正文
Vanhoucke在AAAI大会中提到：机器智能现在已经发展到一个相当的水准，在某些特定情境下的表现可以媲美（甚至超越）人类，比如机器视觉、机器翻译、语音识别，现在是时候让这些能力在物理世界中发挥效应了。他在今天的演讲中提到，robotics的研究现在也正面临着一场深度学习的革新，实现这一点，需要现在的机器学习从业者跳出监督学习的舒适区，面临一些棘手的问题：数据稀缺，如何使机器实现技能转换以及持续性的学习等等。Vanhoucke也提到，这也是人工智能从理论到实践的必经之路。
Vanhoucke分别介绍了他在图像、语音（及机器翻译）领域和机器人（主要是机械手抓取）的一些研究成果。
亚马逊AWS机器学习总监Alex Smola：如何用MXNet构建可拓展的深度学习框架？
亚马逊 AWS 机器学习总监 Alex Smola 做了主题分享，介绍了如何利用 MXNet 构建一个可拓展的深度学习框架。
Alex Smola 是 MXNet 主要作者李沐在 CMU 的博士导师，后者在 Smola 加入亚马逊期间一直在做 MXNet 开发和 AWS 上深度学习的应用，这也难怪在 Smola 演讲最开始的感谢名单上，第一个名字就是李沐。
那么，作为亚马逊的官方开源平台，MXNet 又是如何实现「又快又好」的目标呢？
Smola 指出，要构建一个这样集高效与个性化于一体的框架，首先不可避免地要涉及潜变量模型的设计。潜变量模型是一种结构方程模型，区别于显变量，指的是不能被直接观测、需要通过间接数据体现的指标。而它具有以下两种表现形式：
首先是时间序列观察，包括了购物、点赞、App 的使用、邮箱、广告点击、查询及评分等。
其次是用潜状态解释用户的行为。一个是基于非参模型的方法，系统能够数据构建用户画像，剔除存在误差的推断；第二点是基于深度神经网络的 RNN 还有 LSTM 及 GRU 等方法。
杨强：解读AAAI的历史变迁
大会期间，雷锋网组织了一次AAAI华人旧金山沙龙，有近30位AI学者、业者聚集在沙龙场地。AAAI现任执委杨强教授、今日头条实验室总监李磊、清华大学智能技术与系统国家重点实验室主任朱小燕、iFly.vc合伙人沈瀚（他在Fomula 8时主导了Oculus的投资)、物灵科技人工智能首席科学家吴惟心、iPIN创始人杨洋在现场做了分享。
杨强教授从1990年起就参加AAAI，在这次的沙龙中讲述了AAAI 二十几年的历史变迁。杨强教授回忆到，1990年的那期会议有个激动人心的题目是逻辑——非单调逻辑，有很少的人群在研究人工智能、概率，更多的人是在研究逻辑，到现在情况又完全不同，今天是就机器学习的天下了。
四、AAAI 奖项
人工智能的国际顶级会议必定少不了让人垂涎的奖项，此次大会颁发了多个奖项，其中包括：
Deployed Application Awards
奖项颁发给了“Large Scale OccupationalSkills Normalization for Online Redcruitment”和“Phase Mapper：An AIPlatform toAccelerate High Throughout Materials”
Robert S.Engelmore Memorial Award Leture
颁发给了David Aha
AAAI 2016 Blue Sky Winner
颁发给了“The AI Rebellion：Changing the Narrative”、“Moral Desision Making Frameworks for Artificial Intelligence”和“Getting More Out of the Exposed Structured in Constraint Programming Models of Combinatorial Problems”
杰出服务奖（Distinguished Service）
颁发给了Jim Hendler
AAAI/EAAI杰出教育者奖
颁发给了Sebastian Thrun
AAAI Classic Paper
颁发给了Dieter Fox等人在1999年佛罗里达大会上撰写的“Monte Carlo Localization：Efficient Position Estimation for Mobile Roots”
Feigenbaum Prize
颁发给了斯坦福大学的Yoav Shoham
除了奖项之外，大会还宣布了3名高级会员和7位新当选 Fellow：
三位高级会员是：Alessandro Cimatti、Xuelong Li（中科院）和Nathan R. Sturtevant,
7名Fellow是：Ronen I. Brafman， Eduard H. Hovy, Tommi S. Jaakkola, Maurizio Lenzerini, Fangzhen Lin(香港科技大学)、Dale Schurmans, Munidar P. Singh.
五、有趣的数字
大会组委会宣布了多项关于 AAAI 的数据：
参会人数，AAAI 2017 注册参会人数 1692 人，为近年来最高；
根据官方数据显示，2013年是AAAI论文数量的一个低谷，而从这一年开始，AAAI加快了国际化的步伐，连续4年论文连创新高，今年大会收到的投递论文为2571篇，为历史最高；
大会发表的论文总数为 639 篇，录取率为24.9%；
从主题来看，Machine Learning毫无悬念夺得投递数和录取数的冠军，2-5名依次是NLP、Application、Search/Planning、Vision；
从论文标题看，Latent、Estimation、Kernel这三个单词出现率最高，其他出现率较高的单词还包括：ProCESs、Algorithms、Application、Structured、Fast、Tracking、Solving. （说句题外话，知乎有大神总结过CV和Deep Learning类灌水论文标题套路，CV灌水文多用{consistent/robust/joint/regularized/generalized/discriminated/structured}) + {learning/coding/dictionary/representation} + {based/for} + 经典保留曲目(如{image segmentation/verification/identification})，而Deep Learning灌水文多用“ deep feature for/based XXXX”。
（AI君对比了一下，上述灌水词几乎都没有出现，看来大会的论文质量还是可以的）
