想讀AI研究生？你發過幾篇NIPS一做？

人工智能早已再也不是博士專屬的學科，不少國內外大學，如卡耐基梅隆大學（CMU）和南京大學已經開辦了本科人工智能專業。對於計算機科學的學生而言，AI 方向的研究生也是一個熱門方向。然而，最近不少北美本科生在申請學校的時候發現，衆多高校已經把 NIPS、ICML 等頂會論文的發表數量當作是接收申請的門檻了。

申請 AI 專業的研究生，須要 NIPS 論文一做？是的，來自多倫多大學的計算機科學和統計學助理教授 David Duvenaud 最近就在一次專訪中對這種「高標準」進行了介紹。在這以後，有關本科生如何發表 AI 頂會論文的問題引發了人們的關注，不少人在社交網絡上開始進行討論，並發表本身的見解。

Lee Clement 是同爲多倫多大學的一名在讀博士，目前研究機器人學和計算機視覺，他對 David Duvenaud 的觀點有些「感同身受」：

最近我聽了 David Duvenaud 在 Talking Machines 上的採訪，瞭解到多倫多大學機器學習研究生院的准入門檻其實是 NIPS 或 ICML 等頂會的論文。而這兩個頂會 2018 年的論文接收率分別爲 25.1% 和 20.8%。

這是大量學生涌入這一領域形成的結果。教授們理性地挑選他們認爲可能多產、學習速度快的候選人。

但實際上，這意味着爲了進入研究生院，你須要掌握本來讀研後才能掌握的技能。

也就是說，在申請研究生院校以前，你須要足夠幸運或者足夠有特權找到一個完成大學學業的地方，一樣也要有強大的機器學習實驗室來完成一個項目並發表一篇好論文。

即便你真的去了這樣的一個學校，找到一個實驗室作夏季研究項目或者畢業課題也是一個極爲不正式的流程，徹底依賴於教授是否喜歡你或者在課堂上表現是否足夠好。這很容易包含無心識的選擇偏見。

這是否意味着 ML 研究生院錄取變得更爲扭曲、更爲特權化？這是使人擔憂的前景，由於將來對這一領域有極大影響力的領導者可能只取自社會中愈來愈窄的一部分。

這就讓人很沮喪。由於當結構因素妨礙邊緣團體進入這一領域時，咱們討論增長研究社區多樣性的努力就毫無心義了。

招生委員會有責任認真思考下他們的項目要錄取誰、這對該領域的將來有什麼影響，以及對什麼人的生活會產生影響。人工智能和機器學習的研究將來會變成什麼樣呢？

在 Reddit 上，更多準備申請研究生院的本科生對此發表了本身的見解。

@INDEX45：

我對此的質疑是，即便是在最先熟的大學生中，甚至是那些 20 歲左右時就在頂級會議上被錄取論文的學生中，又有多少人是論文一做？在我看來，即便是最聰明、最有能力的孩子（這裏的每一個成年人都應該知道他們首先仍是孩子）在這麼小的時候，若是出如今一篇具備重要意義的論文上，他們當中大部分人極有可能都是被「提攜」的。除了極少數天才，大部分人都沒有足夠的智力成熟度、知識深度或廣度來本身進行這種前沿研究（這是研究生院應該教的東西！）換句話說，他們的成果反應的是他們所在研究部門的水平。

我沒有打擊或否定他們成就的意思。固然，這是一種好跡象，由於這說明一些教授會把他們歸入實驗室。可是有多少孩子真的擁有這種幸運的環境？若是有人 18 歲上大學，上的不是頂尖的 CS 學校，也許他有天賦和技能，但因爲經濟或家庭或其它緣由，他根本不會有這種機會。因此，若是你如今沒有去伯克利或麻省理工讀本科，你就不能讀它們的研究生了嗎？這彷佛很不公，也沒有必要，並且，也不明智。頂級 CS 學校的崇拜（企業界的是 FAMG 崇拜）已經夠糟了，大家真的但願這種東西在下一代繼續傳播嗎？

也有正在努力寫論文的本科生髮表了本身的觀點。

@cowboy_dude_6：

我是一名本科生，目前在爲實驗室寫一篇論文，署名一做。這份工做太艱難，我相信其餘人第一次寫時也是這種感覺。我花了不少時間試着去讀正在撰寫的主題，但卻沒有足夠的時間去了解所在領域的最新出版物，因此也沒辦法真正瞭解咱們的發現。有人告訴我，要作到這一點，要花幾年的時間堅持天天閱讀文獻。我以爲只有研究生纔有那麼多時間閱讀文獻，因此我贊成你的觀點，真正優秀的本科生論文一做的確存在，由於他們可能被」提攜「。我並無能夠貶低其餘學生的成就，但我很難相信，在沒有經驗豐富的學生和教授的大力幫助下，本科生可以獨立寫出一流的論文。

不夠嚴謹的研究生錄取標準引起了人們的爭議。mlawaythrow 表示：

 

一樣讓人以爲惱火的是，這類信息會在一些播客上「披露」，而後在一些人的推特上「披露」。若是你沒有機會看到這些交流，你根本不知道他們選擇研究生的標準。

由於大學沒有透露他們選擇學生的標準，這就更困難了。若是他們要接納的是發表過論文的人，那就直接說啊！這樣人們就能夠在幾年前就嘗試作研究，並設法發表論文。無論學校如何選擇學生，他們都應該披露本身的標準，讓全部人知道這些信息，而不是僅告訴他們直接合做的學生。

@TalTheTurtle：

對啊，他們的門檻很糟，還有些不清不楚。我之前在 UofT 大學讀本科（2016 年畢業），從成績來看，我在本科期間一直是年級中頂尖的 CS 學生。我作的研究是有關比較生物化學方面的，與 ML 無關。到後來我決定轉讀研究生，但爲時已晚，我沒有收到 Uoft 的邀請。

我認爲要求人們發表論文才能入學的作法太過瘋狂：研究生院的宗旨是教你作研究，而不是成爲一個接收會作研究之人的工廠。並且，本科發表論文並不表明會作研究——這裏面有運氣的成分，還要有一個給你找麻煩和好項目的導師，以及你願意花不少時間去鑽研。

人們對於研究生階段須要培養的能力也進行了討論。

@red-necked_crake：

針對 TalTheTurtle 所說的「我認爲要求人們發表論文才能入學的作法太過瘋狂」，red-necked_crake 表示不認同。後者認爲這不是問題，這些頂級學校如此挑剔實際上徹底合理。由於它們有權從巨大的人才池中進行挑選，這麼作有機會吸引那些已通過了門檻的申請者。實際上，通過必定數量的申請人篩選後，它們仍有不少申請人，以致於量化指標變得沒什麼用。即便篩選申請者的履歷和學校也一樣如此。

研究生院實際上並非教你作研究，而是把你過多的想法（你有太多「好」想法，沒法本身實現）分發給那些想法很少的人，但願聽到你否認了他們糟糕的想法後，他們最終可以有本身的判斷。做爲一名顧問，你的目標是最大限度地保證他們儘量過得充實，且儘可能減小花在學生身上的時間，這樣你就能接收更多的學生，或者有更多的合做。所以，你能夠生產大量的論文，並最大限度地提升發表論文的比例。那麼，僱傭一個根本不須要任何培訓的人就有意義了。從這方面來講，與其說是學徒制，倒不如說是一種合做。在這種合做中，導師有了能幫忙作實事的人（好比 Hinton 和吳恩達，對 Hinton 來講，好學生和壞學生的區別在於，好學生無論想法好壞，都能拿出結果；而壞學生不論想法多好，最後都難以完成研究。），而學生則得到了導師的品牌和特權。能夠說，這些學生所作的不少工做在排名較低的學校徹底能以一樣的質量水平完成。可是在其餘研究人員看來，品牌名稱會更低，他們的做品價值也會更低。

這裏的「好」指的是論文可以在合理的時間範圍（三個月）內完成，並且足夠「火熱」，能夠發表。

如今我不認爲優秀的導師就等同於那些名人了。這種人不多，由於在他們那裏基本沒有激勵措施。

在人們長篇大論的討論以後，Lee Clement 提到的多倫多大學助理教授 David Duvenaud，這一事件的「始做俑者」對此事進行了澄清：

嗨，我就是說了那些話的人。詳細的背景，可參考採訪內容：https://www.thetalkingmachines.com/episodes/troubling-trends-and-climbing-mountains。

下面我詳細介紹一下個人觀點：

1. 沒有硬性要求。我不知道具體數字，但我認爲今年的新生中至少一半沒有投中頂會論文。我試圖傳達的觀點是：不少被錄取的學生已經發表過不少不錯的文章，也有一些沒有什麼使人印象深入的成就，這使得兩者出現顯著區別。

2. 有不少錯誤的否認，由於在教師的角度來講接收博士生是一項很是大的承諾。糟糕的博士經驗對學生來講也沒好處。所以除了展現技術技巧以外，咱們還想看到學生具有度過艱難時光的能力，容易相處、適合團隊合做，以及明白本身研究的領域。這些事情很難評估，即便是在博士生面試以後。這使得本校學生具有優點，由於他們能夠更輕鬆地展現這些優勢。

3. 我不知道這是否能鼓勵到你們，我我的在 2008 年申請博士時是被多倫多大學以及全部全美頂級學校拒了的，後來我去了英屬哥倫比亞大學（UBC），在那裏遇到了很棒的導師。你很難知道哪裏適合本身，可是有不少厲害的學院，多是在你不感興趣的地區、不那麼有名的學校，你也許會在那裏遇到適合本身的導師和項目。

但願這能幫助到你們。

不管如何，人工智能學位的門檻已經愈來愈高。在考慮好專業以後，準備申請的同窗們，請作好心理準備。

在熱烈的討論中，有一個網友提到：「我認識某個來自中國的同窗，他如今還只是個本科生，但已在計算機視覺頂會上有超過五篇論文了（其中包括 CVPR、ICCV、ECCV）……因此說，如今若是想要重啓本科階段的研究生涯，你還有不少機會呢。」這位大神是誰呢？