网友：看再多Jeff Dean新论文，我再也不相信大厂的鬼话了

论你不是个在Skype岗位的人，你不必运用于 3.22 美元 / 两星期的按需付款。这意味着这些锻炼好的数学模型成本为 57,348 美元。

严格来说，在一个足够通用的遗传算法上转回足够的计算肯定最终会转化成好的性能，所以虽然你无论如何可以读到这篇博士论文并收集有关「如何运用于遗传算法，通过利用已有数学模型子集部分，在每个最初锻炼任务上修习权重的方式来完成多锻炼任务修习」的奇怪想法。

或者有为话来说，本文只是「Jeff Dean 花上了足够的分钱养家一个四口之家五年的分钱，以赢取 0.03% 在 CIFAR-10 上的修改。」

在随之推陈出最初的制造商 AI 博士论文之中，OpenAI 无疑是最严重的违规者，但似乎每个人都在这样花上分钱。你在现阶段数据和现阶段计量的现阶段弊端上转回了大运用于量的计算和更少运用于量的最初想法，然后如果你的位数远远更少于已有的 SOTA 位数，你就可以在自己简历上贴上一个小标签。

这让人如何似乎你的简而言之不是有毒的？我甚至并不需要验证它们，并不需要将它们应用到自己的单项之中。

这真的是一个研究成果活动中心该有的样子吗？大运用于量的算力受制于在更少数科技亿万富翁的手之中。我认为应该有一个最初的博士论文学报，要求其之中的博士论文在单个客户 GPU 上 8 两星期内可以复现其科学成果结果。

MrAcurite 发贴后，有多位学者揭开序幕了争辩，人们从各个角度非难了她的看法。

SupportVectorMachine （认证的研究成果职员）表示：

我完全对深度修习丧失了兴趣，因为作为小型科学成果室的从业者，基本上在计算实算上都不意味著比得过科技亿万富翁。即使你有一个极好的学说想法，主流环境意味著也存在种族歧视，让它难于看到曙光。这酿成了一个不公平的竞争环境。

当然，这些大规模的研究成果单项并非并不需要效用。像 GPT、DALL-E 等都很棒。但如果我无法在我自己的机器上复现这些大数学模型，它们对我来说的意义就不大。

gambs （认证的 PhD）应有道：

讲出一件真实的事，两年前我读到了一篇关于流数学模型的博士论文，一位审稿人给出的坦率是：「转换成的影像看起来不如 GAN 好」。

此前我运用于的是以前发布的实锻炼数学模型，并且并不需要以任何方式对其顺利完成修改，这篇博士论文用以发现隐空间之中频域的部分，而不是驳斥修改数学模型转换成影像质运用于量的数学模型。

fmai 应有道：

作为 AI 会议的审稿人，我认为可以通过规范化为了让变动这种现状。例如，我无论如何专门查看博士论文是否合理科学岗位的要求，是否有完整的研究成果弊端，是否有确实合理默许推论等。用所有自变运用于量都不同的最初系统会击败 SOTA 数学模型不想揭示任何最初知识，也不是科学成果。

JanneJM 则表示：

用非常大的网络击败现阶段 SOTA 数学模型并不是推动该领域发展的唯一必需。无论如何，这意味著是最平淡无奇的研究成果。

专注于运用于小型网络（用于物联网设备、实时锻炼等）花上分钱愈来愈多事情，不需大运用于量计算能力，这样的研究成果不是愈来愈奇怪吗，实际功用也非常大。学说结果和表达方式突破，无论是微积分证明还是统计证明、最初型方法等等，这些其实完全不需实际计算。

实锻炼大数学模型的没落，自始让趋来趋多的学者大呼「高性能数学模型放不起」、「难于和科技制造商的 AI Lab 竞争」，技术的进步似乎把很多人挡在了前沿研究成果的比率除此以外。现在看来，情况有着愈演愈烈的趋向，最近一段时间，在社交网络上刷屏的最初研究成果是 OpenAI 的 DALL-E2 和Skype的 Imagen，这些数学模型都需要花费更大的算力完成锻炼。

不知在人们的要求过后，未来的研究成果风向是否会有变动。

参考主旨：

_i_dont_really_trust_papers_out_of_top_labs/

_an_evolutionary_approach_to_dynamic/

© THE END

转载请关联本公众号赢取授权

读到稿或争取新闻报道：content@jiqizhixin.com

。

成都看白癜风去哪家医院好
武汉男科医院哪家医院好
济南看癫痫哪个医院好
子宫维养多少钱
昆明看男科去什么医院好
肝纤维化吃什么药好
眼睛干涩的原因和解决方法
扭伤什么药消肿止痛最快
消痔软膏好还是马应龙好
慢性结膜炎有哪些症状