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 。

以上是网络信息转载，信息真实性自行斟酌。