为什么AI 学者们都不约而同地抵制这个《Nature》子刊?

2018 年 5 月 21 日 DeepTech深科技


计算机科学诞生于一种叛逆的黑客文化,现在,这种文化也盛行于人工智能领域。目前,人工智能领域的研究成果越来越多地在会议和网站上发表,而避开了学术期刊等传统的出版渠道。


最近,一本备受瞩目的人工智能杂志受到了科学家们的强烈抵制。截至 5 月 15 日,约有 3000 人签署了请愿书,其中大多数是计算机科学家。请愿书承诺不为《自然机器智能》(Nature Machine Intelligence,NMI) 提交论文、写评论或编辑文章。NMI 是施普林格•自然出版集团将于 2019 年 1 月出版的一本新的学术期刊。

 

这份请愿书由人工智能领域的许多著名研究人员签署。请愿书不仅谴责付费的、订阅性期刊 (如 NMI),还谴责了收费出版。签字人呼吁,应该增加更多的“零成本”开放阅读的期刊。

 

俄勒冈州立大学的计算机科学家 Thomas Dietterich 说,抵制的目的是为缺乏资源的科学家“减少研究的障碍”。他说,对于传统出版业来说,人工智能领域发展得太快了,人工智能有可能带来巨大利益和巨大危害,“付费阅读使我们的研究论文更难受到公众监督”。

 

康奈尔大学物理学家、论文预印网站 arXiv 的创始人 Paul Ginspagg 称赞了这些人工智能科学家的“原则立场”。但是,他补充说,“我个人对订阅模式没有敌意”。他认为请愿书的签字人可能对免费期刊抱有不切实际的希望。服务器很便宜,但“系统的质量控制是劳动密集型,这需要资金支持”。

 

施普林格•自然集团在伦敦的发言人 Susie Winter 在一份声明中说,该出版集团不会放弃 NMI 杂志。“目前,我们认为最公平的方法是将相关成本分摊给众多读者,这样才能制作出高质量的期刊,并确保期刊拥有长期可持续的读者群。”Dietterich 说,他没有抵制施普林格•自然集团的旗舰杂志《自然》,因为计算机科学家不会在这种综合性科学期刊上发表文章。(谷歌的 DeepMind 公司将 AlphaGo AI 的论文发表在了著名的《自然》上是一个例外,尽管 DeepMind 的多名员工已经签署了抵制协议。)


 

Dietterich 说,非营利组织的期刊,如 AAAS(出版科学和科学机器人的期刊)、电气和电子工程师协会、计算机机械协会,也因为他们的使命和低廉的费用而获得通过。

 

在计算机科学中,大多数的出版都不在期刊上。通常,论文被公开在 arXiv 上,并免费提交给会议进行同行评审。Facebook 在纽约市的首席人工智能科学家 Yann LeCun 说,由于期刊的评审过程缓慢,计算机科学家们开始倾向于 arXiv。

 

人工智能领域的科学成果现在不仅是开放访问,而且是开放审查。2013 年,马萨诸塞大学的计算机科学家 Andrew Mcallum 推出了 OpenReview,该网站允许作者提交会议论文,并邀请评审员公开发表他们的评论,其他人也可以评论。一些主要的人工智能会议已经开始使用该网站。例如,在 2013 年人工智能领域一篇关于数据分析的论文中,一位数学家在一份证明中指出了错误,并分享了修复错误的想法。“科学应该是这样运作的,对吧?”Mcallum 说。他补充说,他和 Ginsparg 已经讨论过使用 OpenReview 为 arXiv 文章提供独立的评论。

 

Kaelbling 说,人工智能研究的激增正给现有的出版物带来压力,像 OpenReview 这样的网站可以通过推广评审工作和抑制低质量的提交来提供帮助。即将举行的 Neural Information Processing Systems (NIPS) 会议请 Kaelling 公司帮助寻找 2750 名审稿人。“但我认为很难找到 2750 名合格的 NIPS 评审,这太疯狂了!”她说。

 

McCallum 说,人工智能出版物的洪流可能是不可持续的,但它是令人兴奋的。他讲了一个关于一个同事的故事,他把一篇关于计算机视觉的论文在 arXiv 上公开。几个月之内,其他基于这篇论文的研究就被公开在了 arXiv 上。当其中一篇论文在会议上发表时,作者们不只是讨论他们自己的论文,他们会讨论一年的进展。“这更像是‘这里,让我告诉你一个七代人的科学研究回顾’”McCallum 说。“在一个封闭的出版业中,这种情况是永远不会发生的。”


-End-

 

编辑:LXQ

参考:

http://www.sciencemag.org/news/2018/05/why-are-ai-researchers-boycotting-new-nature-journal-and-shunning-others

 


登录查看更多
1

相关内容

专知会员服务
146+阅读 · 2020年6月15日
知识图谱在可解释人工智能中的作用,附81页ppt
专知会员服务
139+阅读 · 2019年11月11日
Nature 一周论文导读 | 2019 年 6 月 27 日
科研圈
8+阅读 · 2019年7月7日
消失的千人计划
新智元
24+阅读 · 2019年4月27日
Nature 一周论文导读 | 2019 年 2 月 21 日
科研圈
14+阅读 · 2019年3月3日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
深度强化学习的弱点和局限(上)
论智
8+阅读 · 2018年2月26日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Arxiv
6+阅读 · 2020年2月15日
Arxiv
3+阅读 · 2018年4月10日
Arxiv
13+阅读 · 2018年1月20日
VIP会员
相关VIP内容
专知会员服务
146+阅读 · 2020年6月15日
知识图谱在可解释人工智能中的作用,附81页ppt
专知会员服务
139+阅读 · 2019年11月11日
Top
微信扫码咨询专知VIP会员