李亚洲 蒋思源作者

疯狂的NIPS 2018!11分钟门票售罄

刚刚开放注册的 NIPS 2018 学术会议, 11 分钟左右门票被抢光,是黄牛作祟,还是真的如此疯狂?

神经信息处理系统大会(Neural Information Processing Systems,NIPS)是人工智能机器学习领域最重要的盛会,自 1987 年诞生起,这一学术会议已经走过了 30 余年的历史。每年,来自计算机科学领域的各路专家和业界人士都会汇聚一堂,在近一周的时间里共同讨论和分享人工智能的前沿想法。

自从数年前深度学习流行以来,NIPS 成为学术界、产业界重点关注的学术会议之一,参会人数从 5 年前的 2000 人也一度飙升到 2017 年的 8000 多人。除参会人员,2017 年 NIPS 的论文投稿也创造了历史新高,达到了 3240 篇。

2017 年 12 月,NIPS 2017 在美国长滩会展中心门口的注册排队长龙。

今年,NIPS 已然火热的令人疯狂。

开放注册 11 分钟:Sold Out

NIPS 2018 将于 12 月 3-8 日在加拿大蒙特利尔会展中心举办,按照会议安排,主办方于 9 月 4 日 8 点开放注册。但疯狂的是,主会议门票在 11 分 38 秒内 Sold out,刷新了去年 10 天内门票售罄的记录。而半小时后,tutorial 和 workshop 的票也全部 Sold Out。

会议主办方 Twitter 发文。

这一现象引发了整个社区的激烈反应:

众多未能抢到票的人也在也在 Reddit 讨论这一现象,有人觉得太过疯狂,「确切说是 9 分钟,S**t」。有人表示不必过于担心,「我确信他们(NIPS 官方)为作者保留了 2/3 的票,这么做非常合理。」更有积极渴望参会的人员在下面留言,「如果你有多余的票,请联系我,我买」。

堪比明星演唱会的局面,让人不禁怀疑,是否有黄牛。

幸运的是,真的如同前面所说,NIPS 2018 有个 Waitlist,官方会在 10 月之前开发一批票,11 月底开放第二批,但暂时还不知具体数量。

疯狂背后的隐患

从 NIPS 2017 在参会人数和投稿数量刷新记录后,后续暴露出了该大会火热背后的众多问题。

首先,产业界的高度参与,让这一学术会议已经不再存粹。

在 NIPS 2017 大会开幕致辞中,观众被问到有多少人是第一次参加 NIPS 大会时,超过一半的人举起了手:有的来「听课」、有的来招人、有的来找投资项目,还有公司想要和学界建立联系……

除此之外,Elon Musk 的 Twitter 言论也引爆了学者们对工业界的不满:「这是我第一次来 NIPS……听说除了 NIPS 之外还有个 TITS?!」。(参见:一场顶级学术会议一票难求背后,是 AI 产业热浪下学界的矛盾与茫然

其次,高度关注背后,也是 Elon Musk 玩笑话中展现出的 NIPS 名称含有侮辱女性意义的问题。更改大会名称成为今年有关 NIPS 的热点话题之一。

第三,众多投稿引发评审员不足的问题。

据数据显示, NIPS 2018 论文投稿数量高达 4900 篇,比去年又多了 1600 多篇。而本科生是否能成为同行评审人员也有非常多的争议

在今年五月份,一名本科毕业生成为 NIPS 2018 论文同行评审,他没有对该会议写过学术论文,也没有评议过论文。他在 Reddit 上写到:

我刚刚收到了一封邮件,成为了 NIPS 2018 同行评议的一员,真是 EXCITING!

然而我只是一位刚刚毕业的本科生,即将在今年秋天开始读硕士,所以说我从来没有提交或者评审过这个大会的论文。

我该如何选择论文来评审?我需要先从阅读旧 NIPS 论文开始学习其中的规律吗?最重要的是,如何写好同行评议?

本科生评审在社区内引起了大家激烈的讨论,例如有研究者表示:「如果你从未向 NIPS 或者其他机器学习会议投过论文,那你就不应该去做同行评议审别人的论文。」当然也有研究者比较赞同这一点:「导师经常会要求他们的高年级学生去评议论文,以此作为一种练习,在这个过程中,导师也会教导学生如何去做,当然,这会帮助导师减轻负担。」

但确定的是,为了确保审稿人的工作量不会爆炸,其他的会议在过去几年里也不得不做这样的事情(降低审稿人的标准)。其实近些年来,评审压力增长非常快,因此组织者已开始要求他们的审稿人提名他们所认识的人来进行审稿,有时甚至会要求正在向大会提交论文的作者进行审稿。

最后,正因为评审人员的标准降低,以及他们需要花更多的精力审议更多的论文,因此在评审结果出来后,很多研究者对论文的评分并不满意。在 Reddit 上很多讨论 NIPS 2018 评审结果的帖子可谓哀声一片


上面帖子是 Reddit 上对 NIPS 2018 评审结果讨论最激烈的帖子。虽然发帖人在介绍中表示,该帖是为了分享评审结果,并鼓励大家不要难过,采纳有建设性的建议改进论文。但最后,跟帖者们还是吐槽评审给出的结果,如「评审者要求重现论文中已经完成并讨论了的实验」、「你的方法不是首个无监督 X,因为我在 2017 年提出了无监督 Y。另外,和我的对比一下。」

此外,NIPS 2018 采用了很多在读研究生作为同行评审人员,因此很多研究者针对导师与学生在论文评审中的表现也发表了一些看法,他们认为不同的审稿方向与标准将会对论文最终的得分有很大的影响。

机器之心的读者表示「老实说,学生的见解一般都难有力度,帮助老师看看可以,但是亲力亲为者还得是老师,学生比较注重的是实验结果吧……」

以上,都暴露出了 NIPS 过度火热背后的一系列问题。加拿大阿尔伯塔大学计算机系博士、博士后李玉喜表示「11 分钟入场票售罄的现象」也是 AI 泡沫的一种表现,「个人认为,NIPS 这种学术性很强的会,没读过几十篇论文,去了基本就是凑个热闹。现在 AI 火,这个也算泡沫的一种表现。」

不只是 NIPS

其实,不仅是 NIPS。随着人工智能浪潮再起,众多相关学术会议的受关注程度越来越高。今日,南京大学计算机系主任、人工智能学院院长周志华在微博发消息称 AAAI 2019 的论文摘要提交达到 7745 篇,打破记录。周志华教授与美国密歇根大学 Pascal Van Hentenryck 教授担任 AAAI 2019 的程序联合主席。

这种情况下,有人评论说论文评审也会很重要。

此外,因深度学习热潮,从 2013 年开始日益壮大的 ICLR 也在去年爆出过匿名评审惹争议的问题。

受关注固然是好事,但这些热浪背后的问题同样亟待解决。

入门NIPS 2018学术会议NIPS
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

推荐文章
暂无评论
暂无评论~