学术相关为什么很多国内学者的AI的论

吴恩达老师曾经说过,看一篇论文的关键,是复现作者的算法。

然而,很多论文根本就复现不了,这是为什么呢?

一、数据关系

因为作者使用的数据比较私密,一般人拿不到,这种情况下,即使作者提供了源代码,但是读者却拿不到数据,也就没法复现算法。

这种情况在国内学术界很普遍,数据别人没有,这就好像一位奥数老师,自己出了一道奥数题,自己解答出来,然后把解题过程写了论文,这类论文往往说服力不够,故事性不够强。

二、硬件原因

深度学习的很多算法,是靠大力出奇迹的方法做出来的。比如谷歌、facebook的一些算法,依靠强大的硬件训练出来。

普通研究者没有那么强大的硬件资源,估计达不到他们的1%的算力,根本无法复现算法。

三、数据划分和训练方式

有些论文公开了代码,也公开了数据,但是论文里没有提到数据划分问题,数据如果比较少的话,不同的划分会导致结果不同。

四、众所周知的原因

这个原因大家心知肚明,我就不说太明白了,这个情况出现在很多国内作者的论文里。这个在公开数据上比较少见。

很多国内的学者发的论文,通常的套路是:

1.定义一个很新但是意义不大的问题;

2.面向github编程;

3.网络中加一些attention,module,normalization,loss,加到不会崩为止;

4.编故事,写小说,看上去逻辑挺清晰的,但是不给别人复现的机会。

理想的论文什么样?

1.效果可以复现,论文里每一个实验逻辑都很通畅,论文所有实验形成的逻辑链完备,使用公开数据集,效果和论文基本一致。

能够达到这种的一般是领域内的大佬,比如陈天奇、何恺明。

2.使用公开数据,公开代码,论文细节清楚,能复现论文的效果。尽管很多论文的作者也不能说明为什么这么设计的网络效果好,这个应该是深度学习可解释性差的原因。因为他们公开了代码,在公开数据集上效果好,能复现效果,所以也是好论文。

文末推荐

最后,推荐一个网站:paperswithcode.

转载请注明:http://www.abuoumao.com/hyfz/802.html

网站简介| 发布优势| 服务条款| 隐私保护| 广告合作| 网站地图| 版权申明

当前时间: 冀ICP备19029570号-7