今天是8月3日，根据报道显示，旷视的首席科学家孙剑去世了，要知道，旷视可是目前我国的顶级视觉科学的高科技公司之一，其中的人才素质都非常的高，并且公司的水准在国际上也是数一数二的，是高新技术产业的重中之重的公司，而能在旷视担任首席科学家，孙剑无疑是有着非常强大的能力的人，也非常值得大家的信赖，可惜这么年轻就去世了，孙剑的去世是我们科学界的损失，那么孙剑之前在视觉领域获得过哪些成就呢？
或许很多人还不认识孙剑，我们可以先看一下孙剑的百度百科。
可以看到，孙剑主要是在视觉科技上以及人工智能上有着非常厉害的成就。它不仅仅开发了移动端高效卷积神经网络ShuffleNet，而且也开发了深度的开源学习框架平台MegEngine，以及人工的智能平台brain++等等相关的高科技技术。尤其是他的深度残差网络ResNets的开发更是解决了世界级别的难题。
他在2015年带领团队实现了国际视觉比赛的五项冠军，在2017年击败了全世界所有的顶级公司，包括谷歌微软FACEBOOK等等，拿到了COCO&Places图像理解国际大赛的三个冠军，并成功地完成了三连冠。担任了国家重要科技成功研究的带头人，获得了国家科技项目二等奖，担任了西安交大的首届人工智能学院院长。发表论文无数。
可惜孙剑才45岁就去世了，这无疑是一个巨大的悲哀。
近日，由@量子位 主办的“2021人工智能年度评选”正式揭晓结果，飞步 科技 荣获 “2021年度人工智能最具价值创业公司TOP20” ，创始人兼CEO何晓飞教授获评 “2021年度人工智能技术领袖TOP20” 。接连斩获量子位、高工智能 汽车 等平台所颁发的权威奖项，证明飞步 科技 以封闭场景为当前重点，以全栈式自研技术为核心支撑，快速推进自动驾驶商业落地与真实运营的战略，获得行业平台的高度认可。
飞步 科技 是自动驾驶技术与商业化落地的领跑者，强调为客户提供真正可运营、可持续的产品方案。以传统港口为例，在不进行基建改造的前提下，飞步 科技 通过人工智能技术，有效解决混线工况、定位干扰、长尾场景等带来的难题与挑战，以此诠释前沿 科技 与产业转型有效结合的宝贵价值。飞步 科技 自研核心技术“深度流形网络”获得了浙江省自然科学奖一等奖。飞步运用此技术，提升了港口混线场景数据的利用率，为自动驾驶系统迭代升级提供强劲燃料。
从诞生到落地，从落地到运营，飞步 科技 展现了行业技术领军企业的强大实力，与真正助力行业完成数字化转型升级的必然决心。我们自主研发的自动驾驶车路云一体化协同作业平台，支撑传统码头典型代表——宁波舟山港集团梅山港区实现了“边运营、边改造”，通过自动驾驶集卡与传统集卡规模化混线作业，于今年11月，创下年集装箱吞吐量破“600万”的 历史 新高。
飞步 科技 创始人兼CEO何晓飞是国家杰出青年科学基金获得者、国家万人计划入选者，国际模式识别学会会士（IAPR Fellow），2000年至今在国际顶级学术期刊和会议发表高水平论文200余篇，被引用次数30000余次。
视频加载中...
在这个领域发表了特别多的论文，而且参加了很多研讨会，而且也做出了特别多的贡献，是一个科研工作者，也获得了特别多的奖项，也培养了很多人才。
1、aaai是中国计算机学会CCF的A类国际学术会议，属于世界顶级会议论文！该会录用论文的水平相当于SCI二区，在人工智能领域享有盛誉。aaai的英文全称是 the Association for the Advance of Artificial Intelligence，中文意思是美国人工智能协会。 2、一般分为5个级别，分别是论文发表等级第二级-A类、论文发表等级第三级-B类、论文发表等级第四级-C类、论文发表等级第五级-D类、论文发表等级第六级-E类。
世界人工智能方面最顶级会议IJCAI。全称International Joint Conferences on Artificial Intelligence。
IJCAI作为AI领域的首个国际性的学术会议，一直以来都被该领域的研究者们视为发表论文和参加会议的重要殿堂。本届大会共收到4752篇有效提交论文，最终收录论文850篇，接收率为17.9%。
虽然，今年的论文提交量和录取量都创历史新高，但录取比率却是近10年最低。今年IJCAI的投稿总数相较于去年增加了约37%（去年论文投稿量3470篇、收录量710篇），而录取数仅比去年多了141篇。可以看出，一方面AI正受到越来越多研究者的关注，另一方面论文被接受的难度也在不断加大，但论文的含金量也得到了大大提高。
大会历年来接收论文数量：
从通讯作者来看，来自中国的研究人员为本届IJCAI贡献了主要力量。据大会官方统计，今年的接收论文中，38%的论文来自中国，48%的论文来自亚洲。
12月20日，被美国企业列入黑名单的“商汤 科技 ”，重新启动了在香港的IPO计划，计划在12月30日挂牌上市。从现在当下的股票市场来看，商汤 科技 在市场上还是很受投资者的青睐，尤其是在香港的股份不仅全额认购，连超额配股权也开始使用。 但是就在这样的好消息里面，也会一些议论的声音。很多媒体都开始质疑商汤 科技 的薪酬。认为在商汤 科技 年年亏损的情况下，三位公司高层却接连拿走12亿薪酬，这个报道一出也是震惊四座。 一时间有关 “商汤 科技 三名高管年薪近12亿”的事件发生。瞬间在互联网上引爆，大家都是众说纷纭，虽然说商汤 科技 都是以科学家为主的创业模式，几位创始人也都是高学历人才，但是即便如此。12亿薪酬也绝对算得上是天价。 在商汤 科技 正处上市的关键时期，舆论正在愈演愈烈，就在快要刹不住的时候，商汤 科技 亲自下场做出了回应，按照商汤 科技 官方的说法，外界多高管数亿酬薪其实是一个误会，公司高层的薪酬组成除了薪金工资以外，还有分红，股份为基础的 社会 保障，住房补贴，员工福利等。 根据商汤 科技 的回应，包含七七八八奖金在内的高管薪酬是在200万到300万左右，而公司的团队主要是以长期股权激励为主。换句话来说就是，商汤 科技 的三位高管确实有这么多的信后，但是这并不是平常也有的。 至于商汤 科技 一直不间断的亏损，其实跟高管也没有什么太大关系，问题并不是出在公司运营上。而是公司常年持续不断的研发和高投入，这才间接导致亏损。 而近期有传言称商汤 科技 与某互联网巨头疑似价值数亿人民币的共同投资项目——“潮多多”app将逐步向三四线城市开放，主打低于百分之一价格就能入手AJ、Gucci等奢侈品，已吸引日在线用户已达2000万。 根据商汤 科技 发布的招股书，2018-2020年，公司在研发方面的支出分别为8.48亿、19.16亿、24.53亿元。 不过正是因为商汤 科技 这些年一直不断的科研投入，让商汤 科技 公司在这几年的时间里，就能成为我们国家乃至全球AI的领军公司。从2014年开始，商汤可就就不断拿下多个全球冠军，发表600多项顶级学术论文，同时还拥有8000 人工智能专利技术。 也正是因为如此，商汤 科技 在上市后，几位创始人也拥有了价值连城的身家，根据有关数据了解，在这次IPO之前，商汤 科技 的创始人 汤晓鸥，联合创始人王晓刚、徐立、徐冰所持有的的股份比例为21.73%、0.9%、0.73%、0.33%。
带队力压微软、谷歌、FB三大巨头夺得全球竞赛冠军，孙剑是著名的图像识别深度残差网络ResNet发明人之一，拥有超过40项专利，顶级学术会议和期刊上发表学术论文100余篇。
据科技宣布讣告，该公司首席科学家、广视研究院院长孙剑因突发疾病抢救无效去世，享年45岁。 作为资深的人工智能领域专家，孙剑的去世是我国科技界的一大损失。 孙剑主要研究计算机摄影学、人脸识别等技术，他发明的残差网络技术力压微软、谷歌、FB三巨头，在世界大赛中胜出。 此外，孙剑还拥有40多项专利技术，发表权威论文100多篇。 孙剑毕业于西安交通大学，完成了学士、硕士和博士学位的学习。
在毕业后，他进入著名的微软亚洲研究院，通过自己的不断努力，担任微软研究院首席研究员，主要从事计算机摄影学和人脸识别等研究，取得了骄人的成绩。 在孙剑的不断创新和奋斗下，逐渐在人工智能领域崭露头角，并得到业界的认可，为自己的事业发展奠定了坚实的基础。 孙剑于1976年10月~2022年6月14日毕业于西安交通大学人工智能机器人研究所。
生前是矿山首席科学家，世界研究院院长，全面负责世界技术开发，发展成为世界最大规模的计算机视觉研究院。 在孙建博士的指导下，矿石研究院开发出包括移动端在内的高效卷积是神经网络。 开源深度学习框架、天元AI生产力平台等多项创新技术引领前沿人工智能APP应用。 孙剑博士的主要研究方向是计算机视觉和计算机摄影学，拥有40多项专利，2022年以来在顶级科学学术研讨会和期刊上发表学术论文100多篇。
孙建博士是世界人工智能领域著名科学家，西安交通大学优秀毕业生，西安交通大学人工智能学院首任院长，为世界人工智能发展做出了里程碑式的贡献。
今天是8月3日，根据报道显示，旷视的首席科学家孙剑去世了，要知道，旷视可是目前我国的顶级视觉科学的高科技公司之一，其中的人才素质都非常的高，并且公司的水准在国际上也是数一数二的，是高新技术产业的重中之重的公司，而能在旷视担任首席科学家，孙剑无疑是有着非常强大的能力的人，也非常值得大家的信赖，可惜这么年轻就去世了，孙剑的去世是我们科学界的损失，那么孙剑之前在视觉领域获得过哪些成就呢？
或许很多人还不认识孙剑，我们可以先看一下孙剑的百度百科。
可以看到，孙剑主要是在视觉科技上以及人工智能上有着非常厉害的成就。它不仅仅开发了移动端高效卷积神经网络ShuffleNet，而且也开发了深度的开源学习框架平台MegEngine，以及人工的智能平台brain++等等相关的高科技技术。尤其是他的深度残差网络ResNets的开发更是解决了世界级别的难题。
他在2015年带领团队实现了国际视觉比赛的五项冠军，在2017年击败了全世界所有的顶级公司，包括谷歌微软FACEBOOK等等，拿到了COCO&Places图像理解国际大赛的三个冠军，并成功地完成了三连冠。担任了国家重要科技成功研究的带头人，获得了国家科技项目二等奖，担任了西安交大的首届人工智能学院院长。发表论文无数。
可惜孙剑才45岁就去世了，这无疑是一个巨大的悲哀。
被誉为 深度学习的顶级论文首先，这个来头不小，由位列深度学习三大巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头创办。Yoshua Bengio 是蒙特利尔大学教授，深度学习三巨头之一，他领导蒙特利尔大学的人工智能实验室（MILA）进行 AI 技术的学术研究。MILA 是世界上最大的人工智能研究中心之一，与谷歌也有着密切的合作。而 Yann LeCun 就自不用提，同为深度学习三巨头之一的他现任 Facebook 人工智能研究院（FAIR）院长、纽约大学教授。作为卷积神经网络之父，他为深度学习的发展和创新作出了重要贡献。至于创办 ICLR 的原因何在，雷锋网尝试从 Bengio 和 LeCun 于 ICLR 第一届官网所发布的公开信推测一二。
《人工智能与机器人研究》是一本关于人工智能的期刊，该期刊杂志上发表的文章包含这些领域：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人工智能其他学科等等。另外，这本期刊就是一本开源期刊，与传统期刊相比，采用了同行评审的方法审稿，具体开源期刊的特点可以百度了解更多；而且发表了的文章传播范围更广，受众更多，文章的影响力也更大。
人工智能主要研究用人工方法模拟和扩展人的智能，最终实现机器智能。人工智能研究与人的思维研究密切相关。以下是我精心整理的有关人工智能论文的相关资料，希望对你有帮助!
浅谈逻辑学与人工智能
人工智能主要研究用人工方法模拟和扩展人的智能，最终实现机器智能。人工智能研究与人的思维研究密切相关。逻辑学始终是人工智能研究中的基础科学问题，它为人工智能研究提供了根本观点与方法。
1 人工智能学科的诞生
12世纪末13世纪初，西班牙罗门·卢乐提出制造可解决各种问题的通用逻辑机。17世纪，英国培根在《新工具》中提出了归纳法。随后，德国莱布尼兹做出了四则运算的手摇计算器，并提出了“通用符号”和“推理计算”的思想。19世纪，英国布尔创立了布尔代数，奠定了现代形式逻辑研究的基础。德国弗雷格完善了命题逻辑，创建了一阶谓词演算系统。20世纪，哥德尔对一阶谓词完全性定理与N 形式系统的不完全性定理进行了证明。在此基础上，克林对一般递归函数理论作了深入的研究，建立了演算理论。英国图灵建立了描述算法的机械性思维过程，提出了理想计算机模型(即图灵机) ，创立了自动机理论。这些都为1945年匈牙利冯·诺依曼提出存储程序的思想和建立通用电子数字计算机的冯·诺依曼型体系结构，以及1946年美国的莫克利和埃克特成功研制世界上第一台通用电子数学计算机ENIAC做出了开拓性的贡献。
以上经典数理逻辑的理论成果，为1956年人工智能学科的诞生奠定了坚实的逻辑基础。
现代逻辑发展动力主要来自于数学中的公理化运动。20世纪逻辑研究严重数学化，发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
2 逻辑学的发展
2.1逻辑学的大体分类
逻辑学是一门研究思维形式及思维规律的科学。 从17世纪德国数学家、哲学家莱布尼兹(G. LEibniz)提出数理逻辑以来，随着人工智能的一步步发展的需求，各种各样的逻辑也随之产生。逻辑学大体上可分为经典逻辑、非经典逻辑和现代逻辑。经典逻辑与模态逻辑都是二值逻辑。多值逻辑，是具有多个命题真值的逻辑，是向模糊逻辑的逼近。模糊逻辑是处理具有模糊性命题的逻辑。概率逻辑是研究基于逻辑的概率推理。
2.2 泛逻辑的基本原理
当今人工智能深入发展遇到的一个重大难题就是专家经验知识和常识的推理。现代逻辑迫切需要有一个统一可靠的，关于不精确推理的逻辑学作为它们进一步研究信息不完全情况下推理的基础理论，进而形成一种能包容一切逻辑形态和推理模式的，灵活的，开放的，自适应的逻辑学，这便是柔性逻辑学。而泛逻辑学就是研究刚性逻辑学(也即数理逻辑)和柔性逻辑学共同规律的逻辑学。
泛逻辑是从高层研究一切逻辑的一般规律，建立能包容一切逻辑形态和推理模式，并能根据需要自由伸缩变化的柔性逻辑学，刚性逻辑学将作为一个最小的内核存在其中，这就是提出泛逻辑的根本原因，也是泛逻辑的最终历史使命。
3 逻辑学在人工智能学科的研究方面的应用
逻辑方法是人工智能研究中的主要形式化工具，逻辑学的研究成果不但为人工智能学科的诞生奠定了理论基础，而且它们还作为重要的成分被应用于人工智能系统中。
3.1 经典逻辑的应用
人工智能诞生后的20年间是逻辑推理占统治地位的时期。1963年，纽厄尔、西蒙等人编制的“逻辑理论机”数学定理证明程序(LT)。在此基础之上，纽厄尔和西蒙编制了通用问题求解程序(GPS)，开拓了人工智能“问题求解”的一大领域。经典数理逻辑只是数学化的形式逻辑，只能满足人工智能的部分需要。
3.2 非经典逻辑的应用
(1)不确定性的推理研究
人工智能发展了用数值的方法表示和处理不确定的信息，即给系统中每个语句或公式赋一个数值，用来表示语句的不确定性或确定性。比较具有代表性的有：1976年杜达提出的主观贝叶斯模型， 1978年查德提出的可能性模型， 1984年邦迪提出的发生率计算模型，以及假设推理、定性推理和证据空间理论等经验性模型。
归纳逻辑是关于或然性推理的逻辑。在人工智能中，可把归纳看成是从个别到一般的推理。借助这种归纳方法和运用类比的方法，计算机就可以通过新、老问题的相似性，从相应的知识库中调用有关知识来处理新问题。
(2)不完全信息的推理研究
常识推理是一种非单调逻辑，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论。非单调逻辑可处理信息不充分情况下的推理。20世纪80年代，赖特的缺省逻辑、麦卡锡的限定逻辑、麦克德莫特和多伊尔建立的NML非单调逻辑推理系统、摩尔的自认知逻辑都是具有开创性的非单调逻辑系统。常识推理也是一种可能出错的不精确的推理，即容错推理。
此外，多值逻辑和模糊逻辑也已经被引入到人工智能中来处理模糊性和不完全性信息的推理。多值逻辑的三个典型系统是克林、卢卡西维兹和波克万的三值逻辑系统。模糊逻辑的研究始于20世纪20年代卢卡西维兹的研究。1972年，扎德提出了模糊推理的关系合成原则，现有的绝大多数模糊推理方法都是关系合成规则的变形或扩充。
4 人工智能——当代逻辑发展的动力
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。21世纪逻辑发展的主要动力来自哪里?笔者认为，计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理，而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素。例如，选择性地搜集相关的经验证据，在不充分信息的基础上做出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
5 结语
人工智能的产生与发展和逻辑学的发展密不可分。
一方面我们试图找到一个包容一切逻辑的泛逻辑，使得形成一个完美统一的逻辑基础;另一方面，我们还要不断地争论、更新、补充新的逻辑。如果二者能够有机地结合，将推动人工智能进入一个新的阶段。概率逻辑大都是基于二值逻辑的，目前许多专家和学者又在基于其他逻辑的基础上研究概率推理，使得逻辑学尽可能满足人工智能发展的各方面的需要。就目前来说，一个新的泛逻辑理论的发展和完善需要一个比较长的时期，那何不将“百花齐放”与“一统天下”并行进行，各自发挥其优点，为人工智能的发展做出贡献。目前，许多制约人工智能发展的因素仍有待于解决，技术上的突破，还有赖于逻辑学研究上的突破。在对人工智能的研究中，我们只有重视逻辑学，努力学习与运用并不断深入挖掘其基本内容，拓宽其研究领域，才能更好地促进人工智能学科的发展。
2022投稿的人工智能顶会论文一周之内有结果。根据查阅相关公开信息显示：一周之内就会出结果会议论文相对于普通的论文来讲，其要求比较低，大部分的会议论文在一周之内就会出结果，如果论文的查重率比较低。
是人工智能领域公认的顶级水平。
TPAMI是计算机视觉和人工智能领域公认的顶级国际期刊，是中国计算机学会（CCF）推荐的A类期刊，也是中国人民大学核心期刊目录中的A+类期刊，影响因子16.389。
2021年1月至今，高瓴人工智能学院已发表或被录用CCF A类期刊和会议论文76篇、CCF B类期刊和论文31篇。
TPAMI是目前计算机类别中影响因子最高（影响因子17.730）的期刊之一，主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果。
上海科技大学信息学院智能视觉中心的最新研究成果“Neural Opacity Point Cloud”在人工智能领域顶级学术刊物IEEE TPAMI发表。
TPAMI是模式分析与机器智能IEEE汇刊，中国计算机学会和中国自动化学会等多个学会将其定位为：国际上极少数的顶级刊物，鼓励我国学者去突破。
EEE TPAMI是公认的人工智能、模式识别、图像处理和计算机视觉领域顶级国际期刊，该期刊影响因子（Impact Factor）和谷歌指数（H-Index）在计算机科学和工程技术两个大类学科里均列首位。
同时，该期刊影响因子和谷歌指数列所有计算机学会推荐A类（CCF A类）期刊首位，在计算机科学与人工智能领域具有权威影响力。
以下是一些人工智能领域的期刊排名 (按字母顺序排列):
1. IEEE Transactions on 人工智能 (IEEE Transactions on Artificial Intelligence) 2. ACM Transactions on Computer Systems(ACM Transactions on Computer Systems) 3. Neural Processing Letters(Neural Processing Letters) 4. Journal of Artificial Intelligence Research(Journal of Artificial Intelligence Research) 5. Journal of Machine Learning Research(Journal of Machine Learning Research) 6. Information Processing Letters(Information Processing Letters) 7. Journal of Artificial Intelligence(Journal of Artificial Intelligence) 8. Machine Learning(Machine Learning) 9. Journal of Computer Science and Technology(Journal of Computer Science and Technology) 10. Journal of Neural Engineering(Journal of Neural Engineering)