Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

全球AI顶会NeurlPS开始收高中生论文了

卷高考之后的下一步,卷论文?

培养 AI 人才,要从娃娃抓起,这句话似乎越来越不像开玩笑了。

本周五,顶级学术会议 NeurIPS 开设高中生论文 Track 的消息引爆了人工智能社区。

图片

消息援引自大会组织方的一项新公告。请注意,这不是 workshop,是主会议:

图片

NeurIPS 2024 邀请高中生提交有关机器学习社会影响主题的研究论文。组委会将选出一部分决赛入围者以虚拟方式展示他们的项目,并将在 NeurIPS 主页上重点展示他们的作品。此外,最多五个获奖项目的主要作者将受邀参加在温哥华举行的 NeurIPS 2024 颁奖典礼。

参赛要求强调每份提交的作品必须完全由高中生作者独立完成。NeurIPS 2024 组委会希望每份提交的内容都能突出使用机器学习产生的积极社会影响或产生积极社会影响的潜力。

NeurIPS 2024 高中生赛道适用的领域包括但不限于:

  • 农业

  • 气候变化

  • 教育

  • 医疗卫生

  • 流浪(Homelessness)

  • 饥饿

  • 食品安全

  • 精神健康

  • 贫困

  • 水质

提交的论文需要遵从标准的 NeurIPS 格式和页数规定,审稿使用 OpenReview,每份提交内容都将由匿名审稿人进行审核,但论文作者需要署名。作者必须证明自己在 2023-2024 学年就读于高中。

所有论文必须在美国东部时间 6 月 27 日下午 4 点之前提交。

突如其来,褒贬不一

NeurIPS 2024 这个新赛道很快引起大量讨论。

有人认为这是一个好主意,也许可以帮助学生免费获得更多研究机会。

图片

「实际上,许多高中生有能力并且愿意完成这项工作,以前我们想要这样的机会和资源却没有。」

图片

然而,也有很多人认为这是一个很糟糕的主意:「NeurIPS 如果想吸引年轻人,我认为下一步应该是颁发一些『本科生最佳论文奖』。而且,为什么不至少先在 workshop 上尝试一下这个想法呢?」

图片

甚至有人直言:「这不过是高中生申请大学的一块敲门砖罢了。」

图片

关于完成项目的独立性,很多人也表示担忧,有人举例称「有研究能力的家长可能会给孩子在论文上署名,实际上孩子只是做了简单的数据验证」。「教授或研究生做重要的工作,但一些高中生却获得了作者的荣誉」,这种做法显然不利于学术公平。

图片

图片

这类问题最终可能导致「只有一小部分孩子可以获得有意义的计算资源」。

另外,有关「想要学 AI,高中应该学什么」上个月机器学习社区内刚刚经过一轮争论。那次的焦点在于数学。

图片

有组织称,目前美国至少有 17 个州已把「数据科学」作为高中数学教育的可选项,部分州甚至已将其作为代数 II 的替代课程。这一方式遭到了加州大学的反对。

有人发出了一封公开信,呼吁必须保证本科新生的数学水平:不要再把高中阶段提前学习的数据科学再纳入「数学」的范畴了,没有基础数学水平,就学不好 AI。

签署公开信的学界和业界名人包括马斯克、奥特曼,以及苹果机器学习高管 Samy Bengio、微软生成人工智能副总裁 Sébastien Bubeck、英伟达首席科学家 Bill Dally、谷歌首席科学家 Jeff Dean、图灵奖获得者,Meta 首席科学家 Yann LeCun、xAI 联合创始人 Greg Yang 等人。

现在 NeuIPS 2024 的「高中生论文赛道」来了,仿佛是在侧面给众多大佬一个背刺。

含金量极高的机器学习顶会

NeurIPS 在 AI 领域里的重要性是毋庸置疑的。

它全称为 Annual Conference on Neural Information Processing Systems,与 ICML、ICLR 并称为机器学习领域难度最大,水平最高的会议。若论学术影响力则与 CVPR、ICLR 一起长期处于 Google Scholar 全球所有学科中期刊、顶会的前十名。

图片

                                    可见 H5 index 高达 309。

NeurIPS 是由连接学派神经网络的学者于 1987 年在加拿大创办的,后来随着影响力逐步扩大,也曾移师美洲、欧洲等地举办。多年以来,发布在 NeurIPS 中的论文包罗万象,吸引着机器学习神经科学、统计学、优化、计算机视觉自然语言处理、生命科学等,横跨自然科学、社会科学等领域的研究人员。但论文的主题主要以机器学习人工智能和统计学为主。

每年投向 NeuIPS 的大量的研究不断推动了人工智能的发展。其中开创性的《Attention Is All You Need》论文(2017)向世界介绍了 Transformer 架构,启动了大语言模型革命。

图片

                               最近 NeuIPS 也和其他 AI 顶会一样变得更加火爆,2023 年的接收论文数量是 2017 年的 5 倍。

显然,AI 领域正在经历爆炸式增长,其中最令人兴奋的领域是大语言模型(LLM)的兴起,最近一段时间有关大模型的论文比例正在增多。

今年的 NeurIPS 2024 是第 38 届,预计将于 12 月 9-15 日在加拿大温哥华举行。

最后,想要投 NeurIPS 的高中生(和指导的家长们)可能需要注意的是,作为全球最受关注的 AI 顶会,该会议的水平很高。毕竟 2018 年图灵奖得主 Yann LeCun 也曾经自爆过论文被拒稿。

图片

请在研究中给出足够的创新点。

参考内容:

https://neurips.cc/Conferences/2024/CallforHighSchoolProjects

https://www.reddit.com/r/MachineLearning/comments/1c1zesl/news_neurips_2024_adds_a_new_paper_track_for_high/

https://www.arena-ai.com/blog/the-arena-take-reflections-on-neurips-2023-and-excitement-for-2024

产业NeurIPS 2024
相关数据
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)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

语言模型技术

语言模型经常使用在许多自然语言处理方面的应用,如语音识别,机器翻译,词性标注,句法分析和资讯检索。由于字词与句子都是任意组合的长度,因此在训练过的语言模型中会出现未曾出现的字串(资料稀疏的问题),也使得在语料库中估算字串的机率变得很困难,这也是要使用近似的平滑n元语法(N-gram)模型之原因。

Infor机构

Infor是一家跨国企业软件公司,总部设在美国纽约市。Infor专注于通过云计算作为服务交付给组织的业务应用。最初专注于从财务系统和企业资源规划(ERP)到供应链和客户关系管理的软件, Infor在2010年开始专注于工业利基市场的软件,以及用户友好的软件设计。Infor通过Amazon Web Services和各种开源软件平台部署云应用。

www.infor.com
相关技术
推荐文章
暂无评论
暂无评论~