“我為什么反對AI論文強制開源代碼”
曉查 發自 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趨勢。
NeurIPS此舉也引發了一場“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，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。
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，在論文發布幾個月后再開源代碼，這對于從事醫療、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的網友說，他們行業的數據都是商業機密，所以不會發布任何數據和代碼，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/
- 腦機接口走向現實，11張PPT看懂中國腦機接口產業現狀｜量子位智庫2021-08-10
- 張朝陽開課手推E=mc2，李永樂現場狂做筆記2022-03-11
- 阿里數學競賽可以報名了！獎金增加到400萬元，題目面向大眾公開征集2022-03-14
- 英偉達遭黑客最后通牒：今天必須開源GPU驅動，否則公布1TB機密數據2022-03-05
