如何激怒一位人工智能(机器学习、深度学习、强化学习等)爱好者?

2019 年 9 月 6 日 算法与数据结构

来自知乎
https://www.zhihu.com/question/339602 806


如何激怒一位人工智能(机器学习、深度学习、强化学习等)爱好者?


作者:Yulong Wang
https://www.zhihu.com/question/339602806/answer/782002759

激怒爱好者

requirements: our codes can only run on GPUs


激怒研究者

requirements: our codes need to run on 256 TPUs


激怒工程师

requirements: theano, matlab, lua-torch


激怒审稿人

our codes will be released upon the paper accepted


激怒作者

I am not familiar with the topic in the paper, and I am absolutely sure this paper is not qualified for this conference


激怒作者2

I cannot open this pdf



马东什么——「深度学习不就是tensorflow吗?

链接:https://www.zhihu.com/question/339602806/answer/788656610

麻烦你给我解释下神经网络,从业务层面上。

为什么一个数据没法训练 我就要训练试试?

为什么我训练集有1000个样本了 测试集的五万个样本会过拟合,我明明把正则化系数设的很大了啊

这个模型不能上线因为领导觉得太难理解了

为什么昨天让你研究一下半监督今天还没有应用起来

你怎么连知识图谱都不会啊?不就是一行一行的吗?

领导觉得这个项目不是很好,你明天先去写下shell吧

error xxxxxx 为什么?你代码写的不行啊,哦我数据没传进去

我们要做全自动化特征工程,不用人工干预脏数据丢进去就可以自动出来一个最优的特征子集并且符合业务逻辑

深度学习不就是tensorflow吗?

有几个特征字段没了,你这个模型为什么要重新训练?把模型里的参数去掉不就完了?

lightgbm就是随机森林

random_rate 设置为7 效果最好但是设置另一个值之后效果很差,这个时候我该如何选取呢



范六六——「15天学会Python,30天学会机器学习!

链接:https://www.zhihu.com/question/339602806/answer/782259558


大清早打开各大AI公众号

A公司,B学校联合提出xxx模型!彻底解决xxx方法带来的xxx问题!

“什么嘛,不就是B学校的跑A公司实了个习然后刷了一下baseline,有什么了不起的!

CVPR20xx论文评分第一!xx团队提出最新xxx方法!xxx亲自发微博宣传!xxx,xxx为之站台!

“不服气,我也能做出这样的工作,马太效应太严重了!

x大附中高中生提出最新xxx方法!专访别人家的孩子如何成为优秀的科研人员!

“原来比我年轻的人也做出来了啊(黑化)我还是去找工作吧……”

标题里的这句话「15天学会XXX」因为敏感词发不出来,大家意会即可 - -


卒。


作者:马平川
https://www.zhihu.com/question/339602806/answer/784553425

原图:



@郑华滨

修改版:








作者:hzwer

https://www.zhihu.com/question/339602806/answer/782429747

你们这行干到三十多岁就不行了吧?

你写的这 bug 里怎么这么多程序?

智能行业泡沫撑不了几年了吧?

你们是不是只要调包调调参?

你代码写的这么丑哪学的?

网上不都有现成代码吗?

能帮我修一下电脑吗?

智能是不是骗钱的?

你这搞的区块链?

诶你的头发呢?



作者:匿名用户
https://www.zhihu.com/question/339602806/answer/781802567

Reviewer 2:Strong Reject

Comment:


What is resnet?


What is imagenet?


What is bert?


What is relu?


What is cnn?


What is rnn?


What is lstm?


What is cv?


What is nlp?


What is machine learning?


What is ai?


What is what?


I cannot open this pdf.


What is pdf?


How do you compute this KL?


What's your problem?



作者:小心假设
https://www.zhihu.com/question/339602806/answer/781603456

你用来验证你的方法比别人方法好的数据(或例子等)是怎么“挑”(广义)出来的?
你实验是多少次才成功一次?

你的实验数据是从多少次实验中选的“最好”的?

你的实验在多大程度上可复现?

作为一篇 application 论文,你却只有仿真,是因为你连一次成功的实验都做不出来吗?
为了证明你的方法比别人的好,你是怎么样“精心挑选和设计”你的实验对象和实验环境的?
你拿这个方法(如算法、理论等)做这个应用,仅仅是因为别人没这么做过吗?


补充一下做理论的(泛泛地说):

你不就做了一个习题吗?

你只是把一个问题转化成了另外一个问题,并没有解决这个问题。

你并没有解决原问题,因为原问题有个坎你没过去,所以你加了附加条件,乃至“没过去却非得说过去了”。如果是前者情形,你是解决了加了条件之后的问题;而在后者,你则是什么也没解决但“非得说解决”了。

因为比如加了附加条件,你解决了一个现实中不可能存在的问题。
你的理论是 not even wrong 的。

你的 formulation 有问题。

这个问题是 trivial 的。

你这个问题顶多算是 incremental 的,甚至连 incremental 的都算不上。

你的 contribution 是小于等于 0 的。

你把一个不值得做的问题做得很好。但这并不能改变“这个问题是不值得做的”这个事实。

你做出来了,so what?有的问题做出来跟没做出来等价。

你做这个问题(如用这个方法,引入这个模型),仅仅是因为别人没做过吗?

你对科研的 taste 有问题。乃至:你没有 taste。

这你也好意思发表?


做理论的:你为什么这么假设?是因为只有这样你才能推出来吗?只有这样才能推出你想要的结果吗?


做应用的:你为什么选这个实验环境或实验对象,这么设置参数,挑这个数据?是因为只有这样你才能证明你的方法比别人的好吗?


更一般的:


你的论文这么多,那你的代表作品是什么?

你的论文数量或发表频率已经达到甚至超过了历史上的大牛、大神级的人物,那你觉得你跟他们有区别吗?

有的论文发表与不发表等价。

你的引用这么多,那我们一篇篇地看一看,到底是谁在引?哪些是你们自己或者是有所谓“学术血缘关系”的人引的,哪些是所谓的“友好 group” 引的,如此等等。还有审稿时“建议”别人引的...

你的引用或者某某 index 也达到甚至超过了历史上的大牛、大神级的人物,那你觉得你跟他们有区别吗?

你听说过 paper machine 这个词吗?

你听说过 citation club 这种说法吗?包括私下里约定的,也包括彼此心照不宣的,等等。

做理论的:你为什么这么假设?是因为只有这样你才能推出来吗?只有这样才能推出你想要的结果吗?

做应用的:你为什么选这个实验环境或实验对象,这么设置参数,挑这个数据?是因为只有这样你才能证明你的方法比别人的好吗?

你听说过先射箭后画靶的故事吗?你听说过在黑暗里丢了钥匙却在路灯下找,是因为路灯下才有光的故事吗?你听说过刻舟求剑的故事吗?在深处求剑很难、在浅处求剑很易,甚至可以捞起来杂七杂八的很多东西,但是你求到的还是剑吗?

你做所有的这些有多大成分上是为了科研本身?有多大成分上是为了所谓的“出人头地”?你当初选择做科研的初衷就是为了这么搞吗?

为什么这么搞来搞去,我国各个行业(包括应用,也包括理论)的水平还是这么差?所谓“劣币驱逐良币”,你们都不认为自己是劣币,那谁是劣币呢?



●编号1006,输入编号直达本文

●输入m获取文章目录

推荐↓↓↓

人工智能与大数据技术

更多推荐25个技术类公众微信

涵盖:程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web开发、安卓开发、iOS开发、C/C++、.NET、Linux、数据库、运维等。

登录查看更多
3

相关内容

强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
136+阅读 · 2020年3月1日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
干货 | 可解释的机器学习
AI科技评论
20+阅读 · 2019年7月3日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
一文了解强化学习
AI100
15+阅读 · 2018年8月20日
如何入门并成为一名出色的算法工程师?
机器学习不能做什么?
引力空间站
5+阅读 · 2018年3月28日
强化学习的入门之旅
机器学习研究会
6+阅读 · 2018年2月12日
如何用人工智能秒杀超级马里奥游戏
AI100
5+阅读 · 2018年1月8日
【强化学习】强化学习+深度学习=人工智能
产业智能官
52+阅读 · 2017年8月11日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Arxiv
7+阅读 · 2018年12月26日
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Arxiv
5+阅读 · 2018年4月22日
VIP会员
相关VIP内容
一份简明有趣的Python学习教程,42页pdf
专知会员服务
76+阅读 · 2020年6月22日
《强化学习—使用 Open AI、TensorFlow和Keras实现》174页pdf
专知会员服务
136+阅读 · 2020年3月1日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
相关资讯
干货 | 可解释的机器学习
AI科技评论
20+阅读 · 2019年7月3日
关于机器学习你要了解的 5 件事
机器学习算法与Python学习
7+阅读 · 2018年9月7日
一文了解强化学习
AI100
15+阅读 · 2018年8月20日
如何入门并成为一名出色的算法工程师?
机器学习不能做什么?
引力空间站
5+阅读 · 2018年3月28日
强化学习的入门之旅
机器学习研究会
6+阅读 · 2018年2月12日
如何用人工智能秒杀超级马里奥游戏
AI100
5+阅读 · 2018年1月8日
【强化学习】强化学习+深度学习=人工智能
产业智能官
52+阅读 · 2017年8月11日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员