有哪些权威的人工智能机器人大会和AI机器人论坛
以下是转自南大周志华教授的博客上世界顶级人工智能会议总结IJCAI(1+)
AI最好的综合性会议,1969年开始,每两年开一次,奇数年开.因为AI实在太大,所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个领域就没几篇了，像machinelearning、computervision这么大的领域每次大概也就10篇左右,所以难度很大.不过从录用率上来看倒不太低,基本上20%左右,因为内行人都会掂掂分量,没希望的就别浪费reviewer的时间了.最近中国大陆投往国际会议的文章象潮水一样,而且因为国内很少有能自己把关的研究组,所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率.在这种情况下,估计这几年国际会议的录用率都会降下去.另外,以前的IJCAI是没有poster的,03年开始,为了减少被误杀的好人,增加了2页纸的poster.值得一提的是,IJCAI是由貌似一个公司的”IJCAIInc.”主办的(当然实际上并不是公司,实际上是个基金会),每次会议上要发几个奖,其中最重要的两个是IJCAIResearchExcellenceAward和Computer&ThoughtsAward,前者是终身成就奖,每次一个人,基本上是AI的最高奖(有趣的是,以AI为主业拿图灵奖的6位中,有2位还没得到这个奖),后者是奖给35岁以下的=青年科学家,每次一个人.这两个奖的获奖演说是每次IJCAI的一个重头戏.另外,IJCAI的PCmember相当于其他会议的areachair,权力很大,因为是由PCmember去找reviewer来审,而不象一般会议的PCmember其实就是reviewer.为了制约这种权力,IJCAI的审稿程序是每篇文章分配2位PCmember,primaryPCmember去找3位reviewer,secondPCmember找一位.
AAAI(1)美国人工智能学会AAAI的年会.是一个很好的会议,但其档次不稳定,可以给到1+,也可以给到1-或者2+,总的来说我给它”1″.这是因为它的开法完全受IJCAI制约:每年开,但如果这一年的IJCAI在北美举行,那么就停开.所以,偶数年里因为没有IJCAI,它就是最好的AI综合性会议,但因为号召力毕竟比IJCAI要小一些,特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是),所以比IJCAI还是要稍弱一点,基本上在1和1+之间;在奇数年,如果IJCAI不在北美,AAAI自然就变成了比IJCAI低一级的会议(1-或2+),例如2005年既有IJCAI又有AAAI,两个会议就进行了协调,使得IJCAI的录用通知时间比AAAI的deadline早那么几天,这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI的PCchair也在一直催,说大家一定要快,因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.
COLT(1)这是计算学习理论最好的会议,ACM主办,每年举行.计算学习理论基本上可以看成理论计算机科学和机器学习的交叉,所以这个会被一些人看成是理论计算机科学的会而不是AI的会.我一个朋友用一句话对它进行了精彩的刻画:“一小群数学家在开会”.因为COLT的领域比较小,所以每年会议基本上都是那些人.这里顺便提一件有趣的事,因为最近国内搞的会议太多太滥,而且很多会议都是LNCS/LNAI出论文集,LNCS/LNAI基本上已经被搞臭了,但很不幸的是,LNCS/LNAI中有一些很好的会议,例如COLT.
CVPR(1)计算机视觉和模式识别方面最好的会议之一,IEEE主办,每年举行.虽然题目上有计算机视觉,但个人认为它的模式识别味道更重一些.事实上它应该是模式识别最好的会议,而在计算机视觉方面,还有ICCV与之相当.IEEE一直有个倾向,要把会办成”盛会”,历史上已经有些会被它从quality很好的会办成”盛会”了.CVPR搞不好也要走这条路.这几年录的文章已经不少了.最近负责CVPR会议的TC的chair发信说,对这个community来说,让好人被误杀比被坏人漏网更糟糕,所以我们是不是要减少好人被误杀的机会啊?所以我估计明年或者后年的CVPR就要扩招了.
ICCV(1)介绍CVPR的时候说过了,计算机视觉方面最好的会之一.IEEE主办,每年举行.（注：我查了下2011年之前是两年一次，之后是每年举行）
ICML(1)机器学习方面最好的会议之一.现在是IMLS主办,每年举行.参见关于NIPS的介绍.
NIPS(1)神经计算方面最好的会议之一,NIPS主办,每年举行.值得注意的是,这个会每年的举办地都是一样的,以前是美国丹佛,现在是加拿大温哥华;而且它是年底开会,会开完后第2年才出论文集,也就是说,NIPS’05的论文集是06年出.会议的名字“AdvancesinNeuralInformationProcessingSystems”,所以,与ICML\ECML这样的”标准的”机器学习会议不同,NIPS里有相当一部分神经科学的内容,和机器学习有一定的距离.但由于会议的主体内容是机器学习,或者说与机器学习关系紧密,所以不少人把NIPS看成是机器学习方面最好的会议之一.这个会议基本上控制在MichaelJordan的徒子徒孙手中,所以对Jordan系的人来说,发NIPS并不是难事,一些未必很强的工作也能发上去,但对这个圈子之外的人来说,想发一篇实在很难,因为留给”外人”的口子很小.所以对Jordan系以外的人来说,发NIPS的难度比ICML更大.换句话说,ICML比较开放,小圈子的影响不象NIPS那么大,所以北美和欧洲人都认,而NIPS则有些人(特别是一些欧洲人,包括一些大家)坚决不投稿.这对会议本身当然并不是好事,但因为Jordan系很强大,所以它似乎也不太care.最近IMLS(国际机器学习学会)改选理事,有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人,NIPS则被排除在外了.无论如何,这是一个非常好的会.（注：MichaelJordan是伯克利大学教授，统计机器学习的老大，大牛中的巨牛）
ACL(1-)计算语言学/自然语言处理方面最好的会议,ACL(AssociationofComputationalLinguistics)主办,每年开.
KR(1-)知识表示和推理方面最好的会议之一,实际上也是传统AI(即基于逻辑的AI)最好的会议之一.KRInc.主办,现在是偶数年开.
SIGIR(1-)信息检索方面最好的会议,ACM主办,每年开.这个会现在小圈子气越来越重.信息检索应该不算AI,不过因为这里面用到机器学习越来越多,最近几年甚至有点机器学习应用会议的味道了,所以把它也列进来.
SIGKDD(1-)数据挖掘方面最好的会议,ACM主办,每年开.这个会议历史比较短,毕竟,与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿.在几年前还很难把它列在tier-1里面,一方面是名声远不及其他的topconference响亮,另一方面是相对容易被录用.但现在它被列在tier-1应该是毫无疑问的事情了.
UAI(1-)名字叫”人工智能中的不确定性”,涉及表示\推理\学习等很多方面,AUAI(AssociationofUAI)主办,每年开.
AAMAS(2+)agent方面最好的会议.但是现在agent已经是一个一般性的概念,几乎所有AI有关的会议上都有这方面的内容,所以AAMAS下降的趋势非常明显.
ECCV(2+)计算机视觉方面仅次于ICCV的会议,因为这个领域发展很快,有可能升级到1-去.
ECML(2+)机器学习方面仅次于ICML的会议,欧洲人极力捧场,一些人认为它已经是1-了.我保守一点,仍然把它放在2+.因为机器学习发展很快,这个会议的reputation上升非常明显.
ICDM(2+)数据挖掘方面仅次于SIGKDD的会议,目前和SDM相当.这个会只有5年历史,上升速度之快非常惊人.几年前ICDM还比不上PAKDD,现在已经拉开很大距离了.
SDM(2+)数据挖掘方面仅次于SIGKDD的会议,目前和ICDM相当.SIAM的底子很厚,但在CS里面的影响比ACM和IEEE还是要小,SDM眼看着要被ICDM超过了,但至少目前还是相当的.
ICAPS(2)人工智能规划方面最好的会议,是由以前的国际和欧洲规划会议合并来的.因为这个领域逐渐变冷清,影响比以前已经小了.
ICCBR(2)Case-BasedReasoning方面最好的会议.因为领域不太大,而且一直半冷不热,所以总是停留在2上.
COLLING(2)计算语言学/自然语言处理方面仅次于ACL的会,但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.
ECAI(2)欧洲的人工智能综合型会议,历史很久,但因为有IJCAI/AAAI压着,很难往上升.
ALT(2-)有点象COLT的tier-2版,但因为搞计算学习理论的人没多少,做得好的数来数去就那么些group,基本上到COLT去了,所以ALT里面有不少并非计算学习理论的内容.
EMNLP(2-)计算语言学/自然语言处理方面一个不错的会.有些人认为与COLLING相当,但我觉得它还是要弱一点.
ILP(2-)归纳逻辑程序设计方面最好的会议.但因为很多其他会议里都有ILP方面的内容,所以它只能保住2-的位置了.
PKDD(2-)欧洲的数据挖掘会议,目前在数据挖掘会议里面排第4.欧洲人很想把它抬起来,所以这些年一直和ECML一起捆绑着开,希望能借ECML把它带起来.但因为ICDM和SDM,这已经不太可能了.所以今年的PKDD和ECML虽然还是一起开,但已经独立审稿了(以前是可以同时投两个会,作者可以声明优先被哪个会考虑,如果ECML中不了还可以被PKDD接受).
人工智能发展是否带来大众失业的论文摘要
人工智能时代，机器取代人类工作，人会大规模失业吗？如何应对失业？在人工智能技术日益成熟的今天，这已经不是科幻般的想象，而是正在发生并将持续的现实。
人工智能在未来将如何影响就业和收入？社会结构又将因此产生哪些深刻变革？北京大学教授周黎安带领团队做了一项深入研究，分析人工智能对中等收入群体的影响。6月3日，在第三届北京智源大会人工智能与社会经济论坛上，周黎安分享了他的研究成果。
他指出，人工智能带来最大挑战不是中等收入群体总体规模的扩大或者缩小，而是结构性的失业和在转型过程当中劳动结构调整带来的一系列社会问题。
2024人工智能比赛能有什么好处
2021世界人工智能大会青少年比赛的含金量非常高，此次大会的主题是“智联世界众智成城”。作为全球人工智能领域最顶级的论坛，诸多重量级嘉宾对人工智能技术创新与产业落地的前沿进展展开深入探讨。这场人工智能领域影响力最大、最高级别的盛会，到今年已是第四届。
推荐阅读美国担心人工智能领域(美国人工智能出问题)
创业人工智能领域，创业人工智能领域包括
mit 人工智能领域(mit首次提出人工智能)
小米人工智能领域加盟，小米人工智能家居加盟
人工智能领域工程 人工智能领域工程有哪些
医疗人工智能领域 医疗人工智能领域包括
医疗领域人工智能融资(医疗领域人工智能融资现状)
人工智能领域规范，人工智能领域规范文件