从更透明的人工智能到更好的MRI技术和更安全的机器人，南加州大学的研究在NeurIPS 2022上推进了机器学习的最先进水平。照片/ iStock。
的神经信息处理系统会议(NeurIPS)是最具竞争力的国际机器学习研究场所之一，也是该领域研究人员的最大聚会。在今年的活动中(11月28日至12月9日)，南加州大学的研究代表了机器学习领域的一些领先工作，从使人工智能更易于解释到设计更安全的机器人系统和更快、更详细的核磁共振扫描。
打开黑盒
James Enouen(南加州大学);刘燕(美国南加州大学)
你的论文是关于什么的?本文的重点是使人工智能系统更具可解释性和可信赖性。目前，我们为这些算法提供了大量数据，并希望它们能学习正确的东西。不幸的是，他们可能会选择错误的东西(偏差，相关性等)，而我们可能无法知道。因此，这项工作是使这些人工智能见解更易于解释和消化，从而允许人类使用算法的第一步。
谁能从这项研究中受益?想要理解“算法”或“黑盒”的人;希望了解对病人进行预测的人工智能系统的医生;信贷审计;有利益相关者的人被要求解释他们的决定。
对机器人进行测试
Varun Bhatt(南加州大学);Bryon Tjanaka(南加州大学);Matthew Christopher Fontaine(南加州大学);Stefanos Nikolaidis(南加州大学)
你的论文是关于什么的?2022年7月，一个会下棋的机器人误以为一名7岁男孩的手指是棋子，就抓住并弄断了他的手指。似乎机器人假设人类对手总是在移动之间等待，并且没有在人类快速移动的情况下进行测试。如果发生这种情况，事故是可以避免的是在测试期间发现．像这样的事故就是为什么我们想要创造一种有效地发现涉及机器人或其他智能代理的极端情况的方法。在本文中，我们使用机器学习来预测我们的机器人将如何表现在给定条件下场景，极大地加快了寻找失败场景的过程。这使我们能够相对快速地找到破坏复杂代理的非常复杂的场景。
谁能从这项研究中受益?米机器人、自动驾驶汽车等的制造商在将代理部署到现实世界之前，可以更好地测试代理。更好的测试会带来更安全的机器人，这也有利于最终用户。
了解假新闻和谣言的影响
张益洲(美国南加州大学);曹德福(美国南加州大学);刘燕(美国南加州大学)
你的论文是关于什么的?研究帮助我们更好地理解假新闻和谣言是如何改变人们的观念的。我们将我们的模型应用于关于COVID-19疫苗的社交媒体帖子和参与的真实数据集。实验结果表明，我们的模型认识到错误信息的可识别的因果效应，它会伤害人们对疫苗的主观情绪。
谁能从这项研究中受益?记者可以使用我们的模型来了解假新闻和谣言是如何改变人们的观念的，然后找到更好的方法澄清误导性的内容。
加速MRI扫描
HUMUS-Net:用于加速MRI重建的混合展开多尺度网络结构
Zalan Fabian(南加州大学);Berk Tinaz(南加州大学);Mahdi Soltanolkotabi(南加州大学)
这篇论文是关于什么的?在这项工作中，该团队提出了一种深度学习算法，可以从加速扫描中重建非常高质量的MRI图像。核磁共振成像是最流行和最强大的医学成像方式之一。然而，扫描比其他诊断方法(如CT扫描)花费的时间要长得多。现有的加速MRI扫描的方法需要更少的身体测量，这导致图像质量下降。现代数据驱动的人工智能技术已成功应用于从加速测量中重建MR图像，但近年来其性能已趋于稳定。该团队的新方法将传统卷积神经网络的效率与最近为视觉应用提出的基于变压器的架构的能力相结合，在加速MRI重建中建立了一个新的最先进的技术。
谁能从这项研究中受益?这种方法可以在两个方面帮助放射科医生和其他医生。首先，它能够在医学图像上重建其他技术可能遗漏的非常精细的细节，极大地提高了此类图像的诊断价值。其次，由于该方法可以从加速测量中恢复高质量的图像，因此可以大大缩短MR扫描的持续时间。这可能导致更有效地利用扫描仪，并可以降低其高昂的成本。总的来说，我们的目标是让MRI对每个人来说都更加可靠和高效。
在不断变化的环境中训练自动驾驶汽车
陈立宇(美国南加州大学);罗海鹏(美国南加州大学)
你的论文是关于什么的?这篇论文是关于智能体如何在不断变化的环境中学会最佳行为。最近，Waymo推出了前往凤凰城机场的自动驾驶服务。训练自动驾驶汽车可以被框定为一个面向目标的强化学习问题，这也属于本文研究的框架。此外，本文还研究了一种非平稳变化的环境，适合于捕捉变化的交通状况。
通过语言和视觉了解世界
Tejas Srinivasan(南加州大学)，张廷云(美国南加州大学)，莱蒂西亚·莱昂诺尔·平托·阿尔瓦(南加州大学)，Georgios Chochlakis(南加州大学，ISI)，默罕默德·罗斯塔米(南加州大学)，杰西。托马森(南加州大学)
你的论文是关于什么的?我们建立了一个基准来研究同时考虑语言和视觉的模型如何按顺序学习任务，例如回答关于图片的开放式问题，而不是回答关于图片对的是/否问题。这个基准还可以研究当语言或视觉消失时会发生什么，比如分类电影评论是积极的还是消极的，或者识别图像中突出的物体。
所有文件
刘叶佳(加州大学河滨分校);王竹(美国南加州大学);任少雷(北京大学加州河滨分校)
卡耐基梅隆大学计算机科学学院Gabriele Farina;iannis Anagnostides(卡内基梅隆大学);罗海鹏(美国南加州大学);李忠伟(美国南加州大学);Christian Kroer(哥伦比亚大学);图马斯·桑德霍尔姆(卡内基梅隆大学)
金天成(美国南加州大学);Tal Lancewicki(特拉维夫大学);罗海鹏(美国南加州大学);Yishay Mansour(特拉维夫大学计算机科学学院);Aviv Rosenberg(亚马逊)
iannis Anagnostides(卡内基梅隆大学);卡耐基梅隆大学计算机科学学院Gabriele Farina;Christian Kroer(哥伦比亚大学);李忠伟(美国南加州大学);罗海鹏(美国南加州大学);图马斯·桑德霍尔姆(卡内基梅隆大学)
HUMUS-Net:用于加速MRI重建的混合展开多尺度网络结构
Zalan Fabian(南加州大学);Berk Tinaz(南加州大学);Mahdi Soltanolkotabi(南加州大学)
于程(布朗大学);Ilias Diakonikolas(威斯康星大学麦迪逊分校);葛荣(美国杜克大学);Shivam Gupta(德克萨斯大学奥斯汀分校);Daniel Kane(加州大学圣地亚哥分校);Mahdi Soltanolkotabi(南加州大学)
陈慧丽(加州大学圣地亚哥分校);丁洁(明尼苏达大学);埃里克·威廉·特拉梅尔(亚马逊);吴爽(亚马逊);Anit Kumar Sahu(亚马逊Alexa AI);萨尔曼·阿维斯蒂梅尔(南加州大学)；张道
Shushan Arakelyan(南加州大学);一个nna Hakhverdyan(亚美尼亚国立理工大学);米迪亚迪斯阿拉曼尼斯(谷歌);路易斯·安东尼奥·加西亚(南加州大学ISI);Christophe Hauser(南加州大学/ISI);任翔(南加州大学)
Bat-Sheva Einbinder(以色列理工学院-以色列理工学院);Yaniv Romano (Technion, Technion);Matteo Sesia(南加州大学);周燕飞(美国南加州大学)
Matteo Sesia(南加州大学);Stefano Favaro(都灵大学)
陈昌友(纽约州立大学布法罗分校);张建义(杜克大学);许毅(亚马逊);陈立群(美国杜克大学);段嘉丽(美国南加州大学)；陈怡然(美国杜克大学);Son Dinh Tran(马里兰大学帕克分校);贝琳达·曾(亚马逊);Trishul Chilimbi(威斯康星大学麦迪逊分校计算机科学系)
郭文硕(美国加州大学伯克利分校);迈克尔·乔丹(加州大学伯克利分校);周安琪(南加州大学)
Shariq Iqbal (DeepMind);Robby Costales(南加州大学);沙飞(美国南加州大学)
胡跃(上海交通大学);方少恒(上海交通大学);雷子兴(上海交通大学);钟义奇(美国南加州大学);陈思恒(上海交通大学)
迈克尔·乔丹(加州大学伯克利分校);王宜鑫(加州大学伯克利分校);周安琪(南加州大学)
高航(加州大学伯克利分校);李瑞龙(美国南加州大学);Shubham Tulsiani(卡内基梅隆大学);Bryan Russell (Adobe Research);Angjoo Kanazawa(加州大学伯克利分校)
林宇辰(美国南加州大学);谭康民(美国南加州大学);克里斯·斯科特·米勒(达特茅斯学院);田北文(清华大学，清华大学);任翔(南加州大学)
清华大学信息科学与技术研究所;罗海鹏(美国南加州大学);陈立宇(美国南加州大学)
出版于2022年11月22日
最后更新于2022年11月28日
