「沐神」B站教你读论文：如何判断研究价值
机器学习实验室
共 1569字，需浏览 4分钟
·
2022-01-23 22:25
转自：新智元
李沐是谁？这是个圈内如雷贯耳的名字。
他是CMU机器学习博士、亚马逊首席科学家、斯坦福大学兼职讲师，MXNet框架和《动手学深度学习》系列书籍的主作者，在AI专业学生与业界中人称「沐神」。
不少AI新丁都说自己一直看着「沐神」的《动手学深度学习》长大的呢~
B站大手李沐
作为斯坦福讲师的李沐，在B站上的讲课视频从2021年起在中国AI专业的学生（据称也有老师）中爆火。「沐神」的「动手学深度学习(Pytorch)」系列视频、用中文在家重新录制的斯坦福秋季《实用机器学习》课程视频，都被称作「在野读研课程」「B站研究生课程」。
其实「沐神」在B站、知乎等站点上分享的不止技术教程，时不时也晒晒娃、分享人生感概。不过「沐神」的人生感慨，大家听听就好，毕竟人生赢家的人生感概基本是无法代码复现的。
好比王思聪老师教你如何把妹、特朗普老师教你谈判的艺术，教授大概会是真诚的，在所教领域也有突出成就。但常识会告诉你，试图复现他们的相关经验，不大会有正向反馈。
不过斯坦福讲师教你如何度过人生你可以不听，教你如何通过论文那就不该不听了。李沐老师的「读论文」系列视频，大有见之恨晚的观众。
「沐神」教你如何判断研究价值
李沐老师「读论文」系列的新番，是教人如何从读论文里判断研究有无价值，这个研究既可以是别人的，也可以是自己的。
观众弹幕纷纷表示「感谢组会导师分享心得」，非常入戏B站读研的角色扮演。
李老师在说完引言和「此经验大概只适用AI技术类」的免责但书后，说到了从论文判断研究的三个关键词：新意、有效、研究。
「研究问题」，是相对于「工程问题」而言。如优化算法代码、多标记数据、换设备等既有方案能解决的问题是「工程问题」。发力前压根没现成答案、或者答案只有模糊瞎猜的，才是「研究问题」。
「有效」是指为解决研究问题有积极的贡献，反正研究问题那么难搞，没谁牛到一口气全部解决的。有效性可以从三个角度来看：有无精度等效果改善；有无成本-规模比例上的改善；有无安全性的改善。
「新意」不消多解释，不过「推陈出新」是更普遍的路径，不必特别排斥既有的技术基础。
按「沐神」的观点，一篇论文/研究的价值=新意度X有效性X问题大小。每个参数的档次给定为1，10和100。所以一篇价值分数1000的论文，既可以来自10，10，10的排布，也可以来自三方面随机一个1、一个10、一个100的排布。
依照李老师的讲义意思：
价值分数1000的研究，就是值得一提的基线了。要么在一方面达到100的档次，这就是业界显眼、将会有人跟进；要么是三者皆10，这也算个总体扎实的研究。
如果自觉自己的研究价值中只有一方面是10、其他两方面都是1，或者三者皆1的话，建议改行……
如果研究是有效性与问题大小皆10，新意度为1，那么这个研究会被认定是个「工程味」重的匠意研究。
如果有效性为1、另二者皆为10的话，此研究会被认为饶有新意但不实用的研究。
如果是问题大小是1、另二者皆为10的话，此研究会被认为落入偏门。
当然，如果只有两者能达到10的话，最好当成习作研究，拿来当工作搞钱，前途一般。「如果在某一个指标掉成1的话，那么就很难发表在一流的会议或者杂志上了。」
不过评论栏中有普通人现身诉苦：
李导师只能如此安慰：
往期精彩：
评论