亲,双击屏幕即可自动滚动
第21章 论文公开
    许多学校都会有一句劝勉性质的格言,类似于“今天你以学校为荣,明天学校以你为傲”。

    对大部分人来说,这只是一句鸡汤。但有少部分的人,可以真的做到把一己之力把学校的知名度打响。

    论文也是如此,有些论文以刊登在顶级的期刊和会议为荣,而有些论文则是期刊和会议之所以成为顶级的原因。

    对科研稍有了解的人,基本都会认为发好的论文就要发SCI,发高分,一区的SCI期刊。这种观点确实绝大部分时候都没有什么问题。

    不过对计算机类,尤其是AI方向来说,其实会议比期刊要重要许多。

    会议是一种每年定时收稿,定时审稿,然后把中稿的作者全都聚在一起交流展示的形式。他的特点是审稿快,时间固定有保障。并且参会可以和作者直接面对面交流讨论。

    而期刊则是全年随时可以投稿,审稿时间不固定,也不会组织作者见面的传统形式。

    对于很多学科来说,期刊更为权威,更加正式,审核也更加严格。

    但对AI来说,期刊就显得太慢了。AI的速度太快,快到很多人没法等待。

    比如去年Ale夺冠,你13年初自己做了许多的研究,研究了四五个月,然后把稿子投了出去。如果你投的是会议,八九月份就已经宣布审稿结果了。

    十一二月你就可以舒舒服服地去会场和别人谈笑风生,然后顺利毕业。

    可如果你投的是期刊,可能半年的时间过去了还在审稿,这时候2013年的新结果一出来,审稿人一看,发现人家好像比你高了好几个点嘛。

    原本可能可以中的文章,因此被拒也非常正常。

    这时候真可以说是叫天天不应叫地地不灵了,运气好的转投差一些的会议和期刊,或许还能顺利。

    运气如果不好,文章辗转被拒绝2-3次,从此彻底过时也很有可能,半年的心血就此白费,对很多学生来说可能就是延毕一年的结局。

    由于这种独特而快速的学科节奏,AI方向重会议而轻期刊,往往是会议上取得成功,才会继续扩展文章的内容,投给期刊慢慢审稿。

    如果领域内的学者想要了解最近的动态,基本上不大会去期刊查询,都会关注最顶级的几个学术会议,并参会直接和作者们交流。

    期刊?刊出来的时候都已经是一年半前的技术了。时代变了,大人。

    不过此时此刻,即便是会议对孟繁岐来说还是太慢了。ImAGENET的结果已经初步公布,他相信关注这件事的有心人都已经将目光锁定在drea和队伍dream上。

    既然纽约时报都已经关注到了这件事情,那看来是时候发出生成式对抗网络为drea再加一把火了。

    有的文章依赖高级别会议和期刊的名声为自己加持,而有的则不需要。

    AI顶会CVPR的收稿截止日期是2013年11月1号,孟繁岐投稿之后,可以选择匿名将自己的投稿内容公开。

    这样做是不违反规定的。

    只是有些时候,这件事情根本是掩耳盗铃,脱裤子放屁罢了。

    就比如现在的情况,孟繁岐准备公布自己的预印本,《基于drea的生成式对抗网络》。

    即便他选择匿名,又有谁会不知道这篇文章的作者会是谁呢?

    drea现在的细节没有任何信息公布,除了他还能有谁做到在这个时候发布这篇基于drea的论文?

    同理,后世AI技术逐渐向大模型发展,动辄几百上千块GPU。很多时候只看用了几张卡,用了谁家的独有大数据,看看内容就能猜到是哪家公司的哪个研究组了。

    其他人想做也没那个资源,没那个能力。

    既然是多此一举,孟繁岐自然不会做这样无聊的事情。

    “此时此刻,我最怕的就是别人认不出我,又何必匿名呢?”

    如此想着,孟繁岐便将这篇论文公布在了arxiv网站上。至于CVPR会议的人会不会觉得这样的做法违背了双盲审稿原则,就不在他在意的范围之内了。

    arxiv是一个开放的学术预印本存储网站,是一种现代的分享研究成果的方式。

    起初是因为某些基础学科审稿实在太久了,尤其是数学和物理,有的论文可能几个月都找不到人来读,根本没有人看得懂。

    在这种情况下,许多人会考虑把一个比较草稿的版本,或者干脆就是最终版本直接放到arxiv这个公开平台上来。

    这样可以促进交流和学科的发展速度,也是一种证明自己研究结果是何时得到的证据。

    后来,计算机,统计,生物,经济等学科也逐渐加入,arxiv越来越包罗万象。

    和正经的会议和期刊不同,arxiv只是一个开放平台。和pixiv这个插图分享网站一样。arxiv和pixiv基本上都不对上传的内容做非常严格的审查,因此上面的内容水平有高有低。

    arxiv也不是一个正式的会议和期刊,其内容自然也不算真的发表。发布在上面的内容没有经过同行评审,有不被人承认的风险。

    民科也大可以将自己的永动机大作发表在上面,装作一副高深莫测的样子。

    别的不说,哄骗一下不知情的外行人还真有奇效。页面上论文简介,各种领域标签,还有引用方式都有模有样的,又全是英文。非科研人员乍一看到很容易上当。

    不过孟繁岐丝毫不担心这件事情。现代AI的逻辑就是这么简单粗暴。

    原理和代码就在这里,用相同的随机种子,任何人都可以复现我的结果。

    别人承认不承认,质疑不质疑,孟繁岐完全不在意。

    甚至,他隐隐有且期待,因为这种冲突会带来相当可观的关注度。

    不多时,孟繁岐提交了生成式对抗网络的latex源文件,在网站上编译出了pdf文件。只待两天后,网站统一更新这些新增的文章。

    与此同时,该论文的原作者伊恩(Ian Goodfellow)最近刚想到了这个点子的雏形,还处在思索的阶段,距离真正成型的生成-对抗框架还有着相当长的一段路程要走。

    伊恩正在前往他博士导师,AI三巨头之一的——本吉奥,办公室的路上。

    “这是一个绝妙的想法,我需要一些帮助。”伊恩如此想道,“我要在我博士的最后一年完成这个前所未有的绝佳工作。”

    他决不会想到,有一篇更加完善,实验更加详尽,对相关领域的讨论和反思也更加全面的文章已经公布。