李泽南 李亚洲参与

惹争议!本科毕业生成为NIPS 2018论文同行评审

在 NIPS 2018 大会论文接收即将结束之时,一名本科刚刚毕业的学生成为大会论文同行评审的消息引起了人们的热烈讨论。以色列 Bar Ilan 大学的计算机科学高级讲师 Yoav Goldberg(他曾在去年 6 月撰文批评过 arXiv 的不良风气,并与 LeCun 论战)对此评论道:「请搞清楚,这是『同行评议』,而不是找『只上过五个 TensorFlow 教程的人』来评议。」

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。每年,来自计算机科学领域的各路专家和业界人士都会共聚一堂,共同讨论和分享有关人工智能的前沿想法。而作为大会学术内容最重要的部分,会议论文是众人关注的焦点。据悉,今年的 NIPS 大会将于 12 月 3 日至 8 日于加拿大蒙特利尔举办,而本次大会论文的提交 Deadline 是 5 月 18 日。

就在今天... 现在倒计时 17 个小时。

在大家奋力赶在时限之前提交论文的同时,机器之心注意到了社交网络上一个有趣的帖子:

题目:NIPS 2018:如何写好同行评议?

这篇帖子的题主如此写道:

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?

这是如何做到的?人们议论纷纷,有的人质疑其成为评审的真实性,有的人则是认真地提供自己的建议,试图向作者传授评议论文的经验。

大家对此首先的反应当然是:「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。」

sharky6000 对此评论道:(这样的学生)确实有可能成为评审。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。当你拿到了 PhD 或者开始读博士后时,你的主管或导师有时就会把你推荐到大会或杂志作评审。另一方面,近年来各个大会的论文提交数量暴涨,让评审压力山大,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。

... 为了确保审稿人的工作量不会爆炸,据我了解,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)。有一年,ICLR 大会曾询问过论文提交者是否愿意帮忙审稿。

这样的解释看起来有一定的道理,不过仍然无法阻止人们惊呼:「这评审差异化有点过头了吧?」

在 Twitter 上,这个帖子也引发了一些大牛的讨论:

在此条 Twitter 留言下面,AAAI 前主席 Thomas G. Dietterich 教授、卡内基梅隆助理教授 Zachary Lipton、以色列 Bar Ilan 大学的计算机科学高级讲师 Yoav Goldberg 等。

有研究者表示,这是一种讽刺,也有研究者建议在机器学习/深度学习夏季课程这样的活动中也应该训练学生的论文评审技能。

同行评审,一直是学术会议中比较惹人争议的一个话题。例如,2017 年 ICLR 的匿名评审也曾引发争议。当时,牛津大学、Google DeepMind 和加拿大高等研究院(CIFAR)的研究人员提出的 LipNet 论文出人意料地遭拒

机器学习火热的今天,学术会议做好论文评审的标杆,也许会为媒体、非专业人员提供更好的参考。

产业学术会议论文NIPS 2018
1
相关数据
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

牛津大学机构

相关技术
托马斯 ·G· 迪特里克人物

Thomas G. Dietterich 是俄勒冈州立大学计算机科学荣誉教授。他是机器学习领域的创始人之一。他曾担任机器学习的执行编辑,并帮助共同创建了机器学习研究期刊。为了回应媒体对人工智能危害的关注,Dietterich 已被引用到广泛的媒体渠道,包括国家公共广播电台,商业内幕,微软研究院,CNET 和华尔街日报。

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
写的很好 ,