品品科技 MIT下架偏见数据集,Bengio兄弟建议多引少数群体论文:BLM运动持续机器之心报道参与：杜伟、小舟、张倩继

机器之心报道
参与：杜伟、小舟、张倩
继YannLeCun为存在数据偏见的算法辩护被骂退出推特之后， BLM运动继续在学界蔓延。 MIT宣布永久下架包含种族和性别歧视标签图像的TinyImages数据集，并致歉。此外，谷歌研究科学家SamyBengio针对学界中的「名人效应」提出自己的建议，呼吁「有意识地引用较低关注度学者的论文」，从而引发网友热议。

文章图片
轰轰烈烈的「BlackLivesMatter」运动已经持续了一个多月，虽然已有缓和迹象，但整体运动开始往各领域蔓延，包括学术界。
在活动刚开始的第十几天，全美学界曾掀起过一场停摆24小时的运动， arXiv、Nature、Science全部暂停更新，以重新思考黑人群体在学界的地位。
虽然活动仅进行了一天，但「思考」远未结束。最近，一位非裔女科学家把大家重新拉回了这一话题。
事件的起因是DeepMind6月29号官宣的一门生成对抗网络（GAN）课程。课程的内容比较基础，主要介绍GAN的原理、优化、改进以及一些变体。
乍看之下，这门课好像没什么问题。但是，一位名叫AdjiBoussoDieng的研究者质问道：「既然你们要开GAN的课，为什么我在DeepMind提出的PresGAN没有被包含在内？是因为这篇论文的一作（我）是黑人女性吗？」「我已经厌倦了这种轻视、轻易抹掉我的贡献的行为。」

文章图片
这位AdjiBoussoDieng是什么来头？
Dieng来自非洲塞内加尔，是哥伦比亚大学统计学系的一名博士研究生。她的主要研究方向是将概率图形建模和深度学习结合起来，为结构化的高维数据设计模型。她的研究工作得到了谷歌博士奖学金的支持。
读博期间， Dieng连续几年在ICLR、NeurIPS等顶会参与组织workshop ，还在微软、FacebookAI、DeepMind做过实习生。上面提到的PresGAN便是她在DeepMind实习期间做的。
根据Dieng提供的链接，我们找到了这篇论文。在论文中， Dieng提出了一种GAN变体PresGAN ，主要改进的地方是在密集网络的输出中添加噪声并对熵正则化对抗损失进行优化。添加的噪声对预测性对数似然的易处理近似进行渲染，并实现训练流程的稳定。实验结果表明， PresGAN可以减轻模式崩溃并生成高感知质量的样本。此外， PresGAN还可以缩小传统GAN和变分自编码器在预测性对数似然方面的性能差距。

文章图片
论文链接：https://arxiv.org/pdf/1910.04302.pdf
虽然宣称的效果还不错，但遗憾的是，这篇论文在GoogleScholar上的被引量只有「5次」。

文章图片
有人认为，这就是一篇平平无奇的论文，评估结果也很弱，即使在CIFAR-10上也比SOTA差很多。

文章图片
而且，这只是一篇挂在arXiv上的论文，还没有经过同行评审。「多数人不会倾向于引用一篇未经同行评审的论文。」

文章图片
总之，大家认为，这篇论文之所以被引量低，并不是因为种族问题，而是论文本身不够硬。
但也有人在看过论文后表示，这是一篇不错的论文，可能真的被社区低估了。

文章图片
论文的质量究竟如何，我们需要仔细研读才能得出结论。但有一点可以肯定，搬出种族歧视大旗似乎并不是解决学术问题的合理方法。
「我认为你应该用科学的方式来证明自己的观点，写一篇博客来告诉大家为什么你的论文应该被引用。」