Nature机器学习子刊被指开历史倒车,Jeff Dean等数百名学者联名抵制

简介: 今天,Nature旗下新子刊 Nature Machine Intelligence(《自然 - 机器智能》)遭遇包括Jeff Dean、Ian Goodfellow、Yann LeCun、Yoshua Bengio等一众AI大牛的签名抵制,他们表示不会给这个刊物投稿,因它采取付费订阅的形式,而机器学习历来有开放访问的传统。

今天,一则消息经由Twitter、Reddit等国外论坛,在AI学术圈里悄悄蔓延。

Nature Research(自然科研)旗下的新子刊 Nature Machine Intelligence(《自然 - 机器智能》)遭遇包括Jeff Dean、Ian Goodfellow、Yann LeCun、Yoshua Bengio等一众AI大牛的签名抵制,他们表示不会给这个刊物投稿,因它采取付费订阅的形式,而机器学习历来有开放访问的传统

2017年11月,Nature Research 宣布了《自然 - 机器智能》新子刊的计划,将于 2019 年 1 月采取在线形式每月刊发。今年4月17日,《自然 - 机器智能》宣布正式接受投稿递交。

根据Nature官网的信息,《自然 - 机器智能》将发表和报道人工智能和机器人学方面最出色的研究,包括人机交互、机器学习和认知计算,同时也为讨论机器智能对科学、社会和产业的影响提供了平台。该刊主编将由 Liesbeth Venema 博士担任,此前她领导了《自然》在纯粹与应用物理学领域的发展,近年来她尤其关注人工智能和机器人学。

签名行动由俄勒冈州立大学(Oregon State University)ECCS特聘教授、AAAI前主席Tom Dietterich发起。

817c79c45f0a7a759379ebcac45af156c40165be

公开信写道:

机器学习一直处于免费和开放获取研究运动的最前沿。例如,2001年,Machine Learning Journal编委会集体辞职,转而创办开放获取期刊Journal of Machine Learning Research(JMLR)。

他们在辞职信中写道:

“......期刊应该主要服务于知识界的需求,尤其是利用现代技术的支持,提供期刊文章的直接和普遍的访问,并且不排斥任何人。”

除了JMLR之外,几乎所有主要的机器学习平台,包括NIPS,ICML,ICLR,COLT,UAI和AISTATS都不会对获取或发表论文收费。

鉴于此,最近自然出版集团宣布一份新的封闭式访问的期刊Nature Machine Intelligence(《自然-机器智能》),以下签名的研究人员在此声明,他们不会提交、审阅或参与此新期刊的编辑。

我们认为,任何封闭获取或作者付费的出版物对于机器学习研究的未来没有任何作用,并且认为通过这一新的期刊作为机器学习社区出版论文的出口将是一种倒退。相反,我们欢迎在人工智能和机器学习领域出现新的零成本开放获取的期刊和会议。

9f5bdf4f77bcaf3d9c58507a5d95dfa0cd08282a

部分签名

查看签名:https://openaccess.engineering.oregonstate.edu/signatures

截至本文写作时,参与签名的研究者已经有近500人。包括许多UC Berkeley、MIT、纽约大学等著名大学AI领域的教授、PhD学生,以及谷歌大脑、DeepMind等著名企业或研究机构的AI研究人员,其中不乏一些在人工智能领域颇具领导力的大牛,包括Jeff Dean、Ian Goodfellow、Yoshua Bengio、Yann LeCun、Gary Marcus……

Jeff Dean说:

我刚刚在这一封公开信上签名了。ML社区对于在各种地方开放获取已发表的研究成果一直做得很好,但扭转这一趋势,让新的工作发表在一个新的封闭式论坛中似乎不是一个好主意。

(我要补充的是,虽然我是支持开放的,但我也是务实的,假如某个工作发表在期刊最合适,我也会向优秀的封闭访问期刊提交论文。但目前,在ML领域创建一个新的封闭访问的期刊并不是正确的方向。)

Google、DeepMind等的许多突破性工作发表在Nature、Science这些著名期刊上,例如AlphaGo、可微分神经计算机DNC的研究。

Nature Machine Intelligence(《自然 - 机器智能》)是自然科研(Nature Research)将于2019年1月正式出版的Nature新子刊。

根据Nature官网的信息,《自然 - 机器智能》将发表和报道人工智能和机器人学方面最出色的研究,包括人机交互、机器学习和认知计算,同时也为讨论机器智能对科学、社会和产业的影响提供了平台。该刊主编将由 Liesbeth Venema 博士担任,此前她领导了《自然》在纯粹与应用物理学领域的发展,近年来她尤其关注人工智能和机器人学。

“过去十年,人工智能和机器人学背后的技术已取得巨大飞跃,并带来各种精彩应用,如无人驾驶汽车、人工智能引导的医学诊断、智能数字家庭助手等。”Venema 博士说。“随着未来更多创新机遇的出现,我们也需要考虑伦理、社会和经济问题,因为人工智能技术几乎已开始影响到科学和社会的各个方面。”

自然科研发表过机器智能领域近来一些最令人兴奋的进展,这包括人工智能程序 AlphaGo 及其更新版程序 AlphaGo Zero。前者在学习围棋技巧后首次打败了人类职业围棋选手,后者则从 “零” 开始自学围棋并击败了最初版的 AlphaGo。

“机器智能领域涵盖了人工智能和机器人学,近年来发展迅速,自然科研预期该领域的科研将继续保持迅猛发展势头。我们希望通过《自然 - 机器智能》来展示人工智能和机器人学方面的杰出研究,尤其是跨学科研究,同时也将我们堪称典范的作者服务前所未有地带给更多的科研人员。”Venema 博士说。


原文发布时间为:2018-04-29

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”。

原文链接:Nature机器学习子刊被指开历史倒车,Jeff Dean等数百名学者联名抵制

相关文章
|
机器学习/深度学习 数据采集 运维
Nature Reviews Genetics | 在基因组学中应用机器学习的常见陷阱
Nature Reviews Genetics | 在基因组学中应用机器学习的常见陷阱
187 0
Nature Reviews Genetics | 在基因组学中应用机器学习的常见陷阱
|
机器学习/深度学习 人工智能
【75位联合作者Nature重磅】AI药神:机器学习模型有望提前五年预测白血病!
来自全球多家科研机构的75位科学家在《自然》发表了一项重磅研究:使用血液检测和机器学习技术,可以预测健康个体是否有患急性骨髓性白血病(AML)的风险。这项研究意味着我们可以提早发现AML的高风险人群并进行监测,同时可以进行研发,寻找降低该疾病患病几率的方案。
1375 0
|
1月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
|
20天前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
1月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
27 1
|
1月前
|
机器学习/深度学习 数据采集 算法
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
105 0
|
1月前
|
机器学习/深度学习 数据采集 监控
机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
66 0
|
1月前
|
机器学习/深度学习 人工智能 算法
探索机器学习中的支持向量机(SVM)算法
【2月更文挑战第20天】 在数据科学与人工智能的领域中,支持向量机(SVM)是一种强大的监督学习算法,它基于统计学习理论中的VC维理论和结构风险最小化原理。本文将深入探讨SVM的核心概念、工作原理以及实际应用案例。我们将透过算法的数学原理,揭示如何利用SVM进行有效的数据分类与回归分析,并讨论其在处理非线性问题时的优势。通过本文,读者将对SVM有更深层次的理解,并能够在实践中应用这一算法解决复杂的数据问题。
19 0
|
29天前
|
机器学习/深度学习 分布式计算 算法
大模型开发:你如何确定使用哪种机器学习算法?
在大型机器学习模型开发中,选择算法是关键。首先,明确问题类型(如回归、分类、聚类等)。其次,考虑数据规模、特征数量和类型、分布和结构,以判断适合的算法。再者,评估性能要求(准确性、速度、可解释性)和资源限制(计算资源、内存)。同时,利用领域知识和正则化来选择模型。最后,通过实验验证和模型比较进行优化。此过程涉及迭代和业务需求的技术权衡。

热门文章

最新文章