Nature新子刊今日上线!《机器智能》重点关注中国AI

2019 年 1 月 8 日 新智元






  新智元报道   

编辑:小芹、张乾、闻菲

【新智元导读】Nature新子刊《自然-机器智能》昨晚悄然上线,将关注算法与硬件研究、机器智能在多领域应用、机器智能对社会工业等领域影响,并上线了14篇文章。不过,子刊此前曾遭到学术界几百人抵制。


Nature新子刊如期上线,悄悄的。


昨天晚间,Nature Machine Intelligence(《自然-机器智能》)正式上线,成为《自然》的新子刊。


子刊将重点关注三大主题:


  • 构建智能机器的算法和硬件的工程和研究;

  • 机器智能(如深度学习系统)在其他领域如物理、生物和医疗等的应用;

  • 研究机器智能对社会、工业和科学的影响。


第一期的封面专题《触手可及的智能协作》(Intelligent collaboration within reach)也涵盖了这三大主题。以下是本期的封面:



不过,《自然-机器智能》的出版之路有点坎坷,在去年4月征稿时曾遭到几百位学者的联名反对,其中包括Jeff Dean、Ian Goodfellow、Yann LeCun、Yoshua Bengio等一众AI大牛,他们反对的理由是:子刊付费订阅。


现在,《自然-机器智能》悄然上线,学界目前还没出现反对的声音,但子刊的出现也似乎并没有引起强烈反响。


发刊词:《自然-机器智能》将不同领域融合在一起


《自然-机器智能》第一期的内容不算太多,一共分七大板块,分别是:


社评(1篇)

评论&观点(2篇)

书籍&艺术(1篇)

新闻&观察(2篇)

综述(3篇)

研究(4篇)

竞赛(1篇)


在发刊词中,《自然-机器智能》认为,由于人工智能、机器人技术和机器学习在各领域都占据着重要位置,因此子刊的推出旨在促进不同学科之间的合作。


以下为发刊词的部分内容:


智能机器的发展似乎正在加快步伐,因为我们经常听到有关人工智能(AI)革命的讨论。然而,与各种报告指出的相反,我们并没有看到某种技术奇点:过去几年取得的令人瞩目的进步,在很大程度上是数十年持续研究和资助的延续。


例如,1994年在巴黎进行的一次测试中,自动驾驶汽车已经能与其他车辆自主地共享道路。20世纪90年代初,人们也很清楚机器学习将在工业上具有很大用途。1997年,一艘远程遥控太空船登陆火星,并发回了照片。


这并不是说影响上没有发生转变。这种转变背后有几个因素,比如计算机处理能力的提高,但或许最重要的是自上世纪90年代末以来海量数据的可用性。这些发展反过来又是由于可负担得起的大规模收集数据的移动设备的普及、数据共享的能力以及存储容量的提升。


因此,深度学习在2012年左右取得了显著的突破。当有足够的数据来训练系统时,深度学习就能识别复杂数据集中的模式。深度学习被认为是人工智能的一种形式,因为它与人类的学习有相似之处。事实上,在过去的几年里,深度学习在执行通常是人类擅长的任务方面取得了显著表现:学会了玩战略游戏并获胜、在医学诊断方面达到人类专家水平、语音识别和语言翻译。


一方面,这种形式的AI被认为是“弱人工智能”(narrow AI),因为深度学习系统通常是针对一项特定的任务进行训练的。但是,来自各个领域的科学家们越来越意识到,深度学习的影响远非“弱”:一个AI应用可能为一个领域带来变革,解决根本问题,并实现快速进步——例如,寻找新材料,确定粒子物理学和天体物理学的重要信号数据,发现遗传和表型之间的联系,在显微图像中对细胞组织进行分类等等。


随着每一项先进技术的出现,需要审查技术滥用和不良社会影响的风险。由于AI是一种去中心化的现象,因此伦理问题对于AI更为重要。在这种现象中,大量权力被交给了那些能够自然地获取大量数据的公司和机构。围绕AI的开发和使用的伦理问题越来越受到重视。这些担忧导致了广泛的努力,制定法律、原则和标准,推动以人为本的AI使用,并开启了研究AI社会影响的研究项目。


毫无疑问,人类对理解和模仿智能的愿望将继续激发技术和科学创新。《自然-机器智能》将致力于将不同领域融合在一起,在人工智能、机器人技术、认知科学和机器学习等领域开展新的合作,进一步发展对人类有启发和使用价值的智能机器的愿景。


子刊最初将重点关注三大主题:构建智能机器的算法和硬件的工程和研究;机器智能(如深度学习系统)在其他领域(如物理、生物和医疗)的应用;以及最后,研究机器智能对社会、工业和科学的影响。


根据官网介绍,《自然-机器智能》子刊涵盖的研究方向包括人工智能,机器人技术,人机交互,机器学习,深度学习,强化学习,机器人学习,人工神经网络,符号推理,计算机视觉,自然语言处理,认知计算,人形机器人,生物启发机器人,软体机器人,神经启发计算,多智能体系统等,并致力于成为一个能让各界人士讨论人工智能对科学、社会和工业其他领域重大影响的意见平台。


收录的文章类型与其他《自然》子刊类似,包括研究论文(Primary research Article,正文不超过3500英文单词),综述(Review,字数3000~4000单词),前瞻性研究(Perspective),以及读者来信(Correspondence,字数250~500单词),以上文章均经过同行评议。


新刊4篇研究论文中有3篇一作是华人,“中国会占相当大一部分”


值得注意的是,最新出版的这一期《自然-机器智能》子刊上,一共4篇研究论文(Article)中,有3篇的一作都是华人。



特别是马萨诸塞大学阿默斯特分校的研究人员分析忆阻器交叉开关阵列中LSTM的论文(见下),作者当中有不少中国留学生



自然科研董事总经理Dean Sanderson在去年接受新智元采访时说,新子刊《自然-机器智能》,将尽可能多拿出更多资源用在人工智能领域。


自然科研董事总经理Dean Sanderson


当被问及“是否是以中国的人工智能科研论文为主?”的问题,Dean Sanderson表示,新刊是“全球性的,不管来自哪里,但是中国会占相当大一部分。”


此外,第一期的《自然-机器智能》的内容覆盖上述三大主题,文章包括开发用于自适应人机协作的算法、将深度学习与进化算法相结合的方法、深度学习在医学领域进行不确定性量化的必要性、人工智能中伦理问题的不同时间尺度等。


子刊的最后还启动了一个名为Challenge Accepted的系列,其中包括关于AI和机器人技术的数据挑战和竞赛的报道,突出这些竞赛的重要性。


子刊付费订阅遭数百人抵制,Jeff Dean等人带头反对


2017年11月,自然科研宣布了《自然-机器智能》新子刊的计划,将于 2019 年 1 月采取在线形式每月刊发。2018年4月17日,《自然-机器智能》宣布正式接受投稿递交。


不过,就在宣布接受投稿后不久,《自然-机器智能》受到了来自学界的压力,几百人签名抵制这份子刊,其中包括Jeff Dean、Ian Goodfellow、Yann LeCun、Yoshua Bengio等一众AI大牛的都签名抵制。他们表示不会给这个刊物投稿,因它采取付费订阅的形式是开历史倒车,而机器学习历来有开放访问的传统


部分签名


(查看签名:

https://openaccess.engineering.oregonstate.edu/signatures)


签名行动由俄勒冈州立大学(Oregon State University)ECCS特聘教授、AAAI前主席Tom Dietterich发起。


发起信提到,几乎所有主要的机器学习平台,包括NIPS,ICML,ICLR,COLT,UAI和AISTATS都不会对获取或发表论文收费。


任何封闭获取或作者付费的出版物对于机器学习研究的未来没有任何作用,并且认为通过这一新的期刊作为机器学习社区出版论文的出口将是一种倒退。


相反,我们欢迎在人工智能和机器学习领域出现新的零成本开放获取的期刊和会议。



签名的人士表示,他们不会提交、审阅或参与此新期刊的编辑。


不过,昨晚《自然-机器智能》正式上线后,新智元发现不用付费就能阅读文章,而且推特上并没有出现反对声音,曾签名抵制的Jeff Dean还是《自然-机器智能》官方推特的粉丝。


另外,在推特中搜索“Nature Machine Intelligence”,显示的结果也非常少,看来《自然-机器智能》这次悄悄上线尚未引起大家的关注,不知道后期它如何处理跟学界的关系。




【加入社群】


新智元AI技术+产业社群招募中,欢迎对AI技术+产业落地感兴趣的同学,加小助手微信号:aiera2015_2   入群;通过审核后我们将邀请进群,加入社群后务必修改群备注(姓名 - 公司 - 职位;专业群审核较严,敬请谅解)。


登录查看更多
9

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
2019中国硬科技发展白皮书 193页
专知会员服务
77+阅读 · 2019年12月13日
斯坦福&谷歌Jeff Dean最新Nature论文:医疗深度学习技术指南
Nature 一周论文导读 | 2019 年 2 月 14 日
科研圈
7+阅读 · 2019年2月24日
【机器学习】机器学习:未来十年研究热点
产业智能官
16+阅读 · 2018年11月4日
《Nature》纪念人工智能60周年专题:深度学习综述
深度学习世界
3+阅读 · 2018年7月23日
【重点看】近期公众号发布文章预告!
量化投资与机器学习
4+阅读 · 2018年6月10日
Question Generation by Transformers
Arxiv
5+阅读 · 2019年9月14日
Arxiv
8+阅读 · 2018年7月12日
VIP会员
Top
微信扫码咨询专知VIP会员