1204手机基站地址-1204手机基地日本-1204手机基地

无贡献无创新无思路,ML领域准博士求助:论文到底要怎么创新?

发布日期:2021-10-06 23:53    点击次数:67

  

 

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。

机器学习领域水写论文日常:

△图源推特:AI Memes for Artificially Intelligent Teens

明明想得很美:要提出一个更好的新架构、新损失函数、新优化器或激活函数……

而实际正在做的呢?

在一个数据集上应用现有的东西(如架构,优化器,损失功能),尝试不同的组合以找到该数据集上的最优解。

这就是Reddit上的一位准博士现阶段的烦恼:

无贡献无创新无思路,ML领域准博士求助:论文到底要怎么创新?

他并不满意目前的工作,也不知道自己都做了哪些贡献。

所以帖子标题非常直接:

如何在机器学习领域写论文时保证创新性?

关注现实问题和细分领域

而对于这一问题,下方讨论的网友们基本分为了两类。

第一类认为,不要刻意去追求“创新”,而是先尝试从解决现实问题出发:

一个新想法的出现,通常是为了试图解释一些以前没有解决的问题。

或是这一问题已有方法(但你找到了更好的解决方案)。

现实中确实有很多这样的例子。

比如强化学习领域的很多论文都是集中在游戏上的。

造成这种现象的原因之一,就是大家在一开始都是用较低的成本让模拟器快速运行的。

但慢慢地,这种传统方法就让游戏暴露出了不少问题:

比如,只有在执行了一长串的正确行动(actions)后,你的(强化学习)模型才能得到奖励信号(reward signals)。

像这种实际应用中的困难,很容易就能引申到“要如何解决”或“怎么让现有方法变得更好”上。

那创新点不就来了?

而第二类网友则直接从问题根源入手:

别再在ML大领域里浪了,赶紧选个利基领域 (niche area)上吧。

什么是利基领域?

这是指一个大领域下尚未被其他人所占领的某个专业的小领域,也叫细分领域。

这一类网友觉得,你要在机器学习领域内创新,那就意味着要跟成千上万的科研人竞争,这谈何容易?

所以还不如去一些“过气”的分支领域去试试。

比如30年前在AI领域中流行过的归纳逻辑程序设计(ILP):

当然,这种方法更适用于当你的目标是“获得博士学位就算成功”的时候。

毕竟这样做很可能导致你的引用数常年在个位数打转……

最后就是Just Try it的保留节目了:

就算最后失败了,你也会对相关问题有更深的理解,或产生新的思考。

同时,这也能侧面印证你选择的课题是不是真的有价值:

毕竟对于牛逼的课题,即使失败也是成功的垫脚石。

但如果你完全无法从这次失败中收获新的东西的话——

那还是赶紧跑路另择idea吧。

永恒的难题:idea

其实今天开贴的这位题主所说的“保证论文创新性”,说到底还是一个idea的问题。

而对于广大科研人来说,这是个永恒的话题。

比如说19年时,就有这种“发现自己的idea已经被人发表了该怎么办?”的讨论帖了:

(只听标题都是闻者伤心听者落泪)

大家在下面集思广益了半天,从如何避免撞车,到撞车之后如何扩展强化,再到个人能力培养和学术环境,最后表示:

凑合一下,克服一下,适应一下。

而在去年,来自清华的高天宇同学也在直播中分享了他的idea来源:

这位本科期间就发表过两篇AAAI和两篇EMNLP的大神表示:

idea的形式多种多样,有原创的突破性工作,就像发明衬衫;也有排列组合、迁移、渐进的补充性工作,就像给衬衫装上纽扣和前衣口袋;而灌水就像是在衣服背后缝了个口袋。

今年,甚至有位英国教授专门写了篇论文来指导大家如何写论文:

作者主要从建模前如何准备、如何建出可靠的模型、如何稳健地评估模型,如何公平地比较模型以及如何报告结果五个方面,全面阐述了如何避免机器学习研究中的陷阱。

那么最后,你觉得还有什么保证论文创新性(或寻找idea)的方法呢?

清华特奖高天宇:

https://www.qbitai.com/2020/03/12309.html

如何写一篇不水的机器学习论文:

https://www.qbitai.com/2021/08/27616.html

发现自己的idea已经被人发表了,该怎么办?

https://www.qbitai.com/2019/06/3337.html

【编辑推荐】

对象池的使用场景以及自动回收技术CTO职责铁三角:商业、技术、团队VUE技术栈精讲云原生技术促进产业数字化转型2021年零售行业的四大核心技术基础设施趋势