Стратегии для того, чтобы идти в ногу с исследованиями в области ИИ

7 советов, которые помогут вам оставаться в курсе всего

Скорость ИИ

Для тех, кто следит за областями искусственного интеллекта (ИИ), глубокого обучения (ГО) или машинного обучения (МО), может показаться, что исследования иногда проносятся мимо вас, как гоночный автомобиль. Быстрый поиск на arXiv.org показывает, что в период с 1 апреля по 1 мая этого года (2020 г.) было объявлено о 2683 новых статьях, связанных с ИИ, МО или МО. Исследовательское сообщество постоянно пополняется новыми работами (как хорошими, так и плохими), и не отставать от них может показаться невозможным. Это только усугубляется освещением, которое ИИ получает в СМИ. Будь то скорое появление беспилотных автомобилей, достижения в области обработки естественного языка, автоматизированная медицинская диагностика или страх перед восстанием кибернетических роботов, ИИ привлекает к себе много внимания.

Конечно, множество преимуществ, которые получает ИИ, дает множество преимуществ; однако для тех, кто работает в полевых условиях, также могут быть некоторые негативные последствия. Во-первых, поток информации из новых приложений, улучшенных архитектур, новых подполей и т. д. может отвлекать. Существует бесчисленное количество кроличьих нор, в которые можно спрыгнуть в любой момент. Хотя важно исследовать новые и появляющиеся решения, которые могут обеспечить лучшие решения, если мы будем тратить все свое время на погоню за блестящими объектами, мы никогда не добьемся собственного прогресса.

Во-вторых, шквал новых исследований и растущая индустрия искусственного интеллекта могут вызвать нежелательное беспокойство. Стремление к успеху и быстрому успеху может поколебать уверенность даже самых опытных исследователей и разработчиков. Может показаться, что другие исследователи публикуют в два раза быстрее или компании разрабатывают в два раза больше приложений. Это может привести к неправильным проектным решениям и потере времени, что подрывает нашу способность эффективно применять ИИ. Кроме того, это может сделать нас восприимчивыми к групповому мышлению и ограничить нашу способность подходить к проблемам с новыми и творческими решениями.

В конечном счете, необходимо следить за исследованиями, связанными с вашей областью применения или отраслью, если вы хотите оставаться актуальным. Хитрость заключается в том, чтобы найти способы, которые не поглощают все ваше время и работают лучше всего для вас. Остальная часть этой статьи определяет стратегии, чтобы сделать именно это. Также важно, чтобы современные исследования вдохновляли нас, а не просто влияли на нас, но это будет темой для будущей статьи.

Стратегии не отставать

Итак, хорошая новость заключается в том, что существует множество доступных ресурсов, которые помогут нам не отставать от исследований, имеющих отношение к нашим интересам. В этой статье я делюсь рядом ресурсов, которые использую, и обсуждаю некоторые из моих стратегий, позволяющих оставаться в курсе исследований ИИ. Приведенные ниже элементы упорядочены в соответствии с моими личными приоритетами, но каждый учится по-разному, поэтому я призываю вас попробовать их и посмотреть, что подходит именно вам.

0. Будьте реалистичны и последовательны

У всех нас есть ограниченное количество времени, которое мы можем потратить на то, чтобы не отставать от ИИ, поэтому будьте реалистичны и последовательны. Выделите фиксированное количество времени, которое соответствует вашему расписанию. Признание своих временных ограничений должно помочь вам выбрать подходящие стратегии, которые будут наиболее эффективными для вас. Работайте умно и усердно.

1. Читайте статьи

Поэтому, как бы очевидно это ни звучало, очень важно проводить часть своего времени за чтением статей. Это даст вам очевидную пользу от изучения новых и появляющихся работ, а также укрепит вашу способность выделять и понимать сложные концепции. Чтение технических документов — это навык, который имеет решающее значение для инженерии и науки, и, как и все другие навыки, совершенство достигается на практике. Бонус: критическое прочтение статей также является отличным способом придумать новые идеи для исследований/алгоритмов, подвергая сомнению все, что представляют авторы.

Вот несколько моих советов по чтению газет.

1А. Будьте организованы.

Итак, первый совет, который я могу дать, — держать свои бумаги в порядке. В моем случае у меня есть папка «_ReadMe_» на моем облачном диске, в которой есть все документы, которые я хотел бы прочитать. Итак, когда у вас есть немного времени, вы можете сразу перейти к своей папке и начать читать. После того, как вы прочитали статью, вы можете либо переместить ее в другое место в своей цифровой библиотеке, либо просто удалить.

1Б. Читайте с умом.

Как я быстро понял во время работы над диссертацией, чтение документов может занять много времени, и если у вас нет хорошей стратегии, вы никогда не прочтете все документы, которые вам нужны. Лично я обнаружил, что трехэтапный подход очень хорошо работает для меня. Каждый этап имеет определенную цель, и последующие этапы строятся на предыдущих. Это может значительно ускорить процесс, потому что вы обнаружите, что во многих случаях достаточно пройти фазу 2.

Это мой общий подход.

  • Этап 1: Прочитайте аннотацию и заключение.
  • Этап 2. Прочтите всю статью, но пропустите любые технические детали, которые требуют больших умственных усилий.
  • Этап 3. Прочитайте критически и оспаривайте предположения и утверждения авторов.
  • Этап 4 (Бонус!): Закодируйте его! Очевидно, что это больше, чем просто чтение, но в конечном итоге это лучший способ по-настоящему понять новые концепции.

В ближайшее время я опубликую более подробную статью о моем подходе. Я бы также посоветовал вам прочитать несколько других стратегий и найти то, что работает для вас.

1С. Настройте оповещения.

Google Scholar — замечательный ресурс по многим причинам, но автоматические оповещения — отличный способ быть в курсе новинок. Оповещения могут быть созданы на основе автора или строки поиска. Оповещения об авторах отлично подходят для отслеживания крупных игроков в этой области, а оповещения в строке поиска хороши для поиска новых авторов.

Чтобы создать оповещение для автора:

  1. Найдите автора и нажмите на его имя, чтобы перейти к его профилю в Академии Google.
  2. Нажмите кнопку «Подписаться» в правом верхнем углу профиля.
  3. Введите свой адрес электронной почты и выберите параметры оповещения.

Чтобы создать оповещение строки поиска:

  1. Войдите в Google Scholar и выберите «Оповещения» в боковом меню.
  2. Нажмите «Создать оповещение».
  3. Введите свой адрес электронной почты, строку поиска, которая должна быть запрошена, и общее количество результатов, которые должны быть включены.

Совет для профессионалов: если вы используете GMail, вы можете воспользоваться этими необычными советами по фильтрации, чтобы автоматически упорядочить оповещения в папке Входящие. О причудливой фильтрации можно прочитать здесь.

2. Смотрите YouTube

YouTube — одно из самых захватывающих мест, где я начинаю видеть действительно хороший контент. Есть много действительно умных людей, которые публикуют бумажные обзоры, онлайн-лекции и учебные пособия. Все это отличные источники для быстрого ознакомления с новыми темами и развития интуиции. Я обнаружил, что эти видео сэкономили мне время и познакомили меня с новыми темами, которые иначе я бы не увидел.

Вместо того, чтобы предоставлять длинный список потенциальных каналов, я включил только три канала YouTube, с которых я бы порекомендовал начать. Я включил небольшую аннотацию о каждом канале и объяснил, почему я думаю, что это стоит того. После проверки этих каналов я бы посоветовал вам проверить еще несколько каналов, чтобы найти те, которые соответствуют вашим потребностям.

  • Yannic Kilcher: Янник публикует действительно хорошие обзоры газет. Он просматривает недавно опубликованные статьи и предоставляет большую часть необходимого справочного материала, необходимого для хорошего понимания вклада статей. Его видео прямолинейны, что позволяет ему публиковать много видео, большинство из которых длится менее 30 минут. В настоящее время, если появится новая статья, которая меня заинтересует, я проведу быстрый поиск, чтобы узнать, освещал ли ее уже Янник.
  • Henry AI Labs: этот канал управляется Коннором Шортеном, а также содержит множество бумажных обзоров и видео с пояснениями. Как и Янник, Коннор очень хорошо осведомлен и отлично справляется с объяснением концепций ИИ. Настоящим золотым самородком этого канала (по крайней мере, для меня) является серия Еженедельное обновление AI. Каждую неделю Коннор представляет обзор последних новостей в области исследований ИИ высокого уровня. Видеообновления длятся менее 30 минут и содержат массу контента.
  • Двухминутные статьи: этим каналом управляет Карой Жолнай-Фехер, и у него уже более 600 тысяч подписчиков. Karoly снимает короткие (~ 5 минут) видеоролики, которые очень хорошо сделаны. Видео, как правило, очень высокого уровня, но очень четко иллюстрируют темы. Эти видео легко смотреть и они могут вызывать привыкание (в хорошем смысле).

Совет для профессионалов: настройки YouTube позволяют воспроизводить видео с двукратной скоростью, что очень полезно для просмотра контента с искусственным интеллектом. Я обнаружил, что скорость 2x терпима, как только вы к ней привыкнете. Для еще более точного управления вы также можете использовать плагины, такие как Enhancer for YouTube.

3. Подпишитесь на новостные письма и субреддиты

Еще один отличный ресурс — использовать новостные письма и субреддиты, чтобы отфильтровать контент. По общему признанию, я не подписываюсь на многие новостные письма, но я нахожу Пакет от deeplearning.ai очень информативным. Эндрю Нг — одно из самых громких имен в области искусственного интеллекта, и на то есть веские причины. Каждую неделю он составляет список актуальных тем в области ИИ, а также соответствующий контекст и причины, по которым это исследование может быть важным. Я также лично считаю, что Андрей освещает темы, интересные как исследователям, так и разработчикам приложений. Я настоятельно рекомендую подписаться на это новостное письмо, а также найти другие новостные письма, которые соответствуют вашим интересам.

Я являюсь большим поклонником Reddit уже много лет. Я всегда рассматривал Reddit как интернет-фильтр, основанный на сообществе. Reddit содержит ряд подсообществ, которые могут быть Subreddits, посвященными определенной теме или теме. Участники могут публиковать контент, за который можно проголосовать за или против в зависимости от того, насколько хорошо он был принят. Надежда заключается в том, что наиболее полезный и информативный контент продвигается в начало списка. Есть несколько разных сабреддитов, связанных с ИИ и машинным обучением, но я бы рекомендовал начать с Глубокого обучения. В этом сообществе чуть менее 50 000 участников, и субреддит очень активен.

Кроме того, Reddit — это не только хороший источник информации, но и место для общения с единомышленниками-энтузиастами ИИ. Я думаю, что это может быть особенно полезно для тех, кто новичок в этой области и хотел бы получить обратную связь, или для тех, кто не взаимодействует регулярно с экспертами по ИИ. В настоящее время я лично не публикую сообщения во многих из этих субреддитов, но, надеюсь, это изменится в ближайшем будущем.

4. Вернитесь к основам

Я обнаружил, что полезно потратить некоторое время на изучение основ. Укрепление ваших основ сделает вас более эффективными при чтении статей в вашей области. Я также стараюсь выбирать эти темы на основе того, что я читал. Например, скажем, что вы пытаетесь изучить алгоритмы распознавания речи, тогда было бы целесообразно просмотреть вашу базовую обработку сигналов и спектральный анализ. Это даст вам возможность лучше понять и, возможно, улучшить то, что вы читаете. Это также поможет вам бросить вызов предположениям, которые в противном случае вы могли бы принять за чистую монету.

Хотя невозможно охватить интересы всех, я бы рекомендовал следующие общие категории в качестве тем для рассмотрения.

  • Исчисление
  • Линейная алгебра
  • Оптимизация
  • Программирование
  • Цифровая обработка сигналов
  • Случайные процессы, статистика и теория информации
  • Знание предметной области (зависит от области ваших интересов)

В Интернете есть множество отличных бесплатных и платных ресурсов для изучения подобных тем. Я бы порекомендовал вам взглянуть на Coursera, edX, Standford Online и MIT OpenCourseware для быстрого старта.

5. Читайте технические блоги

В наши дни определенно нет недостатка в блогах AI и ML. Содержание может сильно различаться в зависимости от сайта и цели блога. Обычно я попадаю в большинство блогов через поиск в Google, когда пытаюсь найти информацию по определенной теме. Однако есть несколько блогов, которые я регулярно просматриваю в поисках нового контента. Вот три основных, которые я считаю информативными, но, как обычно, это будет зависеть от ваших интересов.

Совет для профессионалов: вы можете использовать инструмент для чтения новостей, такой как Inoreader или Feedly, чтобы собрать весь контент вашего блога в одном месте.

6. Слушайте подкасты

Подкасты могут быть удачными или пропущенными в зависимости от того, кто вы. Существует множество различных подкастов, связанных с ИИ и машинным обучением, многие из которых имеют довольно схожие форматы. Большинство из них включают интервью с исследователями и разработчиками, рассказывают о возникающих проблемах и освещают основы областей. Я обнаружил, что в последнее время провожу меньше времени с подкастами, но я по-прежнему считаю, что это отличные ресурсы, и их стоит просмотреть. Некоторые из этих подкастов могут быть очень длинными, поэтому, вероятно, лучше выбрать несколько и придерживаться их какое-то время.

Подобно разделу на YouTube, вместо того, чтобы предоставлять длинный список возможностей, ниже я дал несколько рекомендаций.

  • Линейные отступления: этот подкаст предлагает небольшие порции технического контента по машинному обучению. Эпизоды короткие (менее 20 минут) и охватывают широкий круг тем.
  • Говорящие машины: этот подкаст состоит из более длинных эпизодов (около часа) и менее техничен, чем Линейные отступления. Формат основан на опросе работающих практиков ИИ и обсуждении актуальных тем в очень практическом смысле.
  • Подкаст искусственного интеллекта: этот подкаст основан исключительно на интервью, а количество эпизодов варьируется от одного до трех часов. Полная прозрачность, этот подкаст охватывает широкий круг тем, многие из которых носят нетехнический и даже философский характер. Я лично нахожу многие эпизоды интересными, а многие из гостей — очень уважаемые исследователи и разработчики в сообществе ИИ.

7. Следите за социальными сетями

Теперь я признаю, что эта рекомендация немного лицемерна, поскольку я почти полностью воздерживаюсь от социальных сетей. Однако я понимаю, что это может быть отличным инструментом для отслеживания того, что происходит с вашими любимыми авторами или вообще того, что происходит в вашей области. Многие исследователи и разработчики часто пишут в Твиттере о новых статьях или разработках в отрасли. Это можно использовать как еще один источник фильтрации важной информации. Так что, если вам нравятся социальные сети, найдите способы сделать их продуктивными для вас.

Вывод

ИИ (и связанные с ним области) переживают период беспрецедентного роста, который является фантастическим для этой области, но, безусловно, может быть ошеломляющим. Когда так много всего происходит постоянно, легко отвлечься, и это может нанести ущерб вашей работе. Успокойтесь, зная, что вы не одиноки. Самое главное — осознавать, сколько времени у вас есть, и использовать его как можно мудрее.

В этой статье представлено несколько стратегий, которые я использую для продолжения исследований. Выберите несколько стратегий из списка и попробуйте их. Не пытайтесь реализовать слишком много сразу, иначе это быстро станет непосильным. Посмотрите, что работает, а что нет, постепенно находя свой способ обучения. В конечном итоге вам нужно будет найти то, что лучше всего подходит для вас, и это может измениться со временем. Продолжайте исследовать, продолжайте учиться и расширяйте свое понимание.