Reddit ユーザーが 2018 年の最優秀論文に投票しました (読書のヒント付き)
見出し
情報
Dao Wei
超神経によって
ニッチな分野の技術や問題点を深く理解するために論文を読むことが重要であることは間違いありません。
2018年には、主要なトップ学術会議で受賞した論文など、質の高い論文も数多くありました。今日私たちが数えているのは、Redditネチズンが2018年に役に立ったと考える論文です。
Reddit ユーザー: 私はこの論文に投票します
@beezlebub33 推奨論文:
「好奇心駆動型学習に関する大規模研究」
好奇心主導の学習研究を大規模に実施
https://pathak22.github.io/large-scale-curiosity/
推奨する理由:
この記事の重要性は、優れた報酬メカニズムを必要とせずに、多くのゲームで優れたパフォーマンスを達成できるということです。重要なのは、予測に基づいてゲームをプレイし、予測に反する行動を認識し、未知の領域を探索することを学ぶことです。これは、AI の将来の発展方向である可能性があります。自己監視、ラベルのないデータ、予測、好奇心、内発的動機付けなどです。
教師ありトレーニング セットを作成し、これらのデータ セットの行列を定義するのに十分な時間がありませんでした。しかし、AI に生データを与え、システムの時空間進化の内部表現を学習できれば、AI で目標を定義し、最終的にそれを達成することができます。
@YBuzzinGA が推奨する論文:
「教師なし学習ルールの学習」
教師なし学習ルールを学ぶ
https://arxiv.org/abs/1804.00222.
推奨する理由:
この記事は、教師なし学習を使用していくつかのタスクを実行することについて説明していますが、重要なのは、モデルが独自に学習する方法を学習しているということです。
メタ学習は重要な領域です。これらの学習ルールを学習することで、AI は自分自身を理解し、改善できるようになります。コンピューターにそれ自体を理解する方法を教えることができれば、私たちは大きな進歩を遂げることができるかもしれません。
@breadwithlice 推奨論文:
「フレーズベースおよび教師なしニューラル」
機械翻訳》
フレーズベースの教師なしニューラル機械翻訳
https://arxiv.org/abs/1810.04805v1
推奨する理由:
この記事では、マッピング、辞書、並列データを使用せずに、単一のコーパスのみを使用して翻訳を完了できます。
この論文では、A から B に変換するときに、B を A に変換する逆変換テクノロジを使用しています。これにより、トランスレータが大幅に向上し、A と B が切り替わります。結果は驚くべきものです。
@kartayyar 推奨論文:
《ディープ双方向トランスの事前トレーニング
言語理解のために》
言語理解における深い双方向メソッドの事前トレーニング
https://arxiv.org/abs/1809.10756
推奨する理由:
私が気に入っている点:
素晴らしい革新的なコンセプト、彼らが使用したマスキング方法は非常に創造的です。
彼らは自分たちの核となる哲学を非常にシンプルな文章で明確にしました。
Github には再現可能な結果を含むコードがあります。
さまざまなタスクを数多く処理できる。
@ndha1995 推奨論文:
「確率的プログラミング入門」
確率的計画の概要
https://arxiv.org/abs/1809.10756
推奨する理由:
これは2018年の私のお気に入りの論文です。
著者は確率的プログラミングについて包括的かつ厳密に入門し、最後の章ではディープ ニューラル ネットワークと確率的プログラミングの組み合わせに関する最近の研究を紹介します。
論文を読むための強力なアドバイス
素晴らしい論文について知っていたとしても、すごいと叫ぶ以外に、本当に素晴らしいのに、どうやって理解できるのでしょうか？
まず、自分の動機を明確に考えてください。積極的に探索したい場合と、受動的にタスクを完了したい場合では、効果と経験がまったく異なります。いくつかの強力なアドバイスを見つけました。以上です。
批判的に読む
これは非常に重要な姿勢です。著者の意見に盲目的に従わないでください。代わりに、質問して確認してください。
クリティカル・リーディングとは何ですか？質問してみてください。著者が問題を解決しようとした場合、正しく解決できたでしょうか?著者が考えなかった簡単な解決策はありますか?ソリューションの制限は何ですか (作成者が気づいていない、または明示的に認めていない制限を含む)?
著者の推測は合理的ですか？前提を踏まえると、論文の論理は明確で健全なものでしょうか、それとも推論に欠陥があるのでしょうか?
著者がデータを提供した場合、そのデータは彼らの主張を裏付けていますか?また、データの収集方法は合理的ですか?データの解釈方法についてはどうですか?他のデータを使用した方がよいでしょうか?
創造的に読む
論文を批判的に読むことは、構築するよりも破壊する方が簡単であるため、最も難しい作業ではありません。一方、創造的な読書には、より難しく、より積極的な思考が含まれます。
例: この記事の中で良いアイデアは何ですか?これらのアイデアの他の応用や拡張はありますか?彼らはさらに昇進できるでしょうか？大きな違いを生む改善点はありますか?関連する調査を自分で行う場合、次に何をしますか?
論文を読みながらメモをとる
論文を読みながらメモをとる人は多いでしょう。この方法は非常に良い方法で、思いついた質問やコメントを記録します。著者の重要なポイントを見つけてください。
最も重要なデータ、または問題があると思われるデータにフラグを付けます。このようなタグは、論文を理解するのに役立ち、後でレビューするのにも役立ちます。
最初に読んだ後、論文を 1 つまたは 2 つの文で要約するようにしてください。
ほとんどすべての優れた論文には、特定の質問に対する答えが求められています。論文を簡潔に説明できれば、解決したい問題や最終的な答えなど、著者の仕事をすでに理解している可能性があります。主要なアイデアに焦点を当てたら、戻って論文の概要を説明して、具体的な詳細をより深く理解します。
実際、論文を 1 つまたは 2 つの文で要約するのが簡単な場合は、別のアプローチを試して、主要なアイデアを要約する 3 つまたは 4 つの要点の概要を作成してください。
可能であれば、その論文を他の作品と比較してください
論文の要約は、その論文の科学的貢献を判断する 1 つの方法です。しかし、科学的価値を真に理解するには、その論文をその分野の他の研究と比較する必要があります。これらのアイデアが新しいものなのか、それとも以前に行われたものなのかを判断するには?
科学研究はさまざまな方法で提示されることは言及する価値があります。たとえば、単に新しいアイデアを提案する論文もあれば、検証を実装してそれがどのように機能するかを示す論文もあれば、以前のアイデアを組み合わせて新しいフレームワークに統合する論文もあります。この分野の他の研究を理解することは、論文の価値をより深く理解するのに役立ちます。