機器學習領域的研究論文如雪崩般涌現，谷歌的工程師克里夫·楊(Cliff Young)將其比作人工智能領域的“摩爾定律”(Moore’s Law)，在其服務器上發表的關于這個主題的學術論文每18個月就會翻一番。所有這些都給同行評審工作帶來了問題，因為經驗豐富的人工智能研究人員太少，可能無法仔細閱讀每一篇論文。

如果機器可以做一些繁重的工作呢?學者應該相信自己對人工智能的接受還是拒絕。此外，谷歌表示，人工智能的“指數”增長正在改變計算的性質，這是弗吉尼亞理工大學機器學習研究員黃家斌周四在arXiv上發表的一篇題為 (Deep Paper Gestalt)的報告提出的一個有趣問題。

人工智能

他利用卷積神經網絡篩選了自2013年以來提交學術會議的5000多篇論文。他在書中寫道，他的神經網絡僅僅根據一篇論文的外觀就能選出一篇“好的”論文，準確率高達92%，值得在會議上發表。

此外，Facebook人工智能研究員敦促同行們本著這種精神走進現實世界。在過去五年里，他共向計算機輸入了5618篇論文，這些論文已被CVPR和ICCV兩大計算機視覺會議所接受。

為了梳理出研究論文的“格式”，他對網絡進行了培訓，將樣本的輸贏與二元分類器“好”和“壞”聯系起來。格式是指一種大于其組成部分的形式或形狀。

此外，Andrew Ng認為人工智能將迎來一個永恒的春天 。