1月27日，第33屆 AAAI（AAAI 2019）在美國(guó)夏威夷召開(kāi)，其中百度共有15篇論文被收錄。

AAAI于1979年成立，是國(guó)際人工智能領(lǐng)域的頂級(jí)國(guó)際會(huì)議。這一協(xié)會(huì)如今在全球已有超過(guò)6000名的會(huì)員，匯集了全球最頂尖的人工智能領(lǐng)域?qū)＜覍W(xué)者，一直是人工智能界的研究風(fēng)向標(biāo)，在學(xué)術(shù)界久負(fù)盛名。

本屆大會(huì)共收到7700余篇有效投稿，其中7095篇論文進(jìn)入評(píng)審環(huán)節(jié)，最終有1150篇論文被錄用，錄取率為近年最低僅為16.2%。百度共獲得15篇論文被收錄的成績(jī)。其中有5位作者受邀在主會(huì)做 Oral 形式報(bào)告，另有10位作者將攜論文在主會(huì)以 Spotlight Poster 形式做報(bào)告。

在百度此次收錄的15篇論文中，內(nèi)容涉及智能出行、機(jī)器學(xué)習(xí)、視頻建模、無(wú)人駕駛、自然語(yǔ)言處理、智能醫(yī)療等多個(gè)領(lǐng)域。

自然語(yǔ)言處理領(lǐng)域

百度這次被AAAI收錄的論文《Modeling Coherence for Discourse Neural Machine Translation》，提出了一種篇章級(jí)別的翻譯模型，能夠使得篇章內(nèi)的句子之間保持良好的連貫性和一致性。這是由于翻譯一些文檔、演講之類的文本時(shí)，通常需要慮句子之間的銜接性和連貫性。而傳統(tǒng)的翻譯模型通常都是將一個(gè)句子當(dāng)做單獨(dú)的翻譯單元，忽視了句子之間的關(guān)聯(lián)性。

具體來(lái)說(shuō)，該論文提出了一種多輪解碼方案，在第一輪解碼中單獨(dú)生成每個(gè)句子的初步翻譯結(jié)果，在第二輪解碼中利用第一輪翻譯的結(jié)果進(jìn)行翻譯內(nèi)容潤(rùn)色，并且提出使用增強(qiáng)式學(xué)習(xí)模型來(lái)獎(jiǎng)勵(lì)模型產(chǎn)生篇幅更一致的譯文。最終在演講文本的測(cè)試集合上，論文提出的模型不僅能夠提升句子級(jí)別1.23 BLEU，同時(shí)能夠提升篇章級(jí)別2.2 BLEU。通過(guò)實(shí)驗(yàn)分析，本文提出的翻譯模型確實(shí)能產(chǎn)生篇章更加連貫和一致的句子。

此模型是基于 Transformer 模型設(shè)計(jì)的。首先，訓(xùn)練流程中的一個(gè) batch 為一篇文章中的所有句子，在第一輪解碼中，采用標(biāo)準(zhǔn)的 Transformer 模型生成單個(gè)句子的初步翻譯結(jié)果。在第二輪解碼中，將第一輪產(chǎn)生的譯文合并成一個(gè)句子，構(gòu)成此篇章翻譯的參考譯文。同時(shí)將初步翻譯結(jié)果作為一個(gè)額外的 Multi-Head Attention 機(jī)制，加入到 Decoder 的解碼流程中。通過(guò)這個(gè)步驟，在第二輪解碼的過(guò)程中，在翻譯單個(gè)句子時(shí)，能夠考察其他句子可能產(chǎn)生的翻譯結(jié)果，進(jìn)而調(diào)整當(dāng)前句子的文本輸出概率，盡量使得翻譯結(jié)果更一致。最終利用 Self-critical 的學(xué)習(xí)機(jī)制，鼓勵(lì)模型生成篇章一致性的譯文。值得一提的是，不僅僅是第二輪解碼中可以使用增強(qiáng)式學(xué)習(xí)機(jī)制，在第一輪解碼中也可以鼓勵(lì)模型產(chǎn)生更一致的譯文。

本文首次在學(xué)術(shù)和工業(yè)界提出解決神經(jīng)網(wǎng)絡(luò)翻譯中的篇章一致性和連貫性問(wèn)題，并且提出了一種通用的解碼框架，通過(guò)多輪解碼和增強(qiáng)式學(xué)習(xí)策略，使得模型能產(chǎn)生良好的篇章連貫和一致性的譯文。同時(shí)，本文還提出了若干評(píng)估篇章連貫和一致性的評(píng)價(jià)方法，有利于促進(jìn)相關(guān)的研究工作發(fā)展。

目前的在線翻譯引擎基本都是針對(duì)單個(gè)句子進(jìn)行解碼翻譯，并不能保證一篇文章翻譯出來(lái)后句子之間有很好的連貫性，采用本文提出的方法，能夠使得篇章級(jí)別的翻譯文本閱讀起來(lái)更流暢，句子之間的連貫性更好。

無(wú)人車(chē)駕駛領(lǐng)域

為了能在復(fù)雜的城市交通中安全有效地行駛，無(wú)人車(chē)必須對(duì)周?chē)煌w（機(jī)動(dòng)車(chē)，自行車(chē)，行人等等）的行為軌跡做出可靠的預(yù)測(cè)。一個(gè)十分重要又具有挑戰(zhàn)性的任務(wù)就是探索各種各樣的交通體的不同的行為特征并能對(duì)它們做出及時(shí)準(zhǔn)確的預(yù)測(cè)，進(jìn)而幫助無(wú)人車(chē)做出合理的行駛決策。

為了解決這個(gè)問(wèn)題，《TrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents》的作者提出了基于 LSTM 的路徑預(yù)測(cè)算法 TrafficPredict。他們的方法是用實(shí)例層來(lái)學(xué)習(xí)個(gè)體的運(yùn)動(dòng)規(guī)律和它們之間的交互，用類別層來(lái)學(xué)習(xí)同一類別的個(gè)體的運(yùn)動(dòng)的相似性，從而進(jìn)一步優(yōu)化對(duì)個(gè)體的預(yù)測(cè)結(jié)果。

他們采集了一個(gè)復(fù)雜路況下的交通數(shù)據(jù)集，正常行駛的汽車(chē)通過(guò) Lidar 采集的連續(xù)幀數(shù)據(jù)經(jīng)過(guò)標(biāo)注得到。問(wèn)題設(shè)定為觀察交通體[0 : Tobs]時(shí)間段內(nèi)的運(yùn)動(dòng)軌跡，預(yù)測(cè) [Tobs + 1 : Tpred]的運(yùn)動(dòng)軌跡。對(duì)于一個(gè)時(shí)間段的數(shù)據(jù)，首先把數(shù)據(jù)組織成一個(gè)4D Graph。

這個(gè) Graph 包含兩個(gè)層，一個(gè)是實(shí)例層，一個(gè)是類別層。在實(shí)例層中，每一個(gè)個(gè)體看成一個(gè)節(jié)點(diǎn)，每一幀中個(gè)體之間通過(guò)邊連接，相鄰幀的同一個(gè)體也通過(guò)邊連接。在類別層中，同一幀中相同類別的個(gè)體把信息匯總到一個(gè)超節(jié)點(diǎn)中，超節(jié)點(diǎn)會(huì)總結(jié)經(jīng)驗(yàn)，進(jìn)而反向改善每一個(gè)個(gè)體的預(yù)測(cè)結(jié)果，相鄰幀的同一個(gè)超節(jié)點(diǎn)也通過(guò)邊連接。4D Graph 通過(guò)邊捕捉個(gè)體在空間上的交互信息，在時(shí)間上的連續(xù)信息，和在類別上的相似信息，通過(guò)節(jié)點(diǎn)和超節(jié)點(diǎn)匯總和分析這些信息。

本文提出的方法把多類別交通體的路線預(yù)測(cè)統(tǒng)一到一個(gè)框架之下，通過(guò)構(gòu)建空間和時(shí)間維度上的4D Graph，充分利用交通體自身的運(yùn)動(dòng)模式和與周?chē)煌w交互的信息，并通過(guò)超節(jié)點(diǎn)總結(jié)概括同類別運(yùn)動(dòng)相似性來(lái)改善個(gè)體的結(jié)果，從而對(duì)每個(gè)交通體的軌跡預(yù)測(cè)精度有了較大提高。另外，本文還發(fā)布了多類別體的復(fù)雜城市交通的路線數(shù)據(jù)集。

目前自動(dòng)駕駛的測(cè)試場(chǎng)景都是比較規(guī)則和簡(jiǎn)單的交通場(chǎng)景：有清晰的車(chē)道線，紅綠燈，交通參與體比較單一。但是，很多城市交通，比如中國(guó)或印度的城市交通，具有很高的復(fù)雜度。尤其在一些十字路口，自行車(chē)、三輪車(chē)、汽車(chē)、公交車(chē)交互前進(jìn)。本文針對(duì)多類別體城市交通提出的的路徑預(yù)測(cè)算法，為無(wú)人車(chē)在復(fù)雜交通場(chǎng)景下的導(dǎo)航提供了更為精確的指導(dǎo)，進(jìn)而可以提升自動(dòng)駕駛系統(tǒng)的安全性。

視頻建模

深度學(xué)習(xí)在靜態(tài)圖像理解上取得了巨大成功，然而高效的視頻時(shí)序及空域建模的網(wǎng)絡(luò)模型尚無(wú)定論。不同于已有的基于 CNN+RNN 或者 3D 卷積網(wǎng)絡(luò)的方法，《StNet: Local and Global Spatial-Temporal Modeling for Action Recognition》 一文提出了兼顧局部時(shí)空聯(lián)系以及全局時(shí)空聯(lián)系的視頻時(shí)空聯(lián)合建模網(wǎng)絡(luò)框架 StNet。

具體而言，StNet 將視頻中連續(xù) N 幀圖像級(jí)聯(lián)成一個(gè) 3N 通道的“超圖”，然后用 2D 卷積對(duì)超圖進(jìn)行局部時(shí)空聯(lián)系的建模。為了建立全局時(shí)空關(guān)聯(lián)，StNet 中引入了對(duì)多個(gè)局部時(shí)空特征圖進(jìn)行時(shí)域卷積的模塊。特別地，我們提出了時(shí)序 Xception 模塊對(duì)視頻特征序列進(jìn)一步建模時(shí)序依賴。在 Kinetics 動(dòng)作識(shí)別數(shù)據(jù)集的大量實(shí)驗(yàn)結(jié)果表明，StNet 能夠取得 State-of-the-art 的識(shí)別性能，同時(shí) StNet 在計(jì)算量與準(zhǔn)確率的折衷方面表現(xiàn)優(yōu)異。此外實(shí)驗(yàn)結(jié)果驗(yàn)證了 StNet 學(xué)習(xí)到的視頻表征能夠在 UCF101 上有很好的遷移泛化能力。

StNet 提出了局部和全局時(shí)空聯(lián)系聯(lián)合建模的概念，能得到更具判別力的視頻表征，有效的提高視頻動(dòng)作識(shí)別的性能。同時(shí)，StNet 的設(shè)計(jì)兼顧了計(jì)算量與識(shí)別準(zhǔn)確率的折衷，具有很好的實(shí)用價(jià)值。StNet 作為一個(gè) backbone 網(wǎng)絡(luò)結(jié)構(gòu)，可以應(yīng)用在用 video2vector、視頻識(shí)別等方面。

附：被 AAAI 2019收錄的百度15篇論文題目

lModeling Coherence for Discourse Neural Machine Translation

lJoint Representation Learning for Multi-Modal Transportation Recommendation

lSpHMC: Spectral Hamiltonian Monte Carlo

lStNet: Local and Global Spatial-Temporal Modeling for Action Recognition

lTrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents

lRead, Watch, and Move: Reinforcement Learning for Temporally Grounding Natural Language Descriptions in Videos

lAddressing the Under-translation Problem from the Entropy Perspective

lUnderstanding Story Characters, Movie Actors and Their Versatility with Gaussian Representations

lJoint Extraction of Entities and Overlapping Relations using Position-Attentive Sequence Labeling

lOversampling for Imbalanced Data via Optimal Transport

lMulti-agent Discussion Mechanism for Natural Language Generation

lSign-Full Random Projections

lInteractive Attention Transfer Network for Cross-domain Sentiment Classification

lExploiting the Contagious Effect for Employee Turnover Prediction

lDistant Supervision for Relation Extraction with Linear Attenuation Simulation and Non-IID Relevance Embedding