机器学习社区存在毒性问题

毒性无处不在。



首先，同行评审过程已经中断。来自NeurIPS会议的论文的四分之一被上传到arXiv。 DeepMind的研究人员会公开骚扰批评ICLR提交内容的评论者。此外，即使审稿人决定拒绝该工作，在领先的会议上也会接受来自arXiv知名机构的文章。相反，一些评论最正面的文章被拒绝了（我不想透露任何名字，只需看一下今年的ICRL openreview页面即可）。



其次，存在再现性危机。显然，调整测试集上的超参数已成为当今的标准做法。不能超越当前最佳方法的文章在良好的会议上被接受的机会为零。结果，对超参数进行了调整，以在没有可用参数的情况下获得性能提升。



第三，存在敬拜问题。与斯坦福大学或DeepMind相关的每篇文章都被誉为突破。例如，BERT的引用比ULMfit多7倍。属于Google赋予了这篇文章许多信誉和知名度。在每次ICML会议上，无论工作内容如何，​​都有人站在每张DeepMind海报的前面。在ICLR 2020虚拟会议上召开的Zoom会议也是如此，而且NeurIPS 2020的应用程序数量是ICML的两倍，尽管这两个会议的级别都很高。为什么？为什么对“神经”一词如此称赞？接下来，Bengio，Hinton和LeCune [获得2018年图灵人工智能研究奖的获奖者-约。 ln]确实是深度学习的先驱，但是称他们为``人工智能的教父''非常疯狂。这已经成为一种崇拜。



第四杨乐村对偏见和公平的主题比较温和。但是，作为回应，完全没有足够的毒性和不良反应。摆脱LeCoon并使人闭嘴不是解决方案。



第五，机器学习和计算机科学总体上存在巨大的不平等问题（多样性）。在我们的CS系中，只有30％的学生和15％的教授是女性。在研究生或博士学位学习期间放父母假通常意味着学术生涯的结束。但是，这种不平等常常被误用作借口，使某些人免受任何形式的批评。减少科学讨论中关于种族和性别的每条负面评论都会创造一个有毒的环境。人们害怕参加讨论，以免他们被贴上种族主义者或性别歧视的标签，反过来加剧了不平等的问题。



第六，道德伦理是任意设定的。。在任何讨论中，美国国内政治都占主导地位。此时此刻，成千上万的维吾尔族人最终进入了这个社区发明的基于计算机视觉算法的集中营，似乎没人在乎。在每篇论文的末尾添加“ Wide Impact”部分不会解决此问题。当一篇文章中没有提到某位研究者时，垃圾堆就会增加。同时，几乎没有任何有关ML的有意义的讨论（除了一些Indaba研讨会）实际上排除了人口为10亿的非洲大陆。



第七，心态普遍输入“发布或死亡”。如果您不每年在NeurIPS / ICML会议上发表5篇以上的文章，那将是一个失败。研究团队已经变得如此庞大，以至于主管甚至都不记得所有研究生的名字。有些每年向NeurIPS提交50多个条目。本文的唯一目的是在简历中添加另一篇NeurIPS文章。质量是次要的；主要目标是经历预览阶段。



最后，讨论变得不礼貌。来自国际神经网络学会的亥姆霍兹奖得主Jurgen Schmidhuber称伦敦皇家学会的杰弗里·欣顿为小偷，埃塞俄比亚裔美国人，谷歌道德人工智能团队的联合主任Timnit Gebra称其为“ AI的教父”，是I Caltech研究总监扬·勒库恩（Jal LeCun），是白人至上主义者。在英伟达（Nvidia），阿尼玛（Anima Anandkumar）致电几何智能（Geometric Intelligence）首席执行官兼书籍作者加里·马库斯（Gary Markus）性别歧视。每个人都受到攻击，但没有任何事情会变得更好。



爱因斯坦反对量子力学。我们能否停止妖魔化那些不同意我们观点的人？让我们通过不割喉来表达不同意见。



当我们因为人们的意见而关闭他们的那一刻，科学和社会进步简直就消亡了。