想读 AI 研究生？你发过几篇 NIPS 一作？
转载自 机器之心 公众号
人工智能早已不再是博士专属的学科，很多国内外大学，如卡耐基梅隆大学（CMU）和南京大学已经开办了本科人工智能专业。对于计算机科学的学生而言，AI 方向的研究生也是一个热门方向。然而，最近很多北美本科生在申请学校的时候发现，众多高校已经把 NIPS、ICML 等顶会论文的发表数量当做是接收申请的门槛了。
申请 AI 专业的研究生，需要 NIPS 论文一作？是的，来自多伦多大学的计算机科学和统计学助理教授 David Duvenaud 最近就在一次专访中对这种「高标准」进行了介绍。在这之后，有关本科生如何发表 AI 顶会论文的问题引起了人们的关注，很多人在社交网络上开始进行讨论，并发表自己的看法。
Lee Clement 是同为多伦多大学的一名在读博士，目前研究机器人学和计算机视觉，他对 David Duvenaud 的观点有些「感同身受」：
最近我听了 David Duvenaud 在 Talking Machines 上的采访，了解到多伦多大学机器学习研究生院的准入门槛实际上是 NIPS 或 ICML 等顶会的论文。而这两个顶会 2018 年的论文接收率分别为 25.1% 和 20.8%。
这是大量学生涌入这一领域造成的结果。教授们理性地挑选他们认为可能多产、学习速度快的候选人。
但实际上，这意味着为了进入研究生院，你需要掌握原本读研后才能掌握的技能。
也就是说，在申请研究生院校之前，你需要足够幸运或者足够有特权找到一个完成大学学业的地方，同样也要有强大的机器学习实验室来完成一个项目并发表一篇好论文。
即使你真的去了这样的一个学校，找到一个实验室做夏季研究项目或者毕业课题也是一个极为不正式的流程，完全依赖于教授是否喜欢你或者在课堂上表现是否足够好。这很容易包含无意识的选择偏见。
这是否意味着 ML 研究生院录取变得更为扭曲、更为特权化？这是令人担心的前景，因为未来对这一领域有极大影响力的领导者可能只取自社会中越来越窄的一部分。
这就让人很沮丧。因为当结构因素妨碍边缘团体进入这一领域时，我们讨论增加研究社区多样性的努力就毫无意义了。
招生委员会有责任认真思考下他们的项目要录取谁、这对该领域的未来有什么影响，以及对什么人的生活会产生影响。人工智能和机器学习的研究未来会变成什么样呢？
在 Reddit 上，更多准备申请研究生院的本科生对此发表了自己的看法。
@INDEX45：
我对此的质疑是，即使是在最早熟的大学生中，甚至是那些 20 岁左右时就在顶级会议上被录取论文的学生中，又有多少人是论文一作？在我看来，即使是最聪明、最有能力的孩子（这里的每个成年人都应该知道他们首先还是孩子）在这么小的时候，如果出现在一篇具有重要意义的论文上，他们当中大部分人极有可能都是被「提携」的。除了极少数天才，大部分人都没有足够的智力成熟度、知识深度或广度来自己进行这种前沿研究（这是研究生院应该教的东西！）换句话说，他们的成果反应的是他们所在研究部门的水平。
我没有打击或否认他们成就的意思。当然，这是一种好迹象，因为这说明一些教授会把他们纳入实验室。但是有多少孩子真的拥有这种幸运的环境？如果有人 18 岁上大学，上的不是顶尖的 CS 学校，也许他有天赋和技能，但由于经济或家庭或其它原因，他根本不会有这种机会。所以，如果你现在没有去伯克利或麻省理工读本科，你就不能读它们的研究生了吗？这似乎很不公，也没有必要，而且，也不明智。顶级 CS 学校的崇拜（企业界的是 FAMG 崇拜）已经够糟了，你们真的希望这种东西在下一代继续传播吗？
也有正在努力写论文的本科生发表了自己的观点。
@cowboy_dude_6：
我是一名本科生，目前在为实验室写一篇论文，署名一作。这份工作太艰难，我相信其他人第一次写时也是这种感受。我花了很多时间试着去读正在撰写的主题，但却没有足够的时间去了解所在领域的最新出版物，所以也没办法真正了解我们的发现。有人告诉我，要做到这一点，要花几年的时间坚持每天阅读文献。我觉得只有研究生才有那么多时间阅读文献，所以我同意你的观点，真正优秀的本科生论文一作的确存在，因为他们可能被」提携「。我并没有可以贬低其他学生的成就，但我很难相信，在没有经验丰富的学生和教授的大力帮助下，本科生能够独立写出一流的论文。
不够严谨的研究生录取标准引发了人们的争议。mlawaythrow 表示：
同样让人觉得恼火的是，这类信息会在一些播客上「披露」，然后在一些人的推特上「披露」。如果你没有机会看到这些交流，你根本不知道他们选择研究生的标准。
因为大学没有透露他们选择学生的标准，这就更困难了。如果他们要接纳的是发表过论文的人，那就直接说啊！这样人们就可以在几年前就尝试做研究，并设法发表论文。不管学校如何选择学生，他们都应该披露自己的标准，让所有人知道这些信息，而不是仅告诉他们直接合作的学生。
@TalTheTurtle：
对啊，他们的门槛很糟，还有些不清不楚。我以前在 UofT 大学读本科（2016 年毕业），从成绩来看，我在本科期间一直是年级中顶尖的 CS 学生。我做的研究是有关比较生物化学方面的，与 ML 无关。到后来我决定转读研究生，但为时已晚，我没有收到 Uoft 的邀请。
我认为要求人们发表论文才能入学的做法太过疯狂：研究生院的宗旨是教你做研究，而不是成为一个接收会做研究之人的工厂。而且，本科发表论文并不代表会做研究——这里面有运气的成分，还要有一个给你找麻烦和好项目的导师，以及你愿意花很多时间去钻研。
人们对于研究生阶段需要培养的能力也进行了讨论。
@red-necked_crake：
针对 TalTheTurtle 所说的「我认为要求人们发表论文才能入学的做法太过疯狂」，red-necked_crake 表示不认同。后者认为这不是问题，这些顶级学校如此挑剔实际上完全合理。因为它们有权从巨大的人才池中进行挑选，这么做有机会吸引那些已经过了门槛的申请者。实际上，经过一定数量的申请人筛选后，它们仍有很多申请人，以至于量化指标变得没什么用。即使筛选申请者的履历和学校也同样如此。
研究生院实际上并不是教你做研究，而是把你过多的想法（你有太多「好」想法，无法自己实现）分发给那些想法不多的人，希望听到你否定了他们糟糕的想法后，他们最终能够有自己的判断。作为一名顾问，你的目标是最大限度地保证他们尽可能过得充实，且尽量减少花在学生身上的时间，这样你就能接收更多的学生，或者有更多的合作。因此，你可以生产大量的论文，并最大限度地提高发表论文的比例。那么，雇佣一个根本不需要任何培训的人就有意义了。从这方面来说，与其说是学徒制，倒不如说是一种合作。在这种合作中，导师有了能帮忙做实事的人（比如 Hinton 和吴恩达，对 Hinton 来说，好学生和坏学生的区别在于，好学生不管想法好坏，都能拿出结果；而坏学生不论想法多好，最后都难以完成研究。），而学生则获得了导师的品牌和特权。可以说，这些学生所做的很多工作在排名较低的学校完全能以同样的质量水平完成。但是在其他研究人员看来，品牌名称会更低，他们的作品价值也会更低。
这里的「好」指的是论文能够在合理的时间范围（三个月）内完成，而且足够「火热」，可以发表。
现在我不认为优秀的导师就等同于那些名人了。这种人很少，因为在他们那里基本没有激励措施。
在人们长篇大论的讨论之后，Lee Clement 提到的多伦多大学助理教授 David Duvenaud，这一事件的「始作俑者」对此事进行了澄清：
嗨，我就是说了那些话的人。详细的背景，可参考采访内容：https://www.thetalkingmachines.com/episodes/troubling-trends-and-climbing-mountains。
下面我详细介绍一下我的观点：
没有硬性要求。我不知道具体数字，但我认为今年的新生中至少一半没有投中顶会论文。我试图传达的观点是：很多被录取的学生已经发表过很多不错的文章，也有一些没有什么令人印象深刻的成就，这使得二者出现显著区别。
有很多错误的否定，因为在教师的角度来说接收博士生是一项非常大的承诺。糟糕的博士经验对学生来说也没好处。因此除了展示技术技巧之外，我们还想看到学生具备度过艰难时光的能力，容易相处、适合团队合作，以及明白自己研究的领域。这些事情很难评估，即使是在博士生面试之后。这使得本校学生具备优势，因为他们可以更轻松地展示这些优点。
我不知道这是否能鼓励到大家，我个人在 2008 年申请博士时是被多伦多大学以及所有全美顶级学校拒了的，后来我去了英属哥伦比亚大学（UBC），在那里遇到了很棒的导师。你很难知道哪里适合自己，但是有很多厉害的学院，可能是在你不感兴趣的地区、不那么有名的学校，你也许会在那里遇到适合自己的导师和项目。
希望这能帮助到大家。
无论如何，人工智能学位的门槛已经越来越高。在考虑好专业之后，准备申请的同学们，请做好心理准备。
在热烈的讨论中，有一个网友提到：「我认识某个来自中国的同学，他现在还只是个本科生，但已在计算机视觉顶会上有超过五篇论文了（其中包括 CVPR、ICCV、ECCV）……所以说，现在如果想要重启本科阶段的研究生涯，你还有很多机会呢。」这位大神是谁呢？
