本文摘要：机器学习领域的研究论文如雪崩般兴起，谷歌的工程师克里夫·杨（CliffYoung）将其比作人工智能领域的“摩尔定律”（Moore’sLaw），在其服务器上公开发表的关于这个主题的学术论文每18个月就不会翻一番。

机器学习领域的研究论文如雪崩般兴起，谷歌的工程师克里夫·杨（CliffYoung）将其比作人工智能领域的“摩尔定律”（Moore’sLaw），在其服务器上公开发表的关于这个主题的学术论文每18个月就不会翻一番。所有这些都给同行评审工作带给了问题，因为经验丰富的人工智能研究人员过于较少，有可能无法仔细阅读每一篇论文。

如果机器可以做到一些艰巨的工作呢？学者应当坚信自己对人工智能的拒绝接受还是拒绝接受。此外，谷歌回应，人工智能的“指数”快速增长正在转变计算出来的性质，这是弗吉尼亚理工大学机器学习研究员黄家斌周四在arXiv上公开发表的一篇为题（DeepPaperGestalt）的报告明确提出的一个有意思问题。

人工智能他利用卷积神经网络检验了自2013年以来递交学术会议的5000多篇论文。他在书中写到，他的神经网络意味着根据一篇论文的外观就能投票决定一篇“好的”论文，准确率高达92％，有一点在会议上公开发表。此外，Facebook人工智能研究员呼吁同行们本着这种精神走出现实世界。

在过去五年里，他共计向计算机输出了5618篇论文，这些论文已被CVPR和ICCV两大计算机视觉会议所拒绝接受。为了辨别出有研究论文的“格式”，他对网络展开了培训，将样本的胜败与二元分类器“好”和“怕”联系一起。

格式是指一种小于其组成部分的形式或形状。此外，AndrewNg指出人工智能将步入一个永恒的春天。

本文来源：美高梅MGM-www.tianmaiguoji.com