Die International Conference on Machine Learning (ICML) ist eine internationale akademische Konferenz zum Thema maschinelles Lernen, die seit 1980 jährlich stattfindet. Sie ist die älteste und neben NeurIPS und ICLR eine der drei wichtigsten Konferenzen mit der höchsten Wirkung und Reputation in der Forschung zu maschinellem Lernen und künstlicher Intelligenz. Organisiert von der International Machine Learning Society (IMLS), dient die ICML als zentrale Plattform für die Präsentation von Fortschritten in der statistischen Lerntheorie, algorithmischer Innovation und bestärkendem Lernen.
Geschichte
Die ICML entstand als International Workshop on Machine Learning und fand erstmals im Juli 1980 an der Carnegie Mellon University in Pittsburgh statt. Der Workshop wurde von Jaime Carbonell, Ryszard S. Michalski und Tom M. Mitchell organisiert, die ein fokussiertes Forum für das aufkommende Feld des maschinellen Lernens schaffen wollten. 1993 ging die Veranstaltung in eine vollwertige Konferenzreihe unter ihrem heutigen Namen über und baute auf mehr als einem Jahrzehnt Workshops auf.
Seit den 2010er-Jahren werden die Proceedings der ICML im Open Access in den Proceedings of Machine Learning Research (PMLR) veröffentlicht, die aus den Workshop and Conference Proceedings des Journal of Machine Learning Research hervorgingen und 2015 umbenannt wurden. Diese Umstellung auf Open Access hat die ICML-Forschung einer breiten globalen Forschungsgemeinschaft zugänglich gemacht.
Die ICML hat zahlreiche grundlegende Arbeiten des modernen maschinellen Lernens veröffentlicht. Zu den bemerkenswerten Beiträgen gehören das K-Means-Clustering über PCA des Lawrence Berkeley National Laboratory (ICML 2004), Batch Normalization von Google (ICML 2015), EfficientNet von Google Brain (ICML 2019), CLIP von OpenAI (ICML 2021) und Soft Actor-Critic der UC Berkeley (ICML 2018). Diese Beiträge haben die spätere Entwicklung von Deep Learning und generativer KI maßgeblich beeinflusst.
Wachstum und Einreichungen
Der Umfang der ICML ist in den letzten zehn Jahren erheblich gewachsen. Die Zahl der Einreichungen stieg von 1.037 Beiträgen (270 angenommen) im Jahr 2015 auf 12.107 Einreichungen (3.260 angenommen) im Jahr 2025. Die Annahmequoten lagen im Durchschnitt zwischen 21 % (2020) und 30 % (2024). Im Jahr 2026 stellte die Konferenz mit 24.371 eingereichten Beiträgen einen neuen Rekord auf und verdoppelte damit die Gesamtzahl des Vorjahres.
Umfang und Profil
Die ICML deckt die gesamte Breite des maschinellen Lernens ab, mit besonderem Schwerpunkt auf theoretischer Analyse, algorithmischer Innovation und statistischem Lernen. Im Vergleich zu den beiden anderen großen Konferenzen für maschinelles Lernen, NeurIPS und ICLR, bietet die ICML traditionell mehr Inhalte zu statistischer Lerntheorie, bestärkendem Lernen, Robotik und Optimierungstheorie. Ihre jährlichen Proceedings erscheinen im Open Access in PMLR.
Die Konferenz zieht Sponsoren an, die Zugang zu Forschung und Talenten im Bereich maschinelles Lernen suchen. Technologieunternehmen wie Google, Microsoft, Amazon, Meta und Apple sponsern die Veranstaltung regelmäßig, veröffentlichen dort ihre Forschung und rekrutieren vor Ort Forscher. Auch Finanzunternehmen wie Citadel Securities, Jane Street Capital und D.E. Shaw sind bei der ICML präsent, was die wachsende Bedeutung des maschinellen Lernens im quantitativen Finanzwesen widerspiegelt.
Einfluss auf die künstliche Intelligenz
Die ICML hat eine entscheidende Rolle bei der Weiterentwicklung der Forschung zu künstlicher Intelligenz gespielt. Viele Techniken, die heute zentral für moderne KI-Systeme sind, darunter neuronale Netze und Algorithmen des bestärkenden Lernens, wurden auf der ICML vorgestellt und verfeinert. Der Schwerpunkt der Konferenz auf strengen theoretischen Grundlagen hat dazu beigetragen, maschinelles Lernen als reife wissenschaftliche Disziplin zu etablieren.
Die Konferenz dient auch als Brücke zwischen Wissenschaft und Industrie. Forscher führender Labore wie Google DeepMind, OpenAI und Anthropic präsentieren regelmäßig ihre neuesten Arbeiten auf der ICML, während Universitätsgruppen von Institutionen wie Stanford, MIT und UC Berkeley grundlegende Forschung beitragen. Diese Zusammenarbeit hat die Übertragung theoretischer Erkenntnisse in praktische Anwendungen beschleunigt.