本文经AI新媒体量子位（大众号ID:QbitAI）授权转载，转载请联络出处。

AI论文，究竟该不应强制开源代码？

NeurIPS 2020官方近来发布了一份开源攻略。从2019开端，NeurIPS就“激烈建议”提交论文代码，不过仍非强制。

但无论如何，官方传达出了一种信号：AI学术顶会开源代码已是职业趋势。

NeurIPS此举也引发了一场“年经”式的评论：假如将来学术会议要求有必要开源，投稿人应该回绝吗？

而让人始料未及的是，不少网友以为：不开源，我有理。

对立一：代码并没有那么重要

首要，开源代码的意图是什么？是为了让其他研讨者可以复现效果。

假如一篇论文包括足够多的细节，那么他人就可以依据其间的公式自己写出代码，关于这类论文，可以不揭露代码。不过条件有必要是供给足够多的细节。

比方谷歌的AlphaGo就没有开源代码，可是没有人置疑它的正确性，事实上也有许多人依据谷歌论文复现了AlphaGo。

并且作者自己的代码可能会呈现过错，不开源的一个优点便是让其他研讨者独立复现。

假如作者在代码里挖了个不明显的“坑”，其他人也可以躲避，避免被带到沟里。

别的，也不要高估代码的价值，经典论文可以几十年长盛不衰，可是代码很可能十年后就难以运行了。

当然，还有一种观念便是，关于AI来说，数据集更重要。没有数据的代码是没有价值的，而许多数据集无法敞开，这意味着你即便拿到代码，也无法复现SOTA效果。

对立二：要为作者考虑

不开源一起也是为了照料作者的种种特殊情况。

比方一些研讨者是从事纯理论的研讨。有一个网友就说，他乃至都不知道怎样构建Docker容器，尽管宣布了多篇论文都在GitHub上开源了代码，但它从来不维护。

所以，论文是否开源应该依据代码关于文章的重要性而定，不应一刀切。

还有一些商业公司的研讨者，他们在写论文的时分用到了公司内部专有软件库，假如强制开源，他们有必要从头再写一遍代码，费时吃力，对这些人也是不公平的。

还有一些作者，自身并不是不想开源，而是期望可以将效果维护一段时间，在论文发布几个月后再开源代码，这关于从事医疗、法令范畴的学者很重要。

综上所述，反方网友以为，强制开源过于极点，应该对论文开源持鼓舞情绪，而不是强制。

支撑开源：不开源怎能让人服气

首要是一名从事石油职业的网友说，他们职业的数据都是商业秘要，所以不会发布任何数据和代码，乃至会在文章中丢掉一些公式来躲藏效果，还宣称98%的正确率。效果怎能让人服气。

他以为不揭露数据和代码，就像把一篇论文中所有的要害要素都删了，这样的研讨即便宣布出来也毫无价值。

还有一些人以为，强制开源会改动其他职业对机器学习的成见。

许多其他学科的人都把机器学习当作伪科学，这是为什么？由于AI范畴的论文发布进程十分不成熟。

科学办法的要害是一致性和可重复性。追逐单一的目标，每个人都对SOTA入神，这是一个巨大的问题。

而开源是处理此问题的一种办法。

上一年，AI闻名女学者Anima Anandkumar曾在个人博客里揭露喊话，激烈对立发论文却不给代码的行为，呼吁学术会议强制要求投稿一起有必要揭露代码。

她以为不开源代码不利于评定论文，不利于对论文造假的追责，更不利于职业敞开竞赛。

你觉得揭露的学术论文也应该揭露代码么？