Сегодня я столкнулся с реальностью конференции по компьютерному зрению и распознаванию образов (CVPR) 2023 года, которая является одним из самых престижных мероприятий в области искусственного интеллекта и машинного обучения. Огромный объем представленной работы был ошеломляющим: было принято 2359 из 9155 представленных материалов, что составляет примерно 26%. Все эти документы представлены всего за три дня на шести постерных сессиях.
Это вызвало у меня несколько вопросов: сколько информации может усвоить человеческий мозг? Имеет ли смысл эта система массового распространения информации? И, учитывая растущий интерес к ИИ, как мы можем фильтровать это обширное хранилище исследований? Я решил копнуть немного глубже.
Существует ли слишком много информации?
Извечный вопрос — предел способности человеческого мозга поглощать и обрабатывать информацию. Неврология предполагает, что человеческий мозг действительно является мощным информационным процессором. Однако это не непобедимо. Его внимание и возможности рабочей памяти ограничены. Человек может чувствовать себя подавленным и психически истощенным в обстановке конференции, пытаясь не отставать от многочисленных презентаций в различных областях, каждая из которых несет свой уникальный набор сложностей и нюансов.
Хотя цель таких конференций, как CVPR, состоит в том, чтобы способствовать обмену и обсуждению последних достижений, масштабы, в которых это происходит, вызывают вопросы об эффективности этого формата. Сохраняют ли участники основные моменты каждой презентации? Способны ли они формировать значимые связи между разными работами и извлекать новые идеи?
Бум ИИ: каждый хочет кусочек
Интерес к искусственному интеллекту и машинному обучению резко возрос в последние годы. Тема проникла во все уголки общества, от научных кругов до промышленности и сообществ любителей кодирования. Это в значительной степени положительно, поскольку способствует разнообразному междисциплинарному подходу к решению проблем. Однако это также означает, что объем проводимых исследований может быть ошеломляющим.
С таким количеством людей, инвестировавших в ИИ, количество выпускаемых статей резко возросло. С одной стороны, это признак динамичного, растущего поля. С другой стороны, почти невозможно для любого человека оставаться в курсе всех этих событий.
Фильтровать или не фильтровать?
Этот взрыв исследований приводит нас к вопросу: должны ли мы фильтровать, какие статьи мы читаем, и если да, то как мы решаем, какие из них стоят нашего времени?
Кто-то может возразить, что все исследования вносят вклад в базу знаний в данной области и им следует уделять равное внимание. Однако реальность ограниченности времени и когнитивных ресурсов заставляет нас быть избирательными. Часто мы полагаемся на такие показатели, как престиж конференции, репутация авторов или количество цитирований статьи. К сожалению, эти метрики хоть и полезны, но не идеальны и могут привести к неоправданной маргинализации потенциально новаторской работы из менее известных источников.
Вместо этого мы могли бы рассмотреть более персонализированный подход к исследованиям. Отдельные лица могут сосредоточиться на конкретных областях или проблемных областях, имеющих отношение к их работе или интересам. Нетворкинг и обсуждения со сверстниками также могут помочь в составлении списка для чтения. Рекомендательные системы на основе ИИ — это новый инструмент, который может помочь исследователям определить релевантные работы на основе их истории чтения и научных интересов.
В конце концов, исследование — это не гонка за прочтением всех статей. Речь идет о более глубоком понимании предмета, задавании правильных вопросов и установлении связей между различными работами.
Переосмысление ландшафта исследований ИИ
Размышляя о CVPR 2023, мы вспоминаем о масштабах области ИИ и проблемах, которые она ставит перед распространением и усвоением знаний. Возможно, пришло время пересмотреть наш подход к исследованиям ИИ.
