全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4注册夸大ML能力、论文纸上谈兵……机器学习社区为何变成这样?
作者:管理员    发布于:2021-05-20 11:21    文字:【】【】【

  一直以来,对机器学习(ML)社区的吐槽没有断过。但总是提出的问题多,解决方案却很少。所以,如何改造并建立一个相对健康的 ML 社区仍将是一个长期存在的问题。机器学习(ML)在不断地发展,大量令人瞩目的研究成果也相继出现。但正如其他领域一样,ML 领域并不完美,存在着这样那样的问题,因而对该领域的吐槽和批判从未停止过。

  之前,有人总结出了 ML 社区的,包括盲目崇拜、相互攻讦、重 SOTA 轻实效等,警醒人们,促使社区沿着健康的方向发展。不久前,一位硕士刚毕业的「老」工程师也对 ML 社区的残酷现状进行了,诸如封闭、缺少代码审查等,不一而足。

  近日,reddit 上又一则「质疑机器学习领域」的帖子火了,发帖者灵魂发问:「为何机器学习变成了这样一个充满毒瘤且自诩无所不能的领域?」

  我曾与很多不同领域和背景的科学家都合作过,但从未领教过机器学习社区那般着实令人生厌、自诩无所不能的学术氛围。并且,我敢肯定是「一些行为不端的『老鼠屎』坏了机器学习社区『这锅粥』」。

  究竟是哪些群体和哪些行为破坏了 ML 社区的氛围呢?发帖者总结了以下几点:

  在 ML 领域,我经常会看到一个群体或多个群体蜂拥至某个问题上,拿出 ML 这个工具,然后声称问题「已经解决」。此外,还应看到,在解决一些问题时,很少有中小企业参与其中,更重要的是,没有后续解决方案。

  我经常遇到这种情况,在深度学习领域尤为明显。人们会直接跳入计算机视觉(CV)或自然语言处理(NLP)等领域的学习,而不学习任何基础知识。我曾见过很多在著名学术会议上发表 CV 论文的学者,在与他们的交谈中,发现他们不清楚「颜色空间为什么有用」甚至「不清楚什么是像素」(像素绝对不是图像上的小方块)。

  你可能会说他们不需要了解这些,但这是妄想,他们绝对需要了解这些。比如,「计算 + CNN/transformer 能做的事情」是有限制的,所以他们需要在了解基础知识的前提下搞明白如何进行改进。

  过去很多人都提到过这一点,但我必须澄清自己的观点。我知道,很多因素导致了这一问题以及所有其他问题。论文往往只包含微小的架构变化或渐进式的改进,「真正的思想」却看不到。这就导致有时一位博士却不擅长工程实践,或者其研究效率比不上有经验的硕士生。在一个 ML 团队中,博士的思想在研发过程中非常有用,但在实际科研中,这些博士的表现却往往不尽如人意。

  当前,这类群体在 ML 社区中充当了「毒瘤」。他们总是指出问题,却从未提供(切实有效的)解决方案。他们就像「看门狗」一样,把 ML 社区搞得乌烟瘴气,甚至禁止社区内自由发表言论,却不用担心自己受到影响。这类群体应该接受彻底的改造,这是因为其中一些「自诩为专业学者的领导者」却最为刻薄无礼、游手好闲。

  通常给出的理由是:像数学这样的领域也没有什么直接应用。但事实果真如此吗?首先,ML(尤其 DL)不像数学,更像直接的工程实践。那么作为应用型的领域,ML 应该更加关注应用。微小的架构变化或者 ImageNet 数据集上 0.5% 的提升远远不够,这是一种惰性行为,单纯是为了获得博士学位。

  赢咖4

  物理和统计等学科往往会在实际生活中得到应用,并对现实世界产生影响。公平来讲,ML 领域也应如此。但很遗憾,ML 领域却没有发挥应有的作用,尤其是在同行业的一般企业中。

  这一问题也常常被提及。一味地夸大 ML 的能力,不确定是无知的幻想还是有意的宣传,或二者兼有。

  对于这位发帖者对 ML 社区的质疑和吐槽,多数网友表示认同,不过也有些认为不应只是抱怨,更应提出切实可行的解决方案。

  一位用户说道:「在攻读硕士期间,我也有过同样的感受。有时甚至觉得『什么都是假的』,以至于决定不再攻读博士并退出学术圈。像股票交易一样,ML 领域充斥着各式各样的谎言,只不过涉及的钱少罢了。」

  另一位用户也表示:「再同意不过了。当一个领域充斥着炒作并有利可图时,一切都只是预期结果罢了,并且对野心家们的吸引永远不会消失。」

  不过,也有用户认为发帖者只是指出问题,也并没有提出实际的解决方案,这不正和那些自诩公平 / 道德群体的做法一样吗?

  对于这位发帖者观察到的 ML 社区的各种乱象,机器之心的各位读者有没有什么可行的解决方案呢?如果有,可以在评论中分享出来供大家探讨。

相关推荐
  • 赢咖4娱乐谷歌推出Vertex AI托管式机器学习平台
  • 赢咖4注册夸大ML能力、论文纸上谈兵……机器学习社区为何变成这样?
  • 赢咖4Amazon SageMaker机器学习服务落地中国一周年亚马逊云科技在中国区域上线新服务
  • 赢咖4娱乐几乎以假乱真:英特尔通过机器学习让《GTA5》的画面更接近现实
  • 赢咖4注册Judea Pearl推荐UC伯克利研究者合著机器学习新书可当研究生教材
  • 赢咖4娱乐亚马逊云科技把机器学习能力交到每一位开发者和构建者手中
  • 赢咖4娱乐亚马逊云科技怎样构建机器学习团队?顾凡解密
  • 赢咖4恩智浦iMX 8M Plus帮助实现并行机器学习推理网络
  • 赢咖4人工智能看到了人类看不到的东西科学家还不知道其原理
  • 赢咖4娱乐量子机器学习达到极限:无法学习黑洞等典型随机或混沌过程
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下