Lecun被罵退，黑人女研究者要求必須被引用

因為一篇被指「種族歧視」的PULSE算法論文，圖靈獎得主、Facebook 首席 AI 科學家 Yann Lecun 在推特上遭遇了颶風般的「網暴」。

為自己辯解兩周後，Lecun在推特上宣布，自己將永遠退出推特。

「我希望社交網絡上的所有人不要再互相攻擊了，特別是對於 Timnit Gebru 的攻擊，以及對於我之前一些言論的攻擊。「

發布這樣的呼籲後，Lecun表示這是自己在推特上的最後一篇帖子。

看起來 2018 年圖靈獎得主、人工智慧領軍人物 Yann LeCun 已經下定決心想對長達兩周的激烈討論畫上句號。而這場鬧得沸沸揚揚的罵戰，起因正是網絡鍵盤俠開展捕風捉影的煽動性討論，導致Yann LeCun徹底傷了心退網保平安。

此外，DeepMind因為在最近一次GAN課程中沒有提及一位黑人女性的的研究成果PresGAN，被這位女研究者各種責問，「難道是因為這個研究的發起人是黑人女性嗎？」、「cite me」、「我的論文只被引用了9次」，甚至在推特上發起了」的話題。

這件事也引發了整個機器學習社區對整個環境的反思。今天，一位機器學習研究者在reddit上po出了他認為的「機器學習社區八大毒瘤」的帖子，引發網友熱議。

他認為，目前社區裡的風氣正朝一個錯誤的方向發展，從同行評議的缺失到對多樣性矯枉過正的追逐，都影響了社區研究的發展。Lecun的退出或許不是孤例，希望研究能夠更加純粹。

這篇帖子編譯如下：

Reddit社區討論的風氣最近開始變得有毒起來，而且這些毒瘤簡直無處不在！

首先，同行評審的缺失。每四個NeurIPS提交者都會提交到arXiv。有些DeepMind研究人員公開追查那些在ICLR上批評他們論文的審核人。

最重要的是，被列入arXiv的知名機構的論文在頂級會議上就會被接受，儘管審稿人同意被拒稿。

反之亦然，一些被大多數人接受的論文就被AC（諮詢委員會）否決了(我不想提到任何名字，不明白的人可以去看看今年ICRL的openreview頁面)。

其次，存在「復現危機」。如今，在測試集上調參似乎已成為標準做法，也正因如此，那些沒有這麼做的論文在頂會上很難被接收。結果，超參數優化成為常態，並通過各種小把戲，在性能沒有提升的情況下獲得參數上的性能「提升」。

第三，存在盲目崇拜問題。有斯坦福或DeepMind隸屬關係的每篇論文都會得到讚譽，就像他們真的總是能做出突破一樣。例如，BERT被引用的次數是ULMfit的七倍。

Google的隸屬關係為論文提供了太多優勢。在每次ICML會議上，無論研究內容怎麼樣，每一個DeepMind海報前都有很多人。在虛擬ICLR 2020上的Zoom會議上也發生了同樣的事情。

此外，NeurIPS 2020的提交量是ICML的兩倍，即使這兩個都是頂級ML會議。為什麼？為什麼「神經」這個名字如此受讚譽？

此外，Bengio，Hinton和LeCun確實是深度學習的先驅，但稱他們為AI的「教父」是瘋狂的，幾乎達到了「崇拜」的水平。

第四，Yann LeCun最近被噴子罵退推特的事情反映了機器學習社區的不理性。Lecun談論偏見和公平話題的方式其實已經很溫和了。但是，他收到了各種辱罵和批評，遠超預期。擺脫LeCun並讓人們沉默不會解決任何問題。

第五，機器學習和一般的計算機科學都存在巨大的多樣性問題。在我們的CS系中，只有30％的本科生和15％的教授是女性。而在博士學位或博士後休育兒假通常意味著學術生涯的結束，性別平等應該被重視，但是，這種行為最近經常被濫用，以使某些人免受批評。

減少關於種族和性別的科學討論中的每一個負面評論都會創造一個不友好的環境。人們變得害怕害怕被稱為種族主義者或性別歧視，這反過來加劇了多樣性問題。

第六，道德和倫理特別武斷。美國國內政治主導著所有正常討論。幾乎沒有任何有意義的機器學習研究將非洲這個超過10億人口的大洲囊括進來（一些Indaba研討會除外）。

第七，有一種刻板的「不被發布就會毀滅」的心態。如果您每年不發布5篇以上的NeurIPS / ICML論文，就是個不嚴於律己的人。研究小組太大了，以至於PI甚至都不知道每個博士生的名字。某些人每年向NeurIPS提交50篇以上的論文。撰寫論文的唯一目的已經變成在您的簡歷中再增加一張NeurIPS論文。質量是次要的；通過同行評議階段已經成為主要目標。

最後，正常討論變成人身攻擊。Schmidhuber稱Hinton為小偷，Gebru稱LeCun為白人至上主義者，Anandkumar稱Marcus為性別主義者，每個人都受到言論攻擊，又似乎誰都沒有贏，對學術研究結果沒有任何改善。

連愛因斯坦（Albert Einstein）自己都可以反對量子力學理論。

我們能不能停止妖魔化那些不同意我們確切觀點的人嗎？

並且允許我們不想參加就不用再去參加。

我們因為人們的意見而沉默的那一刻，是科學和社會進步消亡的那一刻。

讓一切變得正常起來吧！

網友熱評：重新思考是否進入相關行業

帖子發布後，在reddit迅速引發了討論，有網友感謝這篇文章讓自己重新開始思考ML碩士課程申請。

「這個風氣不是一下子就能改掉的，如果大家一起努力的話，這個社區的風氣很快就能恢復最初的模樣。」

也有人稱，機器學習的研究的確變得越來越功利了。

「不是來自谷歌和Deepmind的文章不值得一讀。這個現象真的很嚴重，在大名鼎鼎的機構面前擠滿了人，在不知名的公司海報面前門可羅雀，研究什麼時候變得如此功利了？」

還有人稱，對這樣的批評也應該謹慎對待。表揚與批評的聲音一直都存在，並不是比誰的嗓門大就有理，而是誰真正說的出讓人心服口服的道理，就服誰。

「這些事或許很常見，但仍然需要批評這些不同的意見。」

相關報導：

https://www.reddit.com/r/MachineLearning/comments/hiv3vf/d_the_machine_learning_community_has_a_toxicity/