首届国际机器学习研讨会在卡内基梅隆举行

为什么需要一个专门的会议

机器学习同时依赖统计学、模式识别和人工智能等几个学科，而这些领域的研究者未必读同一批论文，也未必使用同一套术语。一个专门讨论「学习」本身的定期会议，能把这些人放到同一个场合：比较方法、争论结果该怎么衡量、在论文正式发表之前听到正在进行的工作。

1980年7月，卡内基梅隆

首届国际机器学习研讨会（International Workshop on Machine Learning）于1980年7月在匹兹堡的卡内基梅隆大学举行^[1]。组织者是 Jaime Carbonell、Ryszard S. Michalski 和 Tom M. Mitchell^[1]。会议名称用的是「研讨会」（workshop）而不是「会议」（conference），这个词有讲究：研讨会通常规模更小、更像一次工作聚会，人们把未完成的结果带来讨论，而不是把它当作展示定稿论文的舞台。

变成 ICML

1993年，这一系列转为正式会议，并使用今天的名称 ICML^[1]。名称与形式的变化，反映的是一个领域在长大：当投稿数量超出非正式安排所能承受的范围，会议就需要评审程序、正式出版的论文集和一个常设的组织机构。

数字上的增长

增长可以直接从投稿量看出来。2015年收到1037篇投稿，接收270篇；2025年收到12107篇，接收3260篇^[1]。从2015年到2025年，投稿量增长了约12倍，而接收比例大体维持在四分之一左右。也就是说，会议规模的扩大来自领域本身的扩张，而不是录用标准的放松。

ICML 在今天的位置

ICML 是机器学习三大主要会议中历史最悠久的一个，另外两个是 NeurIPS 和 ICLR^[1]。这一系列会议由国际机器学习学会（International Machine Learning Society，IMLS）组织^[1]。ICML 官网把会议描述为致力于推进人工智能中机器学习这一分支的专业人士的首要聚会^[2]。正式论文集发布在机器学习研究论文集网站 proceedings.mlr.press 上^[2]。这意味着在会上报告过的论文，在会议结束很久之后仍然可以被找到、被引用；这个领域认为值得发表的东西，就这样一点点积累成公开的记录。

影响

会议做的事不止是分发论文。它也在设定期待：什么样的结果算证据、什么样的对比算公平、接下来哪些问题值得做。1980年7月在卡内基梅隆举行的这次研讨会启动了机器学习领域的这一过程，此后一连串的会议把它延续下来——每年被接收的论文，都成为下一年投稿必须回应的参照点。