「我懷疑同行評審實際上會造成而非減輕 Zachary Lipton 和 Jacob Steinhardt 不久之前在文章《Troubling Trends in Machine Learning Scholarship》中總結(jié)的怪趨勢?!菇袢眨?a class="innerlink" href="http://ihrv.cn/tags/谷歌" title="谷歌" target="_blank">谷歌大腦知名研究科學(xué)家、GAN 的提出者 Ian Goofellow 在 Twitter 上發(fā)表多條信息炮轟同行評審機制。
質(zhì)疑同行評審
今日,谷歌大腦研究科學(xué)家 Ian Goofellow 發(fā)了一條 Twitter,引起了大家激烈的討論:
我懷疑同行評審實際上會造成而非減輕 Zachary Lipton 和 Jacob Steinhardt 不久之前在文章《Troubling Trends in Machine Learning Scholarship》中總結(jié)的怪趨勢。
最近,「同行評審」一直是 Reddit 上與 Twitter 上的熱門話題,從本科畢業(yè)生成為評審到 NIPS 2018 評審結(jié)果的出爐,都引發(fā)了 AI/ML 學(xué)者對同行評審機制的討論。
在這條帖子中,Ian Goodfellow 毫不客氣地質(zhì)疑同行評審的作用,認為這種機制會造成而非減緩 Zachy Lipton 在 ICML 2018 期間總結(jié)的機器學(xué)習(xí)研究中的怪現(xiàn)狀,也就是:
無法區(qū)分客觀闡述和猜想。
無法確定達到好效果的來源,例如,當(dāng)實際上是因為對超參數(shù)微調(diào)而獲得好效果的時候,卻強調(diào)不必要修改神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。
數(shù)學(xué)性:使用令人混淆的數(shù)學(xué)術(shù)語而不加以澄清,例如混淆技術(shù)與非技術(shù)概念。
語言誤用,例如,使用帶有口語的藝術(shù)術(shù)語,或者過多的使用既定的技術(shù)術(shù)語。
(詳細內(nèi)容請參見:機器學(xué)習(xí)近年來之怪現(xiàn)狀)。
同時,Ian Goodfellow 的觀點也得到了 Zachy Lipton 的贊同,表示同行評審機制的退化也應(yīng)該被列在在文章的「原因」章節(jié)之下。
之后,Ian Goodfellow 接連發(fā)了多條 Twitter,「嘲諷」評審論文方式:
我常常擔(dān)任某領(lǐng)域的主席,且自己管理了一個小型研究組織,因此我看過大量評審,包括我們組的研究成果和其他人的研究。
通常評審人員讀到實驗性論文時會抱怨缺乏「理論」。但是他們卻并不要求理論論文來解決任何特定問題。我認為他們就是為了找到一個拒絕的理由——他們略讀論文,沒有看到論文中的方程。
這可以通過添加無用的數(shù)學(xué)來解決,評審者通常不會因為其無用而指出來。這樣論文就通過了「我略讀論文,也看到了方程或矯揉做作的理論名稱」的測試。
類似地,評審人員也會在讀到一篇關(guān)于表現(xiàn)良好的新方法的論文時,因為論文中沒有解釋為何該方法性能良好而拒絕該論文。
而如果你真的添加了解釋,那么不管解釋多么蒼白,評審人員通常會接受。
評審者往往通過論文的實驗部分來理解一個系統(tǒng)的運行方式,并對論文提出抱怨:沒有新算法。這個問題可以通過在論文中提出一個實際上完全無關(guān)的新方法來解決。
評審者似乎討厭「科學(xué)」論文,但是如果添加一些新的工程方法,則很容易「蒙混過關(guān)」。
(后者和其他情況相比不那么常見。我見過一些科學(xué)論文得到了很高的評審分數(shù),但卻常常被一些會議拒絕。)
沒有同行評審有可能帶來其他不好的趨勢,但是我看到評審者基本上一直是要求作者添加數(shù)學(xué)原理、虛假解釋和虛假的新穎性。
其實,Ian Goodfellow 并非在批評同行評審機制本身,而是認為該機制在實際應(yīng)用中沒有做好,「我認為同行評審理論上是個好主意,但在實踐中正確地執(zhí)行非常重要?!?/p>
此外,也有其他學(xué)科的學(xué)者表示,不只是 AI/ML 社區(qū)有 Ian Goodfellow 所說的問題,生物科學(xué)等其他領(lǐng)域也這樣。但是,單單的批評并不能解決問題,整個社區(qū)需要的是解決方案。
最后小編想問,Ian Goodfellow 的 NIPS 2018 論文也被評審批得一無是處嗎?