想不到，英国警察局的人脸识别系统竟然患上了某种“隐疾”。

昨天，在伦敦议会听证会上，大都会警察局局长Cressida Dick透露出，本地警察局部署的人脸识别系统的效果惊人——

准确率达到了2%！

也就是说，在一次识别中，98%的嫌疑犯都为误判。不瞒您说，英国人脸识别系统患上的正是致命的脸盲症啊……

对于这样看起惨不忍睹到无眼看的识别结果，英国警察表示很，满，意。

Excuse me ？没听错吧？

寒心的数据
从去年开始，英国警方开始使用自动面部识别技术（AFR）辅助搜捕。重点开展此项任务的警方有两处，一是大都会警察局，二是南威尔士警察局。

他们把这项技术部署在人多嘈杂的公共区域，包括音乐会、足球比赛等大型集体活动场地中。通过移动的摄像机扫描人群捕捉人像，之后将这些图像与想要抓捕的逃犯照片相匹配。

之后只需对比出结果，相似度高的，不就是get的逃犯么，完美。

然鹅！现实的数据异常骨感，如同大型打脸现场——

去年6月的欧冠联赛上，当南威尔士警方的人脸识别相机首次应用时，系统发出了2470次警报。也就是说，在这场球赛中每隔三秒就会提示嫌犯来了，系统的努力程度着实令人感动。

这几天，吃瓜群众心系莫斯科，机器学习研究者们的目光，飘向了更靠北的斯德哥尔摩。

△ Twitter @AmandaPapp4AI
机器学习顶会ICML 2018马上就要开始了。部分圈内人士已经聚集在瑞典首都斯德哥尔摩，欣赏着晚上9点多的日落；也有一些研究者，正在赶往斯德哥尔摩的路上。

当然，无论国内国外，更多的人都和你我一样，在远程关注。

盛会信息量巨大，最值得关注的有哪些呢？

量子位根据在Twitter、Reddit、微博等国内外社区的观察，整理了一些不容错过的信息。

读Paper才是要紧事
就算你没有中Paper，ICML这种盛会，总有论文值得一读。

首先，这次会议的论文集PMLR v80已经出炉了，收录了从2473篇投稿中选出的全部621篇论文。

论文集地址：
http://proceedings.mlr.press/v80/

这里有所有论文的PDF和补充资料，数量众多，全部读完当然不太可能，还是要根据自己的研究方向，各取所需。

不过几篇官方认定的获奖论文，倒是值得特别关注一下。

最佳论文奖（Best Paper Awards）2篇，都与机器学习的安全问题有关：

Obfuscated Gradients Give a False Sense of Security: Circumventing Defenses to Adversarial Examples
Anish Athalye (MIT), Nicholas Carlini (UC Berkeley), David Wagner(UC Berkeley)
论文：http://proceedings.mlr.press/v80/athalye18a.html
代码：https://arxiv.org/abs/1802.00420

这篇论文早在今年2月就引起了轰动。当时，ICLR 2018接收论文列表刚刚公布，一作小哥哥Athalye说，ICLR录用的对抗样本防御论文，他们的模型攻破了7/8。

他所说的现象，就是这篇获奖论文所得“混淆梯度(Obfuscated Gradients)”。

Delayed Impact of Fair Machine Learning
Lydia Liu, Sarah Dean, Esther Rolf, Max Simchowitz, Moritz Hardt
(几位作者都来自UC Berkeley)
http://proceedings.mlr.press/v80/liu18c.html

这篇论文所研究的是机器学习静态公平性标准的长期影响。

最佳论文亚军（Best Paper Runner Up Awards）3篇：

The Mechanics of n-Player Differentiable Games
David Balduzzi, Sebastien Racaniere, James Martens, Jakob Foerster, Karl Tuyls, Thore Graepel
（作者来自DeepMind、哈佛大学）
http://proceedings.mlr.press/v80/balduzzi18a.html

Near Optimal Frequent Directions for Sketching Dense and Sparse Matrices
Zengfeng Huang（复旦大学）
http://proceedings.mlr.press/v80/huang18a.html

Fairness Without Demographics in Repeated Loss Minimization
Tatsunori Hashimoto, Megha Srivastava, Hongseok Namkoong, Percy Liang（斯坦福）
http://proceedings.mlr.press/v80/hashimoto18a.html

时间检验奖（Test Of Time Award）1篇：

A Unified Architecture for Natural Language
Processing: Deep Neural Networks with
Multitask Learning (from 2008)
Ronan Collobert and Jason Weston
https://ronan.collobert.com/pub/matos/2008_nlp_icml.pdf

“大怼之日”
除了顶会的核心——论文之外，今年ICML有一个Workshop格外受关注。

这次会议的7月15日可谓“大怼之日”，当天，有一场名叫Machine Learning: The Great Debates的Workshop要举办，简称MLGD2018。

参加Workshop的辩手，有通过提交论文入选的，也有主办方邀请的。斯坦福大学教授Percy Liang、最爱参加辩论的纽约大学教授Gary Marcus等都在其中。

大怼之日有4个要怼的辩题，每个话题都有两名正方、两名反方。这些辩题分别是：

关于严格：

严格程度的提高将加速该领域的进展，我们可能实施的增强严谨性的做法并不会对其他价值造成过度折衷。

关于安全：

当前机器学习系统的漏洞非常严重，我们不应允许它们在实际环境中进行一般部署。

关于公平性：

为了有效地解决公平问题，机器学习社区不能减少对技术问题的公平性。 相反，它必须越来越明确地进行广泛的制度变革，注意技术本身的政治影响。

关于深度学习：

目前和可预见的深度学习方法具有固有的局限性，如果没有其他技术做辅助，它提升机器智能的能力有天花板。

这里，是完整的日程：
https://www.machinelearningdebates.com/program/

ICML怼过之后，这个Workshop还会在IJCAI-ECAI、AAMAS等会议上继续开怼。

研究机构各显神通
ICML即将开始，各机构也就纷纷在官方博客上介绍自家的论文、展位、参会人员等等。

入选论文太多的Google，洋洋洒洒列出了52篇论文。另外，Google的同学们还组织了3场Workshop，包括机器学习中的人类可解释性（WHI）、强化学习里的探索、深度生成模型的理论基础和应用。更多详情以及链接，都在他们的博客中：
https://ai.googleblog.com/2018/07/google-at-icml-2018.html

DeepMind列出了29项研究的介绍，还贴心地给出了各项研究Oral陈述和Poster展示的时间地点：
https://deepmind.com/blog/deepmind-papers-icml-2018/

Facebook官方博客也介绍了自家17篇论文：
https://research.fb.com/facebook-research-at-icml-2018/

除此之外，他们也举办了一场Workshop，主题是强化学习中的预测和生成建模。

微软说，他们有26篇论文被大会收录，派出了40多人去参会，展位，也基本搭好了。

在录取论文列表公布的时候，量子位初步统计过这些论文的出产机构。贡献了最多一作论文的，是Google（含DeepMind）；我国战果最丰硕的，则是清华大学。

最后，附传送门
ICML的整体议程，在这里：
https://icml.cc/Conferences/2018/Schedule

以及，重要的事情再说一遍，论文集的地址要记好：
http://proceedings.mlr.press/v80/

— 完 —