曉查 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

AI論文，到底該不該強制開源代碼？

NeurIPS 2020官方近日發(fā)布了一份開源指南。從2019開始，NeurIPS就“強烈建議”提交論文代碼，不過仍非強制。

但無論如何，官方傳達出了一種信號：AI學術頂會開源代碼已是行業(yè)趨勢。

NeurIPS此舉也引發(fā)了一場“年經”式的討論：如果將來學術會議要求必須開源，投稿人應該拒絕嗎？

而讓人始料未及的是，不少網友認為：不開源，我有理。

反對一：代碼并沒有那么重要

首先，開源代碼的目的是什么？是為了讓其他研究者可以復現結果。

如果一篇論文包含足夠多的細節(jié)，那么別人就可以根據其中的公式自己寫出代碼，對于這類論文，可以不公開代碼。不過前提必須是提供足夠多的細節(jié)。

比如谷歌的AlphaGo就沒有開源代碼，但是沒有人懷疑它的正確性，事實上也有很多人根據谷歌論文復現了AlphaGo。

而且作者本人的代碼可能會出現錯誤，不開源的一個好處就是讓其他研究者獨立復現。

萬一作者在代碼里挖了個不明顯的“坑”，其他人也可以規(guī)避，防止被帶到溝里。

另外，也不要高估代碼的價值，經典論文可以幾十年長盛不衰，但是代碼很可能十年后就難以運行了。

當然，還有一種觀點就是，對于AI來說，數據集更重要。沒有數據的代碼是沒有價值的，而很多數據集沒法開放，這意味著你即使拿到代碼，也無法復現SOTA結果。

反對二：要為作者考慮

不開源同時也是為了照顧作者的種種特殊情況。

比如一些研究者是從事純理論的研究。有一個網友就說，他甚至都不知道怎么構建Docker容器，雖然發(fā)表了多篇論文都在GitHub上開源了代碼，但它從來不維護。

所以，論文是否開源應該根據代碼對于文章的重要性而定，不該一刀切。

還有一些商業(yè)公司的研究者，他們在寫論文的時候用到了公司內部專有軟件庫，如果強制開源，他們必須從頭再寫一遍代碼，費時費力，對這些人也是不公平的。

還有一些作者，本身并不是不想開源，而是希望能夠將成果保護一段時間，在論文發(fā)布幾個月后再開源代碼，這對于從事醫(yī)療、法律領域的學者很重要。

綜上所述，反方網友認為，強制開源過于極端，應該對論文開源持鼓勵態(tài)度，而不是強制。

支持開源：不開源怎能讓人信服

首先是一名從事石油行業(yè)的網友說，他們行業(yè)的數據都是商業(yè)機密，所以不會發(fā)布任何數據和代碼，甚至會在文章中丟掉一些公式來隱藏成果，還聲稱98%的正確率。結果怎能讓人信服。

他認為不公開數據和代碼，就像把一篇論文中所有的關鍵要素都刪了，這樣的研究即使發(fā)表出來也毫無價值。

還有一些人認為，強制開源會改變其他行業(yè)對機器學習的偏見。

很多其他學科的人都把機器學習看成偽科學，這是為什么？因為AI領域的論文發(fā)布過程非常不成熟。

科學方法的關鍵是一致性和可重復性。追逐單一的指標，每個人都對SOTA著迷，這是一個巨大的問題。

而開源是解決此問題的一種方法。

去年，AI知名女學者Anima Anandkumar曾在個人博客里公開喊話，強烈反對發(fā)論文卻不給代碼的行為，呼吁學術會議強制要求投稿同時必須公開代碼。

她認為不開源代碼不利于評審論文，不利于對論文造假的追責，更不利于行業(yè)開放競爭。

你覺得公開的學術論文也應該公開代碼么？

參考鏈接：

https://www.reddit.com/r/MachineLearning/comments/fzss9t/d_if_a_paper_or_project_doesnt_publicly_release/

https://www.reddit.com/r/MachineLearning/comments/fzp8bu/d_official_neurips_2020_guidelines_for_making/

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態(tài)