第21章 論文公開

許多學校都會有一句勸勉性質的格言，類似於“今天你以學校為榮，明天學校以你為傲”。

對大部分人來說，這只是一句雞湯。但有少部分的人，可以真的做到把一己之力把學校的知名度打響。

論文也是如此，有些論文以刊登在頂級的期刊和會議為榮，而有些論文則是期刊和會議之所以成為頂級的原因。

對科研稍有了解的人，基本都會認為發好的論文就要發SCI，發高分，一區的SCI期刊。這種觀點確實絕大部分時候都沒有什麼問題。

不過對計算機類，尤其是AI方向來說，其實會議比期刊要重要許多。

會議是一種每年定時收稿，定時審稿，然後把中稿的作者全都聚在一起交流展示的形式。他的特點是審稿快，時間固定有保障。並且參會可以和作者直接面對面交流討論。

而期刊則是全年隨時可以投稿，審稿時間不固定，也不會組織作者見面的傳統形式。

對於很多學科來說，期刊更為權威，更加正式，稽核也更加嚴格。

但對AI來說，期刊就顯得太慢了。AI的速度太快，快到很多人沒法等待。

比如去年AlexNet奪冠，你13年初自己做了許多的研究，研究了四五個月，然後把稿子投了出去。如果你投的是會議，八九月份就已經宣佈審稿結果了。

十一二月你就可以舒舒服服地去會場和別人談笑風生，然後順利畢業。

可如果你投的是期刊，可能半年的時間過去了還在審稿，這時候2013年的新結果一出來，審稿人一看，發現人家好像比你高了好幾個點嘛。

原本可能可以中的文章，因此被拒也非常正常。

這時候真可以說是叫天天不應叫地地不靈了，運氣好的轉投差一些的會議和期刊，或許還能順利。

運氣如果不好，文章輾轉被拒絕2-3次，從此徹底過時也很有可能，半年的心血就此白費，對很多學生來說可能就是延畢一年的結局。

由於這種獨特而快速的學科節奏，AI方向重會議而輕期刊，往往是會議上取得成功，才會繼續擴充套件文章的內容，投給期刊慢慢審稿。

如果領域內的學者想要了解最近的動態，基本上不大會去期刊查詢，都會關注最頂級的幾個學術會議，並參會直接和作者們交流。

期刊？刊出來的時候都已經是一年半前的技術了。時代變了，大人。

不過此時此刻，即便是會議對孟繁岐來說還是太慢了。IMAGENET的結果已經初步公佈，他相信關注這件事的有心人都已經將目光鎖定在DreamNet和隊伍Dream上。

既然紐約時報都已經關注到了這件事情，那看來是時候發出生成式對抗網路為DreamNet再加一把火了。

有的文章依賴高階別會議和期刊的名聲為自己加持，而有的則不需要。

AI頂會CVPR的收稿截止日期是2013年11月1號，孟繁岐投稿之後，可以選擇匿名將自己的投稿內容公開。

這樣做是不違反規定的。

只是有些時候，這件事情根本是掩耳盜鈴，脫褲子放屁罷了。

就比如現在的情況，孟繁岐準備公佈自己的預印本，《基於DreamNet的生成式對抗網路》。

即便他選擇匿名，又有誰會不知道這篇文章的作者會是誰呢？

DreamNet現在的細節沒有任何資訊公佈，除了他還能有誰做到在這個時候釋出這篇基於DreamNet的論文？

同理，後世AI技術逐漸向大模型發展，動輒幾百上千塊GPU。很多時候只看用了幾張卡，用了誰家的獨有大資料，看看內容就能猜到是哪家公司的哪個研究組了。

其他人想做也沒那個資源，沒那個能力。

既然是多此一舉，孟繁岐自然不會做這樣無聊的事情。

“此時此刻，我最怕的就是別人認不出我，又何必匿名呢？”

如此想著，孟繁岐便將這篇論文公佈在了arxiv網站上。至於CVPR會議的人會不會覺得這樣的做法違背了雙盲審稿原則，就不在他在意的範圍之內了。

arxiv是一個開放的學術預印本儲存網站，是一種現代的分享研究成果的方式。

起初是因為某些基礎學科審稿實在太久了，尤其是數學和物理，有的論文可能幾個月都找不到人來讀，根本沒有人看得懂。

在這種情況下，許多人會考慮把一個比較草稿的版本，或者乾脆就是最終版本直接放到arxiv這個公開平臺上來。

這樣可以促進交流和學科的發展速度，也是一種證明自己研究結果是何時得到的證據。

後來，計算機，統計，生物，經濟等學科也逐漸加入，arxiv越來越包羅永珍。

和正經的會議和期刊不同，arxiv只是一個開放平臺。和pixiv這個插圖分享網站一樣。arxiv和pixiv基本上都不對上傳的內容做非常嚴格的審查，因此上面的內容水平有高有低。

arxiv也不是一個正式的會議和期刊，其內容自然也不算真的發表。釋出在上面的內容沒有經過同行評審，有不被人承認的風險。

民科也大可以將自己的永動機大作發表在上面，裝作一副高深莫測的樣子。

別的不說，哄騙一下不知情的外行人還真有奇效。頁面上論文簡介，各種領域標籤，還有引用方式都有模有樣的，又全是英文。非科研人員乍一看到很容易上當。

不過孟繁岐絲毫不擔心這件事情。現代AI的邏輯就是這麼簡單粗暴。

原理和程式碼就在這裡，用相同的隨機種子，任何人都可以復現我的結果。

別人承認不承認，質疑不質疑，孟繁岐完全不在意。

甚至，他隱隱有且期待，因為這種衝突會帶來相當可觀的關注度。

不多時，孟繁岐提交了生成式對抗網路的latex原始檔，在網站上編譯出了pdf檔案。只待兩天後，網站統一更新這些新增的文章。

與此同時，該論文的原作者伊恩(IanGoodfellow)最近剛想到了這個點子的雛形，還處在思索的階段，距離真正成型的生成-對抗框架還有著相當長的一段路程要走。

伊恩正在前往他博士導師，AI三巨頭之一的——本吉奧，辦公室的路上。

“這是一個絕妙的想法，我需要一些幫助。”伊恩如此想道，“我要在我博士的最後一年完成這個前所未有的絕佳工作。”

他決不會想到，有一篇更加完善，實驗更加詳盡，對相關領域的討論和反思也更加全面的文章已經公佈。