公告：Twitter流量--twitter买播放量网站
电脑之心报道
参与：张倩、蛋酱、竹筏
PR or Not PR，结果可能真的不一样。
中国有句谚语，叫「清香怕清香」。而在学界，学术论文就是科学人类学家酿的酒。只要你的「酒」足够多醇，协进会得到我们的关注与普遍认可。
但在SNS互联网负面影响日渐扩大的今天，这句话的力量似乎愈来愈弱了。在学术论文水平差别不大的情况下，我们真正PK的可能会是 PR 能力。
这个难题前段时间在 Reddit 上被提了出来。发帖者则表示，ta 害怕SNS互联网上愈来愈热的「人格宣传品」行为会负面影响到盖基的判断，导致宣传品效果好的学术论文较易被转交，对盲审制度造成很大的破坏。
NeurIPS 2020 学术论文的递交止年份是一周前。从结束递交开始，几乎每天我单厢遇到源自电脑学习科学研究相关人员的 Twitter 专文。那些回帖公开宣传品她们的科学研究工作（显然是 NeurIPS 递交的科学研究内容，从 arXiv 预稿本的文件格式和年份来看），其作者通常是源自Google、Facebook 的知名科学研究相关人员。她们有数以千计的影迷，因此她们的 Twitter 也有极高的下载量、点赞量和转贴量。
我极高兴看到捷伊令人激动的科学研究，但同时也对此种宣传品给学术论文审查过程带来的负面影响则表示忧虑。我知道 NeurIPS 并不明令禁止递交 arXiv 预稿本，但此种非常招揽人的电视广告将对盲审的压制提高到了一个捷伊层级。
除了有辱随机对照审查流程之外，我还害怕这样的作法会给盖基增加社会压力。假如一则学术论文在SNS媒体上斩获了整个街道社区的称赞，盖基就极难去婉拒甚至抨击这篇学术论文。假如该学术论文源自知名科学人类学家或知名机构，情况会变得更为严重。
但，在前段时间 Twitter 的探讨中，的的对那些回帖做出澄清的世界顶级科学研究相关人员中，我没有发现重视那些难题的人。难道你会认为这没关系吗？
发帖者提出的这个难题得到了很多人的共鸣。
有人则表示，ML 和 CV 会议中的随机对照审稿就是个骗局。
「实质上，它是一个打着随机对照幌子的单盲系统。整个街道社区都生活在一个自欺欺人的世界里，她们假装这个世界上没有 arXiv 和SNS媒体。」
在他看来，身处大型实验室的科学人类学家在SNS媒体上极力宣传品自己的科学研究会带来更多呼声，这恰恰就是偏见的。在没有SNS媒体负面影响的时代，盖基的偏见可能是「哦，这是源自大型实验室的学术论文」，但在如今这个时代，盖基的偏见就变成了「哦，这是一则推特上点赞量极高的学术论文」。
他还举例来说明自己的观点，拿学术论文《End to End Object Detection with Transformers 》来说，它源自知名的实验室，第一作者也是业内知名的科学人类学家，并且在 Reddit 上有着很多的探讨。此外，这篇学术论文身后也站着一贯强大的 Facebook 公关势力。当然，这里并不是说这篇学术论文不够好，而是想说明，在此种情况下，你极难判断 PR 对于学术论文的转交起到了多大的作用。
但在此种偏见上，盖基需要负全部的责任吗？
有人认为这是盖基的难题，他不该逛 arXiv，不该看到推特上的学术论文。此种要求就有点强人所难了：毕竟我们都不是活在 2000 年，没有智能手机，没有SNS媒体，学术论文都由知名的博士科学人类学家审阅。
时代变了，规则当然也要改变。
「我们现在遵守的还是 20 多年前的规则，审稿系统需要作出改变了，否则广大科学人类学家将失去信心。」
也就是说，假如要将SNS媒体、预稿本平台的负面影响降到最低，大会组织方必须规定在学术论文转交结果公布之前明令禁止学术论文预稿本的上传和 PR 行为。否则就极难做到真正的随机对照。
发推能否提高学术论文被转交率还没有得到科学研究证实，但在人工智能领域里宣传品自己的科学研究几乎已经成为了工作的标配。每到 AI 顶会截稿年份，知乎上协进会出现「某某大会有哪些值得关注的科学研究」这样的难题，引来人们的探讨。
不过，宣传品自己的学术论文可以提高引用量，这事儿肯定没跑了。源自不列颠哥伦比亚大学的一项科学研究表明，发推文宣传品的确可以提高学术论文的被引用量和全球负面影响力。
这篇学术论文发表在本月的医学期刊《The Annals of Thoracic Surgery》上。在学术论文中，科学人类学家将 112 篇有代表性的学术论文随机分成两组进行对照试验（发推宣传品和不发推宣传品）。结果表明，一年之后，发推宣传品的学术论文所增加的引用量要远远高于未发推的学术论文，而且，Altmetric 得分也更高（该指标反映学术论文在全球范围内的传播、探讨程度）。
最后，宣传品自己科学研究最高级的形式，可能是在学术论文还没有发表的时候就开始着手。
本周四，图灵奖获得者 Geoffrey Hinton 的一则推文成为了人工智能领域里最热的话题：
「我认为自己在感知学习领域发现了一个很好的 idea，于是接受了一些邀请，要在下个星期探讨它。但我刚刚发现这个 idea 有致命的缺陷，所以取消了计划中的所有探讨，抱歉。」
不知 Hinton 之后是否会撰写一则文章介绍他的新想法及其「致命缺陷」——即使是有错误的方向，或许对于我们来说也很有指导意义。我们都很期待 Hinton 大神的新科学研究。
参考链接：https://www.reddit.com/r/MachineLearning/comments/hbzd5o/d_on_the_public_advertising_of_neurips/
