NIPS昨天開放注冊，會議門票在短短11分鐘內(nèi)就售罄；半小時后，tutorial和workshop的票也全部售光，一場學術會議門票，比霉霉的演唱會門票還難搞，為什么會這么火？

為什么一場學術會議門票，比Taylor Swift的演唱會門票還難搞定？！

昨天，神經(jīng)信息處理系統(tǒng)大會（Neural Information Processing Systems，NIPS）開放注冊，會議門票在短短11分鐘內(nèi)就售罄；半小時后，tutorial和workshop的票也全部售光。

騰訊量子實驗室杰出科學家張勝譽感嘆：我刷個牙回來就沒了！

美國杜克大學電子計算機工程系教授陳怡然：上個課回來票就沒了。半小時就sold out，有黃牛黨吧！！

NIPS為什么這么火？

作為AI領域最重要的頂會，自1987年誕生以來，NIPS大部分時間只是吸引了計算機科學領域的研究人員，并沒有像現(xiàn)在這么火爆，但隨著近幾年深度學習的崛起，NIPS成為了學術界、工業(yè)界共同關注的重點會議，人數(shù)從數(shù)年前的幾百人躍升到去年的8000人。

推特上甚至有好事者做了一張圖，認為從NIPS的售票情況判斷，機器學習奇點將于2048年到來。

不過，從今年大會售票情況看，這位仁兄的機器學習奇點臨近要提前了：）

11分鐘售完，比霉霉的演唱會門票還難搶

今年12月3-8月，NIPS 2018在加拿大蒙特利爾會展中心舉行，主辦方于 9 月 4 日 8 點開放注冊，但僅用了11分鐘38秒主會議門票就售罄，半小時后，tutorial和workshop的票也全部顯示Sold Out。

沒人能想到NIPS今年依舊這樣的火爆。

Kaggle CTO Ben Hamner也在推特上吐槽：

搶一個機器學習會議的門票，看上出比Taylor Swift演唱會或者漢密爾頓的劇還難！

Ben Hamner還一本正經(jīng)的討論起NIPS的售票策略：

也許應該采用分層的方法，在超額預定的群體中加入抽簽？例如：

A類：今年發(fā)表論文（保證座位）

B類：以前在NIPS上發(fā)表過（M spots）

C類：來自代表名額不夠組w/說明ML能力(N spots)

D類：其他（剩余位置）

Facebook的Alex LeBurn在去年做了一張圖，展示了從2012年到2017年NIPS售票情況，去年的NIPS，用了10天門票才售罄。

從圖中可以看出，那根代表 2017 年注冊情況的藍色曲線如火箭般飆升。Alex LeBurn 用了 “Deep learning hype in one picture”形容這張圖。

如果加上2018年的售票情況，那就是直線上升了。

31歲的學術頂會，依舊是計算機界的風向標

NIPS于1986 年在由加州理工學院和貝爾實驗室組織的Snowbird 神經(jīng)網(wǎng)絡計算年度閉門論壇上首次提出。NIPS 最初被設計為研究探索生物和人工神經(jīng)網(wǎng)絡的互補性開放跨學科會議。

早期NIPS 會議中提出的研究報告涵蓋主題范圍很廣，包括從解決純工程問題到使用計算機模型作為了解生物神經(jīng)系統(tǒng)的工具等等。之后，生物和人工系統(tǒng)的研究發(fā)生了分化，近年來的NIPS 大會一直以機器學習、人工智能和統(tǒng)計學論文為主。

雖然NIPS首字母縮略詞中的“神經(jīng)”本來是歷史的遺跡，但由于計算機和大數(shù)據(jù)的快速發(fā)展，自2012 年以來，神經(jīng)網(wǎng)絡深度學習再度興起，體現(xiàn)在語音識別、圖像中的對象識別、圖像文字描述、機器翻譯、圍棋AI 等多個方面。這些研究是以視覺皮層（ConvNet）區(qū)域?qū)哟谓Y構的神經(jīng)架構為基礎的。

雖然今年的NIPS門票秒光，但是還設置了Wait list，會議將在10月前、11 月底開放兩批，具體數(shù)量未知，到時可以拼手速和人品，擬參會者需要留意。

NIPS投稿和錄用論文數(shù)量也在激增，“雙盲同行評議”遭炮轟

被譽為神經(jīng)計算和機器學習最最頂級的會議，NIPS一直保有相對較低的錄取率。去年的NIPS一共錄取了678篇論文，錄取率約為20.9%。相比之下，

CVPR 2017審稿2620篇，接收783篇，錄取率29%

ICML 2017審稿1676篇論文，接收434篇，錄取率為 25.89%

ACL 2017審稿1318篇，接收302篇，錄取率22.91%

根據(jù)2006年到2017年的NIPS論文錄取數(shù)量發(fā)現(xiàn)，曲線與參會人數(shù)“交相輝映”：

但是，錄取率或許并不能說明什么問題。

NIPS 2014 做了一個實驗，將投稿的10%（共166篇論文）同時交給兩個不同的評審委員會評審，每個委員會由大會組委會的一半成員構成。結果評審令人吃驚：兩個評審委員會對其中42篇論文（約25%）的評審意見相左。由于兩個委員會都把論文錄用率控制在22.5%左右，委員會一錄用的21篇論文會被組委會二拒稿，而組委會二錄用的22篇論文被組委會一拒稿。

也就是說，被其中一個評審委員會錄用的論文，其中大約57%會被另一個評審委員會拒稿。這樣，從理論上講，如果重新審稿，NIPS2014年錄用的一半以上的文章將被拒稿！

上述實驗表明，當錄用率很低時，質(zhì)量居中的論文錄用的隨機性將大大提高。比如在上述例子中，約7.5%肯定被錄用，50%以上的文章肯定被拒稿，其余中間47%左右的論文是否被錄用則有很強的隨機性。

這就是所謂“雙盲同行評議”。

谷歌研究員、GAN的發(fā)明人Ian Goodfellow 之前發(fā)布推文炮轟這種辦法：他懷疑，實際上正是同行評議造成了如今機器學習里的一些怪現(xiàn)象！

Goodfellow在推文中表示，作為頻繁出任會議領域主席并且管理一支小型科研團隊的研究者，他經(jīng)常能看到很多人（包括他自己團隊在內(nèi)）工作的評審意見。

對于實證研究來說，最多的（拒稿）意見是沒有“理論”，但評審人并沒有針對某個特定問題去要理論，而是將其當做一種輕松的拒稿理由——Goodfellow 這樣形容，“他們掃了一遍論文，沒看到炫酷的公式”，好，拒掉吧，原因？寫“缺乏理論”就好。

NIPS 2018初審結果出爐，哀聲遍野：評審人不專業(yè)！

在Goodfellow的推文之前，NIPS2018的初審結果公布，社交網(wǎng)絡上哀鴻遍野。大家主要對評審結果的抱怨，很大程度上就是 Goodfellow 指出的那些：沒有數(shù)學公式、缺乏結果解釋……

其中，最嚴重的問題，或許是評審人本身不專業(yè)，根本沒有看懂論文！

中科院計算所一篇投稿 NIPS 2018 的論文，得分應該是4、5、6（4=reject，5=marginally below acceptance，6=marginal accept）。

其中，認為或可接受的那位評審，確實是看懂了論文，提出了很多有針對性的具體問題和意見。而其他兩位評審，只給出了非常簡略的反饋，其中一位的理由恰好就是“沒有解釋結果原因”。

計算所的博士生導師說：“很明顯，那兩名評審要么就是沒有細看論文，要么就是對領域不熟?！?/p>

“我告訴學生，好好rebuttal，還是有希望的。”