【学术相关】为什么很多国内学者的AI的论文复现不了？

吴恩达老师曾经说过，看一篇论文的关键，是复现作者的算法。

然而，很多论文根本就复现不了，这是为什么呢？

一、数据关系

因为作者使用的数据比较私密，一般人拿不到，这种情况下，即使作者提供了源代码，但是读者却拿不到数据，也就没法复现算法。

这种情况在国内学术界很普遍，数据别人没有，这就好像一位奥数老师，自己出了一道奥数题，自己解答出来，然后把解题过程写了论文，这类论文往往说服力不够，故事性不够强。

二、硬件原因

深度学习的很多算法，是靠大力出奇迹的方法做出来的。比如谷歌、facebook的一些算法，依靠强大的硬件训练出来。

普通研究者没有那么强大的硬件资源，估计达不到他们的1%的算力，根本无法复现算法。

三、数据划分和训练方式

有些论文公开了代码，也公开了数据，但是论文里没有提到数据划分问题，数据如果比较少的话，不同的划分会导致结果不同。

四、众所周知的原因

这个原因大家心知肚明，我就不说太明白了，这个情况出现在很多国内作者的论文里。这个在公开数据上比较少见。

很多国内的学者发的论文，通常的套路是：

1. 定义一个很新但是意义不大的问题；

2. 面向github编程；

3. 网络中加一些attention，module，normalization，loss，加到不会崩为止；

4. 编故事，写小说，看上去逻辑挺清晰的，但是不给别人复现的机会。

理想的论文什么样？

1.效果可以复现，论文里每一个实验逻辑都很通畅，论文所有实验形成的逻辑链完备，使用公开数据集，效果和论文基本一致。

能够达到这种的一般是领域内的大佬，比如陈天奇、何恺明。

2.使用公开数据，公开代码，论文细节清楚，能复现论文的效果。尽管很多论文的作者也不能说明为什么这么设计的网络效果好，这个应该是深度学习可解释性差的原因。因为他们公开了代码，在公开数据集上效果好，能复现效果，所以也是好论文。

文末推荐

最后，推荐一个网站：paperswithcode.com/，很多优秀论文的代码都能找到。