伴隨着最後一個 Workshop 的結束，第 31 屆神經信息處理系統大會（Neural Information Processing Systems，NIPS）已於美國時間 12 月 9 日晚落下帷幕。本次大會期間，我們派出分析師團隊進行了現場報道，爲大家帶來了學界的最新動態和熱點。NIPS 2017 結束一週之後，我們結合公開數據與現場調查，精心製作了一系列數據信息圖，從論文接收情況、會議設計、贊助商、技術熱點等多角度爲讀者圖解 NIPS 2017 的各個側面。
據 NIPS 2017 組委會官方統計，本次大會註冊人數超過 8000 人；共收到 3240 篇提交論文，其中有 20.9% 被組委會接收；議程包括 679 個 Poster 演講、40 個長演講 (Oral)、112 個短演講 (Spotlight)、9 個受邀演講 (Invited Talk)、4 個專題研討會（Symposium)、9 個 Tutorial、52 個 Workshop、5 個官方挑戰賽（Challenge) 以及 20 個現場展示 (Demonstration)。（*注：下表中作者數量未進行去重）
贊助商的貢獻
隨着人工智能技術的日益成熟和產業化，產業界在 NIPS 的參與逐漸變得不容忽視。除了提交公司實驗室發佈的論文之外，贊助大會是產業界參與的 NIPS 的另一種方式。我們就 NIPS 2017 官方參會手冊中列出的贊助商進行了簡要的分析，希望可以從另一個側面爲讀者展示產業界在 NIPS 的參與情況。需要說明的是，以下分析均建立在所有贊助商均根據 NIPS 官網的標價進行貢獻的假設上。
第 31 屆 NIPS 共吸引了 84 家贊助商，相較去年的 64 家，同比增長 31.5%。在贊助商種類上，2017 年 NIPS 添加了官方標價爲 8 萬美金的 Diamond 類別，其餘保持不變；Platinum 贊助商標價由去年的 2 萬 5 千美金張至 4 萬美金，漲價 60%。其餘金銀銅類贊助商的價格與上一年度持平。
顯然，飆升的贊助商費用並沒有澆滅贊助商的熱情。選擇了新增類別頂級鑽石的 5 家贊助商毫不吝嗇地貢獻了 40 萬美金；相對實惠的 Gold 及 Silver 類別贊助商大幅增加，其中 Silver 類別由上一年度的 9 家增至 15 家，同比增長 104.76%，是贊助商增加最多的贊助類別; 唯一讚助商數量縮水的是最便宜的 Bronze 類別，同比減少 70%，不確定是否與主委會對贊助商進行了更嚴格的篩選有關。
84 家贊助商共爲 NIPS 2017 貢獻了 176 萬美金，較去年的 84 萬美金增幅超過一倍。其中，美國，英國，中國，加拿大及德國爲贊助商貢獻總資金來源做多的五個國家。來自這五個國家的贊助商爲本次大會貢獻了超過 90% 的贊助費。
另外一個有趣的發現來自於對贊助商所屬行業的分析。不出意料，與往年相似，約半數的贊助商來自於科技行業。在科技行業之外，金融行業是贊助商的第二來源。2016 年，總計有 17 家贊助商來自金融行業，約佔全體贊助商的 27%。2017 年，來自金融行業的贊助商佔總贊助商的比重保持穩定，並略有增幅，約爲 28%。但有意思的是，這些來自於金融行業的贊助商的平均貢獻額卻低於平均贊助額近 25%。
通過現場與金融公司站臺的工作人員的調查訪談，我們瞭解到這些金融公司的主要目的爲招募人才及瞭解技術發展動態；這些金融公司對於自己希望招募的人才類型理解水準良莠不齊，其中幾家有知名學者坐鎮的金融公司的展臺人員可以給出較爲明確的人才研究方向的描，但另一些卻只能給出非常含糊的描述例如「博士第三年以上」或「能進行基於大數據的分析」等。
論文提交熱點子領域
據組委會官方統計，本次 NIPS 的論文覆蓋 9 個一級領域以及 156 個子領域，子領域同比增長 150%，相較去年呈現了更像的多樣性。根據提交論文數量進行排列，最熱的三個子領域依次爲：
算法 (Algorithm)
深度學習 (Deep Learning)
應用（Application）
標題黨的偏好
我們分析師提取了本屆 NIPS 2017 所有演講及 Poster 標題中的技術關鍵詞，並根據其出現的頻率生成了以下關鍵詞雲。
不出意料，Learning、Deep、Neural Networks 佔據了最大的權重。而 Stochastic method、optimization、Bayesian、reinforcement learning、adversarial、inference、Gaussian Process 等相關方法也吸引了一定的研究熱度。有趣的是，Reinforcement Learning 及 Data 在子領域排名中較靠後，但在標題中的出現頻率則相對較高。
參會動機
據我們對近百位 NIPS 2017 現場參會者的抽樣問卷結果顯示，超過四分之三的受訪者表示瞭解研究動態是在進行自己的工作演講之外的第一參會動機。此外，約 15% 的受訪者則表示第一參會動機爲建立社交關係；另有約 7% 的受訪者的第一參會動機爲尋找工作機會。
圍觀那些事兒
本屆 NIPS 大會在 Facebook 上進行了大部分演講的直播（但並沒有 Symposium 和 Workshop），截至大會落幕後一週，大部分視頻的圍觀次數 (Views) 停留在 200~900 的範圍內。其中兩個視頻的觀看次數遠遠高於其他視屏。Yann LeCun 點贊分享的視頻 Geometric Deep Learning on Graphs and Manifolds 獲得了 8.3k 次的觀看，而包含了 Deep Genomics 創始人 Brendan Frey 的受邀演講以及本屆 Test of the Time Award 論文的作者 Ali Rahimi 包含引起爭議的「Machine Learning has become Alchemy」言論的演講視頻 Keynote: Brendan Frey, Why AI Will Make it Possible to Reprogram Human Genome 獲得了 1.9K 次的觀看。對於圍觀羣衆來說，學術會議和其他網絡視頻一樣，名人分享及爭議事件所帶來的瀏覽量顯著。
那麼現場的參會者的關注點又在哪裏呢？
NIPS 2017 官方參會 App 有將演講 Session 加入個人時間表的功能。根據官方參會 App 中參會者將 Session 的情況，我們可以大致瞭解參會者的關注點。
除去第一、二、三日晚的 Poster Session 之外，參與人數最多的爲第一天位於 Hall A 的 Tutorials，包含以下幾個演講：「Deep Learning: Practice and Trends」、「Deep Probabilistic Modelling with Gaussian Processes」、「Geometric Deep Learning on Graphs and Manifolds」。
而在所有的 Session 中，滿意度（Liked/Marked）最高的是週四下午的 Kinds of Intelligence 專題研討會（詳細內容見早先報道），其次爲 Neuroscience。
在 Workshop 方面，Mark 人數最多的爲「深度學習：連接理論與實踐」，遙遙領先於第二梯隊的「貝葉斯深度學習」，「機器學習系統」以及「分層強化學習」。
Workshop 主題設計更加具有針對性，五、六兩日 Workshop 的整體滿意度略微高於前四日的常規議程在意料之中；滿意度較高的 Workshop 的規模相對較小，滿意度最高的 15 個 workshop 中，僅有 5 個 workshop 的 mark 人數超過中位數 324.5。Mark 人數及滿意度均排入前十 Workshop 並不存在，均排入前十五名的 Workshop 有兩個，分別爲 Machine Learning for Creativity and Design 以及 Conversational AI - today's practice and tomorrow's potential。
機構論文發表排行榜
根據 Infinia.ML CEO 及執行總裁 Robbie Allen 在 Medium 發佈的 NIPS 2017 接收論文統計數據，本次被接收論文最多的學術機構前三名分別爲卡耐基梅隆大學（CMU）、麻省理工學院（MIT）及斯坦福大學；被接收論文最多的公司爲谷歌，微軟及 IBM。Robbie Allen 同時還對發佈論文最多的作者，第一作者及通訊作者等進行了更詳細的分析，感興趣的讀者可以閱讀 Robbie Allen 的原文進一步進行了解（https://unsupervisedmethods.com/nips-accepted-papers-stats-26f124843aa0）。
關於 NIPS 2017，一些有趣的事實
吳恩達爲 NIPS 2017 第一大「網紅」，Ian Goodfellow、Yann LeCun、Andrej Karpathy 和李飛飛緊隨其後
Los Andes 大學助理教授及加州大學伯克利分校遠程講師 John Alexis Guerra Gómezd 通過對 496 個使用 #NIPS2017 發推超過 5 條的賬戶關注對象進行分析，找出了 737 個這些賬戶跟蹤最多的賬戶。其中 NIPS 2017 的關注者關注最多的爲吳恩達，獲得了 496 個賬號中 359 個賬號的關注；Ian Goodfellow 獲得了 340 個；Yann LeCun 與 Andrej Karpathy 並列第三獲得 333 個，斯坦福大學計算機系副教授、谷歌雲首席科學家李飛飛獲得 312 個。
在社交、問主辦方和找工作之外，關於醫療行業的參會者官方討論組最爲活躍
本次 NIPS 使用的官方參會 App 有發起主題討論組的功能，但大部分的主題討論組並沒有太多的積極討論。其中較爲活躍的討論組（截止大會結束後一週內超過 100 條交流信息）不超過 30 個。在進行追蹤的 25 個較爲活躍的小組中，僅有 7 個是由學術主題相關，1 個是專門的 Job Posting，其他大部分爲基於來自區域或與學術主題無關的興趣社交。這 7 個學術相關主題分別爲：
Machine Learning for Healthcare
Medical Image Analysis
Deep Reinforcement learning
AI and ML in Education
Text Classification/NLP Meetup
Deep Learning in Genomics
Conversational Agents
Kaggle 聯合創始人及 CTO Ben Hammer 對歷年 NIPS 論文所使用的數據積進行了統計，並發現 MNIST 爲 2017 年 NIPS 接收論文中最多次被 reference 的數據集，遙遙領先於其他數據集；排名 2-5 位分別爲：CIFAR、ImageNet、 VGG 以及 UCI。
參考資料
https://nips.cc/Conferences/2017/Schedule
https://unsupervisedmethods.com/nips-accepted-papers-stats-26f124843aa0 (https://unsupervisedmethods.com/nips-accepted-papers-stats-26f124843aa0%EF%BC%89)
http://johnguerra.co/viz/influentials/NIPS2017/
https://www.kaggle.com/benhamner/popular-datasets-over-time