机器学习领域的研究论文如雪崩般涌现，谷歌的工程师克里夫·杨（Cliff Young）将其比作人工智能领域的“摩尔定律”（Moore’s Law），在其服务器上发表的关于这个主题的学术论文每18个月就会翻一番。所有这些都给同行评审工作带来了问题，因为经验丰富的人工智能研究人员太少，可能无法仔细阅读每一篇论文。
如果机器可以做一些繁重的工作呢？学者应该相信自己对人工智能的接受还是拒绝。此外，谷歌表示，人工智能的“指数”增长正在改变计算的性质，这是弗吉尼亚理工大学机器学习研究员黄家斌周四在arXiv上发表的一篇题为 （Deep Paper Gestalt）的报告提出的一个有趣问题。
人工智能
他利用卷积神经网络筛选了自2013年以来提交学术会议的5000多篇论文。他在书中写道，他的神经网络仅仅根据一篇论文的外观就能选出一篇“好的”论文，准确率高达92％，值得在会议上发表。
此外，Facebook人工智能研究员敦促同行们本着这种精神走进现实世界。在过去五年里，他共向计算机输入了5618篇论文，这些论文已被CVPR和ICCV两大计算机视觉会议所接受。
为了梳理出研究论文的“格式”，他对网络进行了培训，将样本的输赢与二元分类器“好”和“坏”联系起来。格式是指一种大于其组成部分的形式或形状。
此外，Andrew Ng认为人工智能将迎来一个永恒的春天 。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
