2017 年 1 月份我第一次来机器之心在 Bay 街 101 号的办公室时，多伦多冬天的风喧嚣得让我觉得是用脸在冲锋
多伦多最迷人的夏天还没打算离开的时候，Bay 街 101 号向南望，风蘸了一些安大略湖的蓝，然后掠过湖心岛的郁郁葱葱，穿行在金融区的高楼大厦间，且时不时停下来尝一口熙熙攘攘的车流和行人——一席流动的盛筵。
把视线收回到办公室内，「2017 年 1 月份我第一次来机器之心在 Bay 街 101 号的办公室时，多伦多冬天的风喧嚣得让我觉得是用脸在冲锋」，我跟正在浏览最近原创文章发布进度的之乎前辈说。「是啊，没想到一眨眼就快三年了」，之乎前辈喝了口茶，依旧看着屏幕滚动的原创文章。
屏幕背后是机器之心分布在世界各地的原创分析师们字字斟酌，精心写作的日与夜。屏幕之前是机器之心数百万的读者们，也许是在上班等地铁的路上，也许是在下课休息的教室里，也许是在修改完学生论文后惬意的晚上。这一次，我们希望回顾这三年来机器之心原创项目的成长，让幕后的分析师走到台前，也让屏幕前的读者看到原创项目背后机器之心以及技术分析师们的故事。
三年的故事比一千零一夜长，AI/ML 领域的发展风云激荡，英雄辈出。亲爱的机器之心读者们，相信你们过去这三年也收获满满。而在这里，请让我们和你们分享机器之心原创项目精彩的三年。
数据
至今有 122 位来自世界各地的技术分析师为机器之心贡献原创文章，从中国，到日本和新加坡，再到新西兰；从美国，到加拿大再到欧洲各国。机器之心的技术分析师们拥有着宽阔的视野和敏锐的技术感知力。这 122 位技术分析师中，有 31 位博士（或博士在读），64 位硕士（或在读）以及 25 位本科生（或在读）。
| 国家 | 分析师人数 |
| 中国 | 34 |
| 日本 | 3 |
| 新加坡 | 3 |
| 澳大利亚 | 5 |
| 新西兰 | 1 |
| 英国 | 10 |
| 法国 | 1 |
| 德国 | 9 |
| 比利时 | 1 |
| 瑞士 | 1 |
| 加拿大 | 14 |
| 美国 | 40 |
| 总计 | 122 |
我们的技术分析师来自以下大学和研究机构：
图 2: 机器之心技术分析师毕业大学和工作机构分布。
在机器之心技术分析师和编辑们努力下，至今已经发布 158 篇原创文章，覆盖 ML 和 AI 的各个领域（如图 3）。同时，通过对文章标题进行关键字分析，可以看到图 4 中这一系列文章所关注的技术热点。
技术原创文章除了在机器之心微信公众号发布，还在机器之心官网 (http://jiqizhixin.com)，机器之心英文站（http://syncedreview.com），机器之心 Medium (https://medium.com/@Synced) 等多个渠道发布。迄今为止从微信公众号，机器之心英文站，Medium 累计获得阅读量 45 万+的阅读量。
原创项目的产生来自于一群热爱机器学习和人工智能技术，关注前沿进展的爱好者形成的小圈子。大家从一开始在群里分享论文阅读心得，讨论实验复现难点，到整理论文集并针对性地撰写长篇文字进行分析，最后开始通过机器之心公众号和博客站点发布文章让更多的读者看到。
我自 2017 年初作为技术副主编加入原创项目，协同第一批分析师针对 ML/AI 领域的进展进行英文原创写作。与此同时，分析师们也参与到机器之心的其他内容创作，比如技术访谈，和热点跟踪等工作中。凭借着大家对技术近乎痴迷的热情，我们大胆探索也仔细求问。不到两年时间，我们发布了一百多篇优秀的英文原创技术解读，收到大量英文读者的点赞，同时其中一部分还被国内媒体翻译成中文转载发布。
每两周一次的线上会议，基本上集齐了来自不同时区的分析师，日本的小伙伴哪怕是早上 6 点也会准时上线。大家讨论写作进展和技术热点，偶尔也来一些学术八卦和世界各地风土人情的吐槽。随着交流的深入，我们的技术分析师群体形成了一个小圈子，甚至于参加一些国际学术会议时，还能碰到前两周在线上会议吐槽论文的小伙伴。
当然，回过头看，当年慢悠悠的时间也如同流水般飞逝。我们第一批分析师现在有的已经离开学校进入工业界，有的进一步求学开始了博士研究生生涯。不变的是，他们是机器之心的技术分析师，他们贡献的精彩文章连同他们的署名被机器之心用心收藏。而我也非常庆幸能跟这么多优秀的人合作，特别是在他们学习和研究最为活跃的一段时间里。
我们特别邀请了一部分机器之心第一批技术分析师，写下了他们对原创项目的三周年的回顾和感言：
从 15 年底为机器之心翻译第一篇文章开始，到现在都已经三年多啦。三年前我还是一名学生，到了现在也已经成为一名算法工程师，三年期间我也观察到许多 AI 细分的相关公众号相继浮现，但心底对机器之心的那份信任和期待，仍一如既往，维持在当时为它写第一篇「进化算法」文章的时候。
16 年左右的深度学习在国内还没有那么全民皆知，百度一下 CSDN 也不会跳出上千个 CNN，卷积相关的博文，更多的讨论分享还是维持在学界和固定的知识分子圈中，这时的我通过和机器之心一起追踪学术前沿，读文章并且翻译，也许是我机器学习生涯里进步最陡峭的一段时间了吧，每天都可以在有道云笔记的共享文件夹看到其他伙伴搜集的优质算法博文，每一个算法对于我都是一扇新窗口，现在想起来都忍不住佩服那时候的状态。那段时间频繁地与学术界进行请教学习，最高光的时刻或许是我们有机会跟 Angrew Ng 进行了一次 Quora Session 的交流，难以言述与自己的机器学习启蒙导师隔着屏幕交流的激动心情。在那段时间内，我通过机器之心这个平台得以认识和见到许多顶尖的 AI 人才以及新媒体的资深从业者，还和其中几位成了不错的朋友。同时我体会到机器之心作为新科技媒体在当时 AI 浪潮早期积极地探索前沿，并且与学界保持良好的合作和沟通，使得平时较少能够见诸报端的科研工作者有机会分享他们的见解并且得以实现一种从初级到资深，国内国外的思想无缝交流，对于目前公开课泛滥，「知识经济」的时代或许并不新奇，但是在当时那样的尝试，至少对于我来说，是一种非常全新而且舒适的学习体验。
待到 2018 以后，仿佛一个公司门户网站不写个「AI+」都不好意思说自己是科技公司的年代，人工智能的算法在经历了一系列「更深」，「更大」，「更准」的攀比后，其难以落地或者说落地成本过于高昂的现实逐渐显现出来，而我作为一名业界工程师，在经历了一切都是全新的学习陡峭曲线后，也逐步平缓了下来，开始投入到应用中，也更多的注意到「算法落地」这个概念的重量以及它会如何深远地影响一系列依托于 AI 的产业和从业者，此时我注意到机器之心提出了一个机器之能的系列，他分析过诸如安防、自动驾驶，医疗等人工智能落地场景，给出细致的企业案例，从上下游到业务模式，都给了非常中肯的评价以及对未来发展的期待，此时业界学界两开花的人工智能，虽说本质进步还是应该依托于学界的新兴事物带动一轮轮高潮，但是另一方面在业界的良好产出和高回报率才是支撑高级人才愿意持续带动智能产业前行的基石。机器之心也看到了这一点，它仍然持续给学界的研究者们提供最前沿的研究进展报告和文章分享，而另一部分它也看到行业实际业务痛点和落地的困难，为技术从业者提供洞见和参考。以后的人工智能，或许还会有变革，有思考，但是一定也会有一个敞亮的远景，在变幻的时代中前进，这是我作为一枚工程师，对人工智能的期待，也是对机器之心一如既往的期待。
我加入机器之心时还是学生，现在在 Hulu 做软件工程师。
做过 tech analyst 和 industry analyst。加入机器之心最大的收获是拓宽了视野。对于学生来说，tech analyst 的工作能补充和拓展课堂上的知识，industry analyst 的工作促使我了解更多的业界动向，同时也帮助我养成收集、阅读新闻的习惯。每周 analyst 都会开例会分享和 digest 信息，认识了一群天南地北的小伙伴，是一段很有趣的工作经历。
我加入机器之心时在读德国亚琛工业大学计算机工程硕士，如今是密歇根州立大学计算机科学在读博士
在机器之心我的主要工作是分析和讨论机器视觉/翻译相关的文献如何解决：精读论文，查阅相关文献，理解论文，分析文章的核心算法，并提出有可能改进的解决方案有何收获：更深入的理解了论文的核心思想和具体做法，和小伙伴的交流和探讨增进了深入了解领域知识的热情。
我是 2017 年 2 月份加入机器之心兼职分析师团队，当时正在德国念计算机硕士研究生，那时已经关注机器之心公众号两年了。2018 年 8 月毕业后回国就业，目前正从事计算机视觉、图形学算法工作。
在机器之心我的主要工作是撰写人工智能相关的学术论文、博客等评论文章。最开始阶段我们每周有远程的 group meeting，及时总结工作发现的问题，在会上也认识了很多不同专业背景、在不同国家工作或学习的老师和同学。收获最大的时候是当自己的文章初稿写好后发给 reviewer，reviewer 会结合文章给出针对性的反馈意见，这些意见帮助我加深了对某个领域的认识。而当自己的文章发布在机器之心的公众号文章里时，能收获满满的成就感。如今自己也从事着人工智能的工作，也继续关注着机器之心以及机器之能两个公众号的文章，衷心希望机器之心越办越好，为读者提供更多高质量的文章报道！
技术分析师。有机会接触到最新的经过精心筛选的文章，可以拓宽视野，了解行业内最先进的技术。学习了很多先进的算法和思想，不仅提高了自身的专业知识，同时也提高了阅读文献，分析文献的能力。受益匪浅。
机器之心的工作：担任技术分析师，参与了最早的论文解读，产业分析，以及现在的 AI「知识百科」项目项目。
遇到的困难：因为机器之心是一个媒体，所以困难主要是担心自己对技术的解读可能不全面不到位，从而会误导读者，弄个大新闻。
如何解决：1. 向团队的前辈请教学习。机器之心里有不少大牛研究员和名校博士生，比我不知道高到哪里去了，和他们交流一下，难点在谈笑风生之间就被讲明白了。2. 提高自己的知识水平。遇到一知半解的知识点，查资料弄懂之后再呈现给读者，是最好的。
有何收获：1. 对技术的理解在广度和深度方面都有进步，尤其是在审阅团队成员工作的时候，学习了其他领域的知识，拓展了自己的知识面。2. 怎么把晦涩的知识点写的通俗易懂很重要，通过在机器之心工作的这几年，这方面的写作能力有了提高，一定程度上也有助于自己平时科研论文的撰写。
从 Global Team 刚成立招人的时候，我就作为第一批分析师加入了团队，在机器之心工作了近三年，和团队一起成长，收获颇丰。首先，机器之心这个平台集合了科研论文，技术博客，业界风向，大牛动态，学会报告等关于 AI 各方面的信息，通过机器之心的微信公众号推送，每天都能了解到第一手消息。其次，机器之心会不定期推出深度学习的教程文章，根据文章里的代码自己实践一遍，节省了自己找资源，找优质代码的时间，效率很高。最后，这几年看着机器之心的团队不断扩大，业务越来越成熟化多样化，成为了国内 AI 领域的第一媒体，自己心里也有一份自豪感。
机器之心团队中有很多值得学习交往的朋友，虽然我在日本，和北美以及国内团队没有碰过面，但是通过工作和日常的交流，大家成为了淡如水的君子之交。团队老大之乎，以及 H4O，Qintong，Jake，经常解答我工作中的疑问。研究员的 Joni 和 Haojin 在审阅中给予过我很多指导。另外，从朋友圈中看到 Shawn 等团队成员追求自己学术梦想的姿态，自己也比较受激励。非常有幸可以加入机器之心这支年轻优秀的团队，非常感谢团队对我工作的帮助和肯定，期待有机会可以和大家见面交流。
加入机器之心时我是德国斯图加特大学 Electrical Engeering 专业智能系统研究方向的硕士生。目前在本校信号处理与系统理论研究所念博士。
在机器之心的工作是 global techinical analyst。我的收获主要在于视野的拓展。
由于机器之心工作需要，很多时候会研读一些不是熟悉领域的专业文献，这个阅读与写作的过程中极大地拓展了横向视野。对后面的发展起到了挺关键的作用。通过机器之心的工作，结识了同在欧洲，甚至在德国的一些同事。也期望后面有机会和他们能有进一步的合作。
起初加入機器之心的時候，我正在多大唸研究所。現在在 Qualcomm ML Group 做 inference optimization 相關工作。
我在機器之心的工作為 technical analyst，負責寫 technical paper reviews。在寫 review/讀 paper 的過程，做容易遇到的困難就是對於一個新的領域的不熟悉導致許多疑問。機器之心的同事們都具有在不同領域的專長，也因為如此，每當遇到困難，往往能夠從與同事們的討論中得到答案，並學習許多新知識。在機器之心工作的過程中，我交了些朋友，有些是同樣在多大讀研的學生，有些是遠在不同學校/國家的同事。他們的工作態度以及對這個領域的熱情都是非常值得我學習的，都是他們崗位的 role model，讓我很享受跟他們工作的時間。
在原创项目开展半年多以后，随着加入机器之心的技术分析师数量增多，我们开始调整项目管理结构, 并且对文章内容根据技术领域做细分。我们邀请一线的研究学者作为顾问编辑加入团队。每一个顾问编辑带领一组技术分析师专注一个技术方向进行跟踪和分析。早期在编辑部没有对整个 AI/ML 领域进行细分梳理的情况下，依赖分析师本身的专业方向来进行写作。引入顾问编辑后，我们将技术分析师分为四个小组，分别是理论前沿和交叉学科，智能机器设备，应用研究与工程，技术视角下的产业趋势。顾问编辑参与到原创文章撰写的各个环节，从选题的制定，角度的选取，到文章结构调整和写作的润色。
Frontier & Interdisciplinar
Intelligent Machine
Applied Research & Engineering
Industry Trends with Tech Perspective
顾问编辑的加入，首先对我们的内容生产进行了结构化的升级，提高了对 AI/ML 不同方向的覆盖率也加强了对不同方向领域研究进展的敏感度。其次，我们的技术分析师可以和顾问编辑及时交流互动，一方面学习到一线研究人员思考问题的方法，另一方面写作水平有了肉眼可见的提高。
顾问编辑和分析师的密切沟通保证了文章质量，也帮助我们技术分析师进步。
如今，顾问编辑的参与已经是机器之心原创项目密不可分的一部分。我们的顾问编辑受邀回顾了过去三年在机器之心的工作和感悟：
Hasso-Plattner-Institut für Digital Engineering gGmbH (哈索普拉特纳数字 工程研究院，Prof.-Dr.-Helmert-Str. 2-3, D-14482 Potsdam, Germany
在机器之心做为顾问技术编辑，工作了大概 2 年多的时间。参与了从英文技术博客、「知识百科」项目，直到近期的中文技术分析文章项目。我对于之心的贡献主要是在技术文章选题，大纲撰写，协助分析师写作和大量的评审编辑工作。在工作中，我个人虽然就是这个领域的从业者，但还是从专业信息的获取速度、渠道和获取的质量上收益良多。例如在「知识百科」项目中，我作为主要评审之一，review 了 大量相关但不是我个人主要领域的「知识百科」词条，在整个过程中极大扩展了我自己的知识广 度，进行了有意义的学习。和之心同事之间的合作互动由始至终都非常愉快，我告诉自己，这是一个非常难得的经历，这个集体充满了正能量!
记忆深刻的分析师是李媛媛。我 review 了大量的「知识百科」词条，这其中质量保持的最好的一位分析师就是李媛媛同学，有一段时间她实力霸榜了「知识百科」项目的定期评奖活动。因为我曾经有过 3 位同学也叫这个名字，所以对她的记忆会比较深刻一点。还有记忆比较深刻的是 Chain（之乎）和亚洲工作的时间和强度，Chain 经常由于时差的缘故，要上完加拿大的班再接着上北京的班，异常辛苦，但她总是充满了活力，还有语速太快了。另外，我曾经帮着亚洲拍摄 ECCV』18 的获奖名单，那天我在这边熬夜喝酒狂欢，他在北京熬夜工作写稿，赶着第二天一早发。虽然当时心疼了他半秒钟，但是马上就被来和我碰杯的陌生人打断了。能这样近距离感受之心创始团队们 200% 的努力、激情和才智，是我的幸运，也时常让我反思在欧洲半养老的工作节奏，默默的可耻了半分钟，然后太阳照常升起 :-)。
我是 Joni, 目前在英国诺丁汉特伦特大学（Nottingham Trent University）担任讲师和独立研究员。我加入机器之心是在 2017 年初，开始是担任海外技术分析师，后来负责顾问编辑工作。我的本职研究是关于智能机器人、认知科学和机器学习等。在机器之心负责的范围也是偏向于我的研究的相关内容。我自己对与人工智能相关的心灵哲学、意识科学研究等也有很大兴趣，所以之前也在机器之心写了一些相关的分析和评论。有时在写这些分析评论过程中，其实也对我的正职有辅助，可以让我从现在正在埋头的课题退后一点点，看看其他人做的东西或者对某个课题有个比较宏观的分析。我很高兴能在这 2 年多中，伴随着机器之心成长，自己在这个圈子中也逐渐成长。我很幸运可以全身心去从事这个行业。我自己印象深刻的事情是有时可以以两个身份中的其中一个（研究员和机器之心的作者）参加一些机器学习的会议，和不同背景（学术界或者产业界）的人交流，其实是蛮有意思的事情。
发展到今天，机器之心原创项目流程上已经日趋稳定，原创内容的产出也摸索出了机器之心独有的风格。其中我们一直坚持的是走高质量的原创路线，用学术论文的标准去呈现内容，满足读者对「干货」的需求。
在创作解读文章时，我们采用「顾问编辑+技术分析师」的配置。从我们长期的实践和运营中，我们发现这一配置既能保证内容创作的质量，也能让技术分析师在创作过程中得到及时的帮助和长远的提高。
顾问编辑和技术分析师基于内容创作进行合作沟通。而内容选题覆盖上，我们以专栏的形式分为以下四个专栏：
学术会议提前看
技术解读专栏
会议讲座笔记
代码重现报告
ML/AI 领域的学术会议蓬勃发展，大量论文应接不暇。对于机器之心的读者，无论是否去参加现场会议，我们希望在会议开始前，对会议论文中不同方向的发展进行综合性解读。《学术会议提前看》专栏将告诉读者哪些文章值得去听，说服读者去听哪些文章会收获，以及什么样的收获。《学术会议提前看》专栏文章能有大量的分析师主观见解和个人评价。
NeurIPS 2019 提前看专栏地址：https://www.jiqizhixin.com/columns/NeurIPS-preview
《技术解读专栏》解读前沿进展，技术热点和经典论文。ML/AI 领域的技术更迭日新月异，我们透过新闻去解读背后的技术，了解技术发展的脉络，以及挖掘技术发展依赖的根本原理。机器之心专业技术编辑将为《技术解读专栏》提供写作选题和大纲，帮助分析师迅速找到写作思路和提高写作水平。
专栏地址：https://www.jiqizhixin.com/columns/Synced-technical-analyst
机器之心的分析师来自世界各地。我们寻找各地高质量的会议/讲座，并邀请分析师参加所在地的会议讲座，记录并整理获得第一手的笔记，分享给机器之心的读者。《会议讲座笔记》专栏能够把很多在教科书，论文，博客上无法获得的经验传播给读者。除了现场的会议/讲座，分析师还可以对会议讲座的视频进行整理和总结。记录会议/讲座笔记一方面能帮助分析师提高自己，更能给机器之心的读者带来第一手的会议讲座记录。
针对最新论文和代码库，进行探索性的重现和尝试。用实验报告记录整个过程，在帮助读者在阅读论文或者选择代码库时，了解到其中可能遇到的困难，以及论文描述与实际实现的差距。
我们邀请了正在为原创项目贡献稿件的两位技术分析师谈谈他们的体会：
至今完成 4 篇文章。根据机器之心编辑的选题，我对机器学习相关的不同方向开展了有针对性的研究，例如 Non-IID 等。一方面，锻炼了我的研究能力，包括了解选题、文献搜索以及文献阅读、分析和对比、提炼的能力。另一方面，也使我很好地保持了科研的状态。对于我来说，不是非常熟悉某些选题，在查找文献时会对文献的重要性、正确性和相关性等把握不太好。一般遇到对文献把握不好的情况，我都与编辑再进一步沟通，他会给我很清晰地指导，帮助我确定最终的文献。
每写一篇文章，就是一次对知识的打磨，同时也让我学习到了很多新的知识。困难的话，其实我已经写了三篇文章了，但是写第一篇的时候对文风把控不是很好，写的过于娱乐，好在在 H4O 大大和 Haojin 大大的指导下逐渐开始变的学术化了。希望以后能有更多的机会写更多的文章！
回望过去这三年，我非常荣幸能有机会作为技术副主编和来自全世界的一百多位技术分析师们一起工作，也无比感谢各位技术分析师为机器之心贡献了深度的思考，激烈的讨论和精彩的写作。对于机器之心和机器之心的读者们，这些原创文章帮助我们拓宽了视野，提高了效率。在学习，工作和研究陷入困顿和迷雾之时，机器之心技术分析师们写下来的思考和解读，可能会成为指明方向的灯塔，抑或是陪伴前行的伙伴。
铁打的编辑，流水的技术分析师。三年间，不断有新的技术分析师加入机器之心，也有分析师离开机器之心去往他们理想的学校或公司。不变的是，他们一直是我们最忠实的读者。屏幕前和屏幕后，可能相隔山海，但是对于 AI/ML 技术同样的热爱，这样的距离不成阻碍也不算遥远。
至此，我和顾问编辑们代表机器之心感谢屏幕前的读者们，更感谢屏幕后那群专业，勤勉，认真，可爱的技术分析师们。感谢你们！
机器之心原创技术分析师团队主要关注 ML/AI 领域的技术进展，并进行有深度有态度的原创解读。团队成员主要来自于业内一流研究机构，包括卡耐基梅隆大学、滑铁卢大学、多伦多大学、清华大学等。迄今为止，技术分析师们已经发布上百篇优秀的技术原创文章。
我们诚邀热爱 ML/AI 的你加入机器之心原创技术分析师团队，在这里你将系统地学习 ML/AI 发展脉络、领略技术的最前沿方向、感受学术界和工业界的思辩。
机器之心认真对待每一篇原创文章，我们有资深技术编辑提供选题和写作指导，同时对文章进行审阅和修改。
与机器之心资深技术编辑共同工作，了解前沿技术进展，锻炼写作表达能力。
结识世界各地的优秀分析师，交流理论技术与实践经验。
原创文章将在机器之心官网、微信公众号、小程序等平台上发布，与机器之心百万读者分享你的知识与观点。
我们也会提供一定稿费以激励更好的内容创作。
1. 填写申请表单：点击「阅读原文」，填写申请表单。2. 参加线上笔试：我们会在 24 小时内，以邮件形式发送笔试题目。3. 提交笔试结果：你将有 7 天的时间完成题目，完成后回复邮件提交结果。4. 等待审核通知：我们会在 7 天，以邮件形式通知笔试结果。5. 签约加入项目：笔试通过后，我们将联系你签约，正式加入机器之心原创技术分析师团队。机器之心技术副主编 H4O
2019 年 9 月于多伦多
