文发来自奥菲寺。
量子报道| QbitAI，微信官方账号。
机器学习领域每日流水写论文：
来源推特：人工智能青少年AI迷因
清晰地思考是美好的：提出更好的新架构、新的损失函数、新的优化器或激活函数.
实际上正在做什么？
将现有的东西(如架构、优化器、损失函数)应用于数据集，并尝试不同的组合来找到数据集上的最佳解决方案。
这就是现阶段Reddit上一个准医生的烦恼：
他对现在的工作不满意，不知道自己做了什么贡献。
所以帖子标题很直接：
在机器学习领域写论文如何保证创新？
#关注真正的问题和细分。
对于这个问题，下面讨论的网友基本分为两类。
第一类认为，不要刻意追求“创新”，而是先试着从解决现实问题开始：
一个新的想法通常会出现，试图解释一些以前没有解决的问题。
或者有办法解决这个问题(但你找到了更好的解决办法)。
现实中有很多这样的例子。
例如，强化学习领域的许多论文都集中在游戏上。
出现这种现象的原因之一是，一开始大家都用较低的成本让模拟器快速运行。
但是慢慢地，这种传统的方法暴露了游戏中的许多问题：
例如，只有在执行了一长串正确的动作之后，你的(强化学习)模型才能获得奖励信号。
这种实际应用中的困难很容易扩展到“如何解决”或“如何使现有方法更好”。
那创新会来吗？
第二类网友直接从问题的根源入手：
不要再在ML领域挥手了，赶紧选个利基领域.吧
利基领域?是什么
这是指一个专业的小领域没有被别人占据，也叫细分领域。
这类网友认为，要想在机器学习领域有所创新，就意味着要和成千上万的研究人员竞争。有多容易？
因此，最好尝试一些“空中”的分支。
比如30年前在AI领域流行的归纳逻辑编程(ILP):
当然，当你的目标是“获得博士学位并获得成功”时，这种方法更合适。
毕竟，这样做可能会导致你在个位数一年到头都被引用.
最后，试试它的预约程序：
即使最后失败了，你也会对相关问题有更深的理解，或者产生新的思考。
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
参考链接：
https://www.reddit.com/r/MachineLearning/comments/p4pv17/d_how_to_bring_novelty_in_machine_learning/
― 完 ―
量子位 QbitAI 头条号签约
关注我们，第一时间获知前沿科技动态
