【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Shirin Sohrabi等學者共同做了關于AI規劃理論與實踐的進展報告，非常值得關注!
人工智能規劃是人工智能的一個長期存在的子領域，處理順序決策，是強化學習的姊妹領域。規劃技術在對話系統、網絡安全、交通物流、IT等各個領域都有成熟的工業應用。雖然基于模型的規劃工具可以解決實際規模的問題，但在實踐中應用人工智能規劃研究面臨著幾個挑戰，阻礙了它的廣泛應用。然而，使用無模型方法的替代方法往往被證明對實際尺寸的問題是不可行的。本教程的目的是為觀眾提供必要的理論背景知識，以及實踐經驗，以允許使用規劃工具解決日常挑戰。在本教程中，我們將概述規劃領域，包括該領域的最新進展。然后，我們將深入研究三個挑戰:(1)建模——如何表示、提取和學習知識;(2)理論和工具——計算問題的形式化定義以及如何解決這些問題;(3)實踐-在端到端應用程序中使用人工智能規劃。我們將有一個實踐環節來舉例說明如何使用規劃工具來解決示例應用。我們的目標是為AAAI的與會者提供在他們的應用中使用人工智能規劃工具的必要手段
付費5元查看完整內容
相關內容
【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Huan Zhang等學者共同做了關于神經網絡驗證研究進展報告，非常值得關注!
神經網絡已經成為現代人工智能的重要組成部分。然而，它們通常是黑盒，可能會出乎意料地行為，并產生令人驚訝的錯誤結果，例如對抗的例子。在本教程中，我們將介紹神經網絡驗證問題，其目的是保證神經網絡的特性，如魯棒性、安全性和正確性。我們的教程涵蓋了驗證問題的理論基礎和最先進算法的介紹。此外，我們還將為用戶友好的神經網絡驗證工具箱提供實踐編碼教程，允許從業者輕松地將正式的驗證技術應用到他們的定制應用中。我們的教程包括在谷歌Colab中編碼演示。我們將演示通用的auto_LiRPA庫和獲獎的α，β-CROWN驗證器的使用。
目錄內容： Part I: Introduction to Neural Network Verifier Part II: Neural Network Verification Algorithms Part III: Hands-on Tutorial on Using State-of-the-art Verification Tools
地址：
付費5元查看完整內容
【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Jana Doppa等學者共同做了關于貝葉斯優化的進展報告，非常值得關注!
許多工程和科學應用，包括自動機器學習(例如，神經結構搜索和超參數調優)，都需要做出設計選擇，以優化一個或多個昂貴的評估目標。一些例子包括調整編譯器的旋鈕，以優化一組軟件程序的性能和效率; 設計新材料以優化強度、彈性和耐久性;并設計硬件優化性能，功率和面積。貝葉斯優化(BO)是一種有效的框架，用于解決函數求值昂貴的黑盒優化問題。BO的核心思想是利用真實的實驗數據建立一個廉價的替代統計模型(如高斯過程);并利用它來智能地選擇實驗序列或使用采集函數的功能評估，例如期望改進(EI)和上置信度界限(UCB)。對于連續輸入空間，在單保真度設置(即，實驗昂貴且函數評估準確)的單目標優化中，有大量關于BO的工作。然而，BO近年來的工作已經集中在更具挑戰性的問題設置，包括多目標優化;利用多保真度函數評估進行優化(不同的資源成本和評估的準確性);用黑盒約束優化應用到安全;組合空間的優化(例如，序列、樹和圖);混合空間(離散和連續輸入變量的混合)的優化。本教程的目標是通過關注挑戰、原則、算法思想和它們的連接，以及重要的現實世界應用，從基礎到這些最新進展，呈現BO的全面調研。
付費5元查看完整內容
【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自?znur Alkan等學者共同做了關于人在環路機器學習進展報告，非常值得關注!
本教程面向人工智能研究人員和實踐者，以及對人在循環機器學習感興趣的領域專家，包括交互式推薦和主動學習。參與者將從豐富的人類反饋中了解交互式機器學習的當前發展——重點是白盒交互和解釋性學習——以及可用方法的多樣性和它們之間的關系的概念圖。主要目的是告訴觀眾關于交互式機器學習的最新解釋，開放的問題和研究方向，以及這些發展如何與更廣泛的機器學習和人工智能背景相關。
目錄內容： The tutorial is split into four main sessions, of roughly 22 minutes each, followed by a Q&A:
Welcome (5min).
Motivation and Challenges (22min), presented by ?znur Alkan.
Interacting via Local Explanations (22min), presented by Stefano Teso.
Interacting via Global Explanations (22min), presented by Elizabeth Daly.
Interaction via Concept-based Explanations (22min), presented by Wolfgang Stammer.
Q&A (12min).
地址：
付費5元查看完整內容
【導讀】國際人工智能會議AAAI 2022論文將在全程線上舉辦，時間在 2 月 22 日-3 月 1 日，本屆大會也將是第 36 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Freddy Lecue, Pasquale Minervini, Fosca Giannotti and Riccardo Guidotti博士共同做了關于可解釋人工智能的進展報告，非常值得關注!
人工智能的未來在于使人類能夠與機器合作解決復雜的問題。就像任何有效的合作一樣，這需要良好的溝通、信任、清晰和理解。可解釋人工智能(XAI)旨在通過結合符號人工智能和傳統機器學習的優點來應對此類挑戰。多年來，各種不同的AI社區都在研究這一主題，他們有著不同的定義、評估指標、動機和結果。
本教程是XAI迄今為止工作的一個概述，并綜述了AI社區所完成的工作，重點是機器學習和符號AI相關方法。我們將闡述XAI在現實世界和大規模應用中的需求，同時提供最先進的技術和最佳的XAI編碼實踐。在教程的第一部分，我們將介紹AI的不同方面的解釋。然后，我們將本教程重點介紹兩種具體方法:(i) XAI使用機器學習，(ii) XAI使用基于圖的知識表示和機器學習的組合。對于這兩種方法，我們都進入了具體的方法，目前的技術水平和下一步的研究挑戰。本教程的最后一部分概述了XAI的實際應用以及最佳XAI編碼實踐。
目錄內容：
第一部分: 介紹，動機和評估- 20分鐘 人工智能解釋的廣泛介紹。這將包括從理論和應用的角度描述和激發對可解釋人工智能技術的需求。在本部分中，我們還將總結前提條件，并介紹本教程其余部分所采用的不同角度。
第二部分: 人工智能解釋(不只是機器學習!)- 40分鐘 概述AI各個領域的解釋(優化、知識表示與推理、機器學習、搜索與約束優化、規劃、自然語言處理、機器人技術和視覺)，使大家對解釋的各種定義保持一致。對可解釋性的評估也將包括在內。本教程將涵蓋大多數定義，但只會深入以下領域: (i) 可解釋的機器學習，(ii) 可解釋的AI與知識圖譜和機器學習。
第三部分: 知識圖譜在可解釋機器學習中的作用- 40分鐘 在本教程的這一節中，我們將介紹將基于圖的知識庫與機器學習方法相結合的解釋力。
第四部分: XAI工具，編碼和工程實踐- 40分鐘 通過演示如何集成XAI，以及如何根據技術和業務挑戰實例化、調整和定制XAI，我們將了解XAI的編碼和工程實踐。本節將介紹開發代碼，這些代碼將與谷歌Colab共享，便于與AAAI用戶進行互動。本節需要使用谷歌帳號(用于訪問谷歌Colab)。
第五部分:應用、經驗教訓和研究挑戰- 40分鐘 我們將回顧一些在實際示例中應用的XAI開源和商業工具。我們將描述如何基于技術和業務挑戰實例化XAI。我們特別關注一些用例: (1) 解釋目標檢測，(2) 解釋自動駕駛列車的障礙檢測，(3)解釋飛行性能，(4) 解釋具有內置解釋功能的航班延誤預測系統，(5) 一個大規模的合同管理系統，通過知識圖譜上的語義推理預測和解釋企業項目的風險等級; (6) 一個費用系統，識別、解釋和預測500多個城市的大型組織員工的異常費用索賠; (7) 一個信貸決策解釋系統，(8) 醫療條件解釋系統，以及其他8個行業用例。
付費5元查看完整內容
人工智能的未來在于使人類能夠與機器合作解決復雜問題。像任何有效的合作一樣，這需要良好的溝通、信任、清晰和理解。XAI(可解釋人工智能)旨在通過結合符號人工智能和傳統機器學習的最佳效果來應對這些挑戰。這一主題已經被各種不同的AI社區研究了多年，它們有著不同的定義、評估指標、動機和結果。
本教程簡要介紹了XAI迄今為止的工作，并以機器學習和符號AI相關方法為重點，調查了人工智能社區所完成的工作。我們將在現實世界和大規模應用中激發XAI的需求，同時提供最先進的技術和最佳的XAI編碼實踐。在本教程的第一部分，我們將介紹AI的不同解釋方面。然后，我們將重點介紹兩種具體的方法:(i) XAI使用機器學習和(ii) XAI使用基于圖的知識表示和機器學習的結合。對于這兩種情況，我們都將深入研究方法的細節、技術現狀和下一步的研究挑戰。本教程的最后一部分概述了XAI的實際應用程序以及最佳的XAI編碼實踐。
付費5元查看完整內容
可解釋人工智能
·
【導讀】開放數據科學會議ODSC21在 3 月 30日-4 月 1日，大會涵蓋了眾多最近研究報告，來自Freddy Lecue博士做了關于可解釋人工智能的進展報告，非常值得關注!
人工智能的未來在于使人類能夠與機器合作解決復雜的問題。就像任何有效的合作一樣，這需要良好的溝通、信任、清晰和理解。可解釋人工智能(XAI)旨在通過結合符號人工智能和傳統機器學習的優點來應對此類挑戰。多年來，各種不同的AI社區都在研究這一主題，他們有著不同的定義、評估指標、動機和結果。
XAI是指一套用于解釋機器學習之外的任何類型的人工智能系統的工具。盡管這些工具旨在解決更廣泛意義上的解釋問題，但它們并不是為所有用戶、任務、上下文和應用設計的。本演講將通過回顧XAI的方法、動機、最佳實踐、工業應用和局限性來描述其迄今為止的進展。
本教程是XAI迄今為止工作的一個概述，并綜述了AI社區所完成的工作，重點是機器學習和符號AI相關方法。我們將闡述XAI在現實世界和大規模應用中的需求，同時提供最先進的技術和最佳的XAI編碼實踐。在教程的第一部分，我們將介紹AI的不同方面的解釋。然后，我們將本教程重點介紹兩種具體方法:(i) XAI使用機器學習，(ii) XAI使用基于圖的知識表示和機器學習的組合。對于這兩種方法，我們都進入了具體的方法，目前的技術水平和下一步的研究挑戰。本教程的最后一部分概述了XAI的實際應用以及最佳XAI編碼實踐。
地址：
付費5元查看完整內容
【導讀】國際人工智能會議AAAI 2021論文將在全程線上舉辦，時間在 2 月 2 日-2 月 9 日，本屆大會也將是第 35 屆 AAAI 大會。大會涵蓋了眾多最近研究Tutorial報告，來自Freddy Lecue, Pasquale Minervini, Fosca Giannotti and Riccardo Guidotti博士共同做了關于可解釋人工智能的進展報告，非常值得關注!
人工智能的未來在于使人類能夠與機器合作解決復雜的問題。就像任何有效的合作一樣，這需要良好的溝通、信任、清晰和理解。可解釋人工智能(XAI)旨在通過結合符號人工智能和傳統機器學習的優點來應對此類挑戰。多年來，各種不同的AI社區都在研究這一主題，他們有著不同的定義、評估指標、動機和結果。
本教程是XAI迄今為止工作的一個概述，并綜述了AI社區所完成的工作，重點是機器學習和符號AI相關方法。我們將闡述XAI在現實世界和大規模應用中的需求，同時提供最先進的技術和最佳的XAI編碼實踐。在教程的第一部分，我們將介紹AI的不同方面的解釋。然后，我們將本教程重點介紹兩種具體方法:(i) XAI使用機器學習，(ii) XAI使用基于圖的知識表示和機器學習的組合。對于這兩種方法，我們都進入了具體的方法，目前的技術水平和下一步的研究挑戰。本教程的最后一部分概述了XAI的實際應用以及最佳XAI編碼實踐。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191