为什么机器学习的缓慢发展可能是一件好事

2019年，仅在美国，与AI和机器学习相关的已发表论文的数量就将近25,000，而2015年约为10,000。而NeurIPS 2019是世界上最大的机器学习和计算神经科学会议之一，接受了近2,000篇论文来自数千名与会者的论文。

毫无疑问，这一势头反映了AI研究社区内部的宣传和资金增加，以及相应的竞争。但是一些学者认为，不懈地追求进步可能造成的弊大于利。

在最近的一条推文中，卡内基梅隆大学助理教授扎卡里·利普顿(Zachary Lipton)被特珀商学院和机器学习部门共同任命，提议为整个社区暂停一年的论文发表，他说这可能会鼓励“思考”。 ”，而不会在截止日期前“冲刺/忙碌/发送垃圾邮件”。

他说：“纸质雪崩实际上正在伤害那些没有[高引用率和良好学术地位]的人。”“该领域的噪音水平将事情推到了一个严重的水平，以至于严肃的人不再把'拥有论文'当作是有意义的……[仅仅]拥有论文这一事实已成为无用的信号，因为噪音水平是如此之高，甚至在接受的论文中。”

Google道德人工智能团队的技术联席负责人Timnit Gebru在本月早些时候在纽约市举行的AAAI人工智能会议之前的一条推文中回应了这一观点。“我现在参与太多与会议和服务相关的事情-我什至无法跟上一切。她说：“除了审查和主持地区外，还有后勤……组织等。”“学术界的人们说，您有更多的时间从事该行业的研究，但对我而言根本不是这样……阅读，编码和尝试理解这就像我在业余时间从事的活动，而不是我的业余时间。主要责任。”