NIPS昨天開放注冊，會議門票在短短11分鐘內就售罄；半小時后，tutorial和workshop的票也全部售光，一場學術會議門票，比霉霉的演唱會門票還難搞，為什么會這么火？

為什么一場學術會議門票，比Taylor Swift的演唱會門票還難搞定？！

昨天，神經信息處理系統大會（Neural Information Processing Systems，NIPS）開放注冊，會議門票在短短11分鐘內就售罄；半小時后，tutorial和workshop的票也全部售光。

騰訊量子實驗室杰出科學家張勝譽感嘆：我刷個牙回來就沒了！

美國杜克大學電子計算機工程系教授陳怡然：上個課回來票就沒了。半小時就sold out，有黃牛黨吧！！

NIPS為什么這么火？

作為AI領域最重要的頂會，自1987年誕生以來，NIPS大部分時間只是吸引了計算機科學領域的研究人員，并沒有像現在這么火爆，但隨著近幾年深度學習的崛起，NIPS成為了學術界、工業界共同關注的重點會議，人數從數年前的幾百人躍升到去年的8000人。

推特上甚至有好事者做了一張圖，認為從NIPS的售票情況判斷，機器學習奇點將于2048年到來。

不過，從今年大會售票情況看，這位仁兄的機器學習奇點臨近要提前了：）

11分鐘售完，比霉霉的演唱會門票還難搶

今年12月3-8月，NIPS 2018在加拿大蒙特利爾會展中心舉行，主辦方于 9 月 4 日 8 點開放注冊，但僅用了11分鐘38秒主會議門票就售罄，半小時后，tutorial和workshop的票也全部顯示Sold Out。

沒人能想到NIPS今年依舊這樣的火爆。

Kaggle CTO Ben Hamner也在推特上吐槽：

搶一個機器學習會議的門票，看上出比Taylor Swift演唱會或者漢密爾頓的劇還難！

Ben Hamner還一本正經的討論起NIPS的售票策略：

也許應該采用分層的方法，在超額預定的群體中加入抽簽？例如：

A類：今年發表論文（保證座位）

B類：以前在NIPS上發表過（M spots）

C類：來自代表名額不夠組w/說明ML能力(N spots)

D類：其他（剩余位置）

Facebook的Alex LeBurn在去年做了一張圖，展示了從2012年到2017年NIPS售票情況，去年的NIPS，用了10天門票才售罄。

從圖中可以看出，那根代表 2017 年注冊情況的藍色曲線如火箭般飆升。Alex LeBurn 用了 “Deep learning hype in one picture”形容這張圖。

如果加上2018年的售票情況，那就是直線上升了。

31歲的學術頂會，依舊是計算機界的風向標

NIPS于1986 年在由加州理工學院和貝爾實驗室組織的Snowbird 神經網絡計算年度閉門論壇上首次提出。NIPS 最初被設計為研究探索生物和人工神經網絡的互補性開放跨學科會議。

早期NIPS 會議中提出的研究報告涵蓋主題范圍很廣，包括從解決純工程問題到使用計算機模型作為了解生物神經系統的工具等等。之后，生物和人工系統的研究發生了分化，近年來的NIPS 大會一直以機器學習、人工智能和統計學論文為主。

雖然NIPS首字母縮略詞中的“神經”本來是歷史的遺跡，但由于計算機和大數據的快速發展，自2012 年以來，神經網絡深度學習再度興起，體現在語音識別、圖像中的對象識別、圖像文字描述、機器翻譯、圍棋AI 等多個方面。這些研究是以視覺皮層（ConvNet）區域層次結構的神經架構為基礎的。

雖然今年的NIPS門票秒光，但是還設置了Wait list，會議將在10月前、11 月底開放兩批，具體數量未知，到時可以拼手速和人品，擬參會者需要留意。

NIPS投稿和錄用論文數量也在激增，“雙盲同行評議”遭炮轟

被譽為神經計算和機器學習最最頂級的會議，NIPS一直保有相對較低的錄取率。去年的NIPS一共錄取了678篇論文，錄取率約為20.9%。相比之下，

CVPR 2017審稿2620篇，接收783篇，錄取率29%

ICML 2017審稿1676篇論文，接收434篇，錄取率為 25.89%

ACL 2017審稿1318篇，接收302篇，錄取率22.91%

根據2006年到2017年的NIPS論文錄取數量發現，曲線與參會人數“交相輝映”：

但是，錄取率或許并不能說明什么問題。

NIPS 2014 做了一個實驗，將投稿的10%（共166篇論文）同時交給兩個不同的評審委員會評審，每個委員會由大會組委會的一半成員構成。結果評審令人吃驚：兩個評審委員會對其中42篇論文（約25%）的評審意見相左。由于兩個委員會都把論文錄用率控制在22.5%左右，委員會一錄用的21篇論文會被組委會二拒稿，而組委會二錄用的22篇論文被組委會一拒稿。

也就是說，被其中一個評審委員會錄用的論文，其中大約57%會被另一個評審委員會拒稿。這樣，從理論上講，如果重新審稿，NIPS2014年錄用的一半以上的文章將被拒稿！

上述實驗表明，當錄用率很低時，質量居中的論文錄用的隨機性將大大提高。比如在上述例子中，約7.5%肯定被錄用，50%以上的文章肯定被拒稿，其余中間47%左右的論文是否被錄用則有很強的隨機性。

這就是所謂“雙盲同行評議”。

谷歌研究員、GAN的發明人Ian Goodfellow 之前發布推文炮轟這種辦法：他懷疑，實際上正是同行評議造成了如今機器學習里的一些怪現象！

Goodfellow在推文中表示，作為頻繁出任會議領域主席并且管理一支小型科研團隊的研究者，他經常能看到很多人（包括他自己團隊在內）工作的評審意見。

對于實證研究來說，最多的（拒稿）意見是沒有“理論”，但評審人并沒有針對某個特定問題去要理論，而是將其當做一種輕松的拒稿理由——Goodfellow 這樣形容，“他們掃了一遍論文，沒看到炫酷的公式”，好，拒掉吧，原因？寫“缺乏理論”就好。

NIPS 2018初審結果出爐，哀聲遍野：評審人不專業！

在Goodfellow的推文之前，NIPS2018的初審結果公布，社交網絡上哀鴻遍野。大家主要對評審結果的抱怨，很大程度上就是 Goodfellow 指出的那些：沒有數學公式、缺乏結果解釋……

其中，最嚴重的問題，或許是評審人本身不專業，根本沒有看懂論文！

中科院計算所一篇投稿 NIPS 2018 的論文，得分應該是4、5、6（4=reject，5=marginally below acceptance，6=marginal accept）。

其中，認為或可接受的那位評審，確實是看懂了論文，提出了很多有針對性的具體問題和意見。而其他兩位評審，只給出了非常簡略的反饋，其中一位的理由恰好就是“沒有解釋結果原因”。

計算所的博士生導師說：“很明顯，那兩名評審要么就是沒有細看論文，要么就是對領域不熟。”

“我告訴學生，好好rebuttal，還是有希望的。”