“我为什么反对AI论文强制开源代码”

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

AI论文，到底该不该强制开源代码？

NeurIPS 2020官方近日发布了一份开源指南。从2019开始，NeurIPS就“强烈建议”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行业趋势。

NeurIPS此举也引发了一场“年经”式的讨论：如果将来学术会议要求必须开源，投稿人应该拒绝吗？

而让人始料未及的是，不少网友认为：不开源，我有理。

反对一：代码并没有那么重要

首先，开源代码的目的是什么？是为了让其他研究者可以复现结果。

如果一篇论文包含足够多的细节，那么别人就可以根据其中的公式自己写出代码，对于这类论文，可以不公开代码。不过前提必须是提供足够多的细节。

比如谷歌的AlphaGo就没有开源代码，但是没有人怀疑它的正确性，事实上也有很多人根据谷歌论文复现了AlphaGo。

而且作者本人的代码可能会出现错误，不开源的一个好处就是让其他研究者独立复现。

万一作者在代码里挖了个不明显的“坑”，其他人也可以规避，防止被带到沟里。

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

当然，还有一种观点就是，对于AI来说，数据集更重要。没有数据的代码是没有价值的，而很多数据集没法开放，这意味着你即使拿到代码，也无法复现SOTA结果。

不开源同时也是为了照顾作者的种种特殊情况。

比如一些研究者是从事纯理论的研究。有一个网友就说，他甚至都不知道怎么构建Docker容器，虽然发表了多篇论文都在GitHub上开源了代码，但它从来不维护。

所以，论文是否开源应该根据代码对于文章的重要性而定，不该一刀切。

还有一些商业公司的研究者，他们在写论文的时候用到了公司内部专有软件库，如果强制开源，他们必须从头再写一遍代码，费时费力，对这些人也是不公平的。

还有一些作者，本身并不是不想开源，而是希望能够将成果保护一段时间，在论文发布几个月后再开源代码，这对于从事医疗、法律领域的学者很重要。

综上所述，反方网友认为，强制开源过于极端，应该对论文开源持鼓励态度，而不是强制。

首先是一名从事石油行业的网友说，他们行业的数据都是商业机密，所以不会发布任何数据和代码，甚至会在文章中丢掉一些公式来隐藏成果，还声称98%的正确率。结果怎能让人信服。

他认为不公开数据和代码，就像把一篇论文中所有的关键要素都删了，这样的研究即使发表出来也毫无价值。

还有一些人认为，强制开源会改变其他行业对机器学习的偏见。

很多其他学科的人都把机器学习看成伪科学，这是为什么？因为AI领域的论文发布过程非常不成熟。

科学方法的关键是一致性和可重复性。追逐单一的指标，每个人都对SOTA着迷，这是一个巨大的问题。

而开源是解决此问题的一种方法。

去年，AI知名女学者Anima Anandkumar曾在个人博客里公开喊话，强烈反对发论文却不给代码的行为，呼吁学术会议强制要求投稿同时必须公开代码。