A Conferência Internacional sobre Aprendizado de Máquina (ICML) é uma conferência acadêmica internacional sobre aprendizado de máquina, realizada anualmente desde 1980. É a mais antiga e, juntamente com a NeurIPS e a ICLR, uma das três principais conferências de maior impacto e prestígio na pesquisa em aprendizado de máquina e inteligência artificial. Organizada pela Sociedade Internacional de Aprendizado de Máquina (IMLS), a ICML serve como um fórum central para a apresentação de avanços na teoria da aprendizagem estatística, inovação algorítmica e aprendizado por reforço.
História
A ICML originou-se como o Workshop Internacional sobre Aprendizado de Máquina, realizado pela primeira vez na Universidade Carnegie Mellon em Pittsburgh, em julho de 1980. O workshop foi organizado por Jaime Carbonell, Ryszard S. Michalski e Tom M. Mitchell, que buscavam criar um fórum dedicado ao campo emergente do aprendizado de máquina. Em 1993, o evento transformou-se em uma série completa de conferências com seu nome atual, com base em mais de uma década de workshops.
Desde a década de 2010, os anais da ICML são publicados em acesso aberto nos Anais de Pesquisa em Aprendizado de Máquina (PMLR), que surgiram a partir dos Anais de Workshop e Conferência do Jornal de Pesquisa em Aprendizado de Máquina e foram renomeados para PMLR em 2015. Essa mudança para o acesso aberto tornou a pesquisa da ICML amplamente disponível para a comunidade científica global.
A ICML publicou diversos artigos fundamentais para a inteligência artificial moderna. Entre os trabalhos notáveis estão o algoritmo de agrupamento k-médias via PCA do Laboratório Nacional Lawrence Berkeley (ICML 2004), a Normalização em Lote do Google (ICML 2015), a EfficientNet do Google Brain (ICML 2019), o CLIP da OpenAI (ICML 2021) e o Soft Actor-Critic da Universidade da Califórnia em Berkeley (ICML 2018). Essas contribuições influenciaram desenvolvimentos subsequentes em aprendizado profundo e IA generativa.
Crescimento e Submissões
A escala da ICML expandiu-se dramaticamente na última década. As submissões aumentaram de 1.037 artigos (270 aceitos) em 2015 para 12.107 submissões (3.260 aceitas) em 2025. As taxas de aceitação variaram em média entre 21% (2020) e 30% (2024). Em 2026, a conferência estabeleceu um novo recorde com 24.371 artigos submetidos, mais que dobrando o total do ano anterior.
Os artigos aceitos são apresentados presencialmente na forma de pôsteres. Contribuições particularmente notáveis são selecionadas para apresentações orais ou designadas como "artigos de destaque" por um comitê. Em 2026, 2,2% das contribuições submetidas foram designadas como destaques, e 0,7% adicionais receberam vagas para apresentações orais. A melhor contribuição é homenageada anualmente com o Prêmio de Melhor Artigo, anteriormente conhecido como Prêmio de Melhor Artigo, selecionado por um júri.
Escopo e Perfil
O escopo da ICML abrange toda a amplitude do aprendizado de máquina, com ênfase particular na análise teórica, inovação algorítmica e aprendizado estatístico. Em comparação com as outras duas principais conferências da área, NeurIPS e ICLR, a ICML tradicionalmente apresenta mais conteúdo sobre teoria da aprendizagem estatística, aprendizado por reforço, robótica e teoria da otimização. Seus anais anuais são publicados no periódico de acesso aberto PMLR.
A conferência atrai patrocinadores que buscam acesso à pesquisa e ao talento em aprendizado de máquina. Empresas de tecnologia como Google, Microsoft, Amazon, Meta e Apple patrocinam regularmente o evento, publicam suas pesquisas no local e recrutam pesquisadores presencialmente. Instituições financeiras, incluindo a Citadel Securities, a Jane Street Capital e a D.E. Shaw, também mantêm presença na ICML, refletindo a crescente importância do aprendizado de máquina nas finanças quantitativas.
Impacto na Inteligência Artificial
A ICML desempenhou um papel fundamental no avanço da pesquisa em inteligência artificial. Muitas técnicas hoje centrais para os sistemas modernos de IA, incluindo redes neurais e algoritmos de aprendizado por reforço, foram apresentadas e refinadas na ICML. A ênfase da conferência em fundamentos teóricos rigorosos ajudou a estabelecer o aprendizado de máquina como uma disciplina científica madura.
A conferência também serve como uma ponte entre a academia e a indústria. Pesquisadores de laboratórios líderes, como Google DeepMind, OpenAI e Anthropic, apresentam regularmente seus trabalhos mais recentes na ICML, enquanto grupos universitários de instituições como Stanford, MIT e UC Berkeley contribuem com pesquisa fundamental. Essa colaboração acelerou a tradução de insights teóricos em aplicações práticas.