為了不與中國春節沖突，第31屆AAAI人工智能大會（AAAI-17）延后至2月4日-9日在美國舊金山展開。本屆大會的最佳論文獎（Outstanding Paper Award）頒給了斯坦福大學計算機系Russell Stewart和Stefano Ermon的論文《基于物理和特定領域知識的神經網絡無標簽監督學習》（Label-Free Supervision of Neural Networks with Physics and Domain Knowledge）。

AAAI原名“美國人工智能協會”（American Association for Artificial Intelligence），于1979年成立，2007年更名為“人工智能促進協會”（The Association for the Advancement of Artificial Intelligence），由計算機科學和人工智能的創始人 Allen Newell, Marvin Minsky 和John McCarthy 等人首創，現在在全球有超過6000名會員。

而AAAI年會是人工智能領域一年一度的頂級盛會，吸引數以千計的全球人工智能精英與會交流。每年論文錄用率不到30%，是含金量的保證。今年注冊參會人數為1692，收到的投遞論文有2571篇，為歷史最高，其中639篇論文被大會接收。最佳論文獎（Outstanding Paper Award）則會在這些論文中被選出。

最佳論文：《基于物理和特定領域知識的神經網絡無標簽監督學習》

深度學習是締造現下這一波人工智能熱潮的最大工程。在有監督的機器學習中，開發者需要運用大量帶標簽的數據對人工智能進行訓練。譬如深度學習2016年最火的“代言人”阿爾法狗，就是在學習了大量人類棋譜后擊敗世界圍棋冠軍的。但在實際應用中，帶標簽的數據十分稀缺，這大大制約了深度學習的發展。

然而，人類通常不需要大量直接的示例來學習，而是需要獲得關于某個特定任務如何執行的抽象化的指令。因此，斯坦福大學計算機系Russell Stewart和Stefano Ermon思考，能否通過類似的原理來發明一種不帶標簽的訓練機器的方法。即：不是通過展示一個個具體的例子來訓練機器，而是向機器描述想要的輸出結構。他們沒有直接成對地給出輸入-輸出的示例樣本，而是指定了在輸出空間上能夠成立的約束。這些約束源自先驗的領域知識，如已知的物理定律。他們把這些在既有的領域知識里應該成立的結構和關系編碼成代數和邏輯上的約束，最終，他們在沒有帶標簽的數據的情況下，運用這些約束成功訓練了一個卷積神經網絡來檢測和跟蹤對象。

AAAI-17的這篇最佳論文在物理學的啟發下，為深度學習突破數據限制這個瓶頸提供了思路。

中國元素亮眼，新晉華人會士

隨著中國學者在人工智能領域的崛起，AAAI的中國原色也越發濃墨重彩。南京大學計算機系教授、今年剛當選AAAI會士（AAAI fellow）的周志華在微博上透露，AAAI-17原定時間與中國春節沖突，經多位華人學者努力，AAAI決定改期改地點（原定舉辦地新奧爾良已無合適會場酒店）。

自1990年開始評選的AAAI會士中現已有6位華人。第一位亮相的是2014年當選的香港科技大學教授、前華為諾亞方舟實驗室主任楊強。獲獎理由是對 AI 計劃（AI planning）、數據挖掘和基于用例推理（case-based reasoning）的基礎研究和實踐應用做出重大貢獻。

此后，臺灣大學的林智仁、南京大學的周志華、卡內基梅隆大學的邢波、伊利諾伊斯大學芝加哥分校的劉兵陸續當選。這次AAAI-17共評選出7位會士，其中一位新晉華人會士是香港科技大學教授林方真，當選理由是對知識表達，特別是非單調邏輯、答案集編輯和行為理論的重大貢獻。

而在論文方面，自2012年浙江大學EAGLE-Lab及CAD&CG 實驗室合作的《基于數據重構的文檔摘要》斬獲當屆最佳論文，國內高校開始在AAAI上嶄露頭角。今年清華、北大、復旦、浙大等國內高校均有論文在大會上亮相。

除了學界之外，中國工業界也在AAAI上擴展著影響力。今年百度的人工智能團隊有一篇關于人力資源智能化管理和一篇關于本地化描述的論文被大會收錄。此外，華為諾亞方舟實驗室李航團隊關于神經機器翻譯、360首席科學家顏水成教授關于多路徑反饋的遞歸神經網絡、攜程科研團隊關于通用化推薦系統的論文也被AAAI-17收錄。