Foerster, Karl Tuyls, Thore Graepel
(作者来自DeepMind、哈佛大学)
http://proceedings.mlr.press/v80/balduzzi18a.html

Near Optimal Frequent Directions for Sketching Dense and Sparse Matrices
Zengfeng Huang(复旦大学)
http://proceedings.mlr.press/v80/huang18a.html

Fairness Without Demographics in Repeated Loss Minimization
Tatsunori Hashimoto, Megha Srivastava, Hongseok Namkoong, Percy Liang(斯坦福)
http://proceedings.mlr.press/v80/hashimoto18a.html

时间检验奖(Test Of Time Award)1篇:

A Unified Architecture for Natural Language
Processing: Deep Neural Networks with
Multitask Learning (from 2008)
Ronan Collobert and Jason Weston
https://ronan.collobert.com/pub/matos/2008_nlp_icml.pdf

“大怼之日”
除了顶会的核心——论文之外,今年ICML有一个Workshop格外受关注。

 

这次会议的7月15日可谓“大怼之日”,当天,有一场名叫Machine Learning: The Great Debates的Workshop要举办,简称MLGD2018。

参加Workshop的辩手,有通过提交论文入选的,也有主办方邀请的。斯坦福大学教授Percy Liang、最爱参加辩论的纽约大学教授Gary Marcus等都在其中。

大怼之日有4个要怼的辩题,每个话题都有两名正方、两名反方。这些辩题分别是:

关于严格:

严格程度的提高将加速该领域的进展,我们可能实施的增强严谨性的做法并不会对其他价值造成过度折衷。

关于安全:

当前机器学习系统的漏洞非常严重,我们不应允许它们在实际环境中进行一般部署。

关于公平性:

为了有效地解决公平问题,机器学习社区不能减少对技术问题的公平性。 相反,它必须越来越明确地进行广泛的制度变革,注意技术本身的政治影响。

关于深度学习:

目前和可预见的深度学习方法具有固有的局限性,如果没有其他技术做辅助,它提升机器智能的能力有天花板。

这里,是完整的日程:
https://www.machinelearningdebates.com/program/

ICML怼过之后,这个Workshop还会在IJCAI-ECAI、AAMAS等会议上继续开怼。

研究机构各显神通
ICML即将开始,各机构也就纷纷在官方博客上介绍自家的论文、展位、参会人员等等。

入选论文太多的Google,洋洋洒洒列出了52篇论文。另外,Google的同学们还组织了3场Workshop,包括机器学习中的人类可解释性(WHI)、强化学习里的探索、深度生成模型的理论基础和应用。更多详情以及链接,都在他们的博客中:
https://ai.googleblog.com/2018/07/google-at-icml-2018.html

DeepMind列出了29项研究的介绍,还贴心地给出了各项研究Oral陈述和Poster展示的时间地点:
https://deepmind.com/blog/deepmind-papers-icml-2018/

Facebook官方博客也介绍了自家17篇论文:
https://research.fb.com/facebook-research-at-icml-2018/

除此之外,他们也举办了一场Workshop,主题是强化学习中的预测和生成建模。

微软说,他们有26篇论文被大会收录,派出了40多人去参会,展位,也基本搭好了。

 

在录取论文列表公布的时候,量子位初步统计过这些论文的出产机构。贡献了最多一作论文的,是Google(含DeepMind);我国战果最丰硕的,则是清华大学。

最后,附传送门
ICML的整体议程,在这里:
https://icml.cc/Conferences/2018/Schedule

以及,重要的事情再说一遍,论文集的地址要记好:
http://proceedings.mlr.press/v80/

— 完 —

收藏
点赞
0
个赞
TOP
切换版块