NIPS 更名風波再起，眾多研究者聯合抗議NIPS不改名的決定
2018 年 10 月 22 日，神經資訊處理系統大會（NIPS）基金管理委員會決定：NIPS 主會議將保持原名。而 10 月 24 日，由英偉達機器學習研究負責人 Anima Anandkumar 發起的聯名抗議在機器學習社群迅速傳播，很多研究者包括谷歌 AI 負責人 Jeff Dean 也都在上面簽了名。
神經資訊處理系統委員會一直在討論會議名稱問題，因為現用首字母縮略名「NIPS」具備冒犯性的內涵。為了更好地瞭解大眾對 NIPS 名稱的普遍看法，他們成立了一個「NIPS 命名行動小組」。該小組對 NIPS 社群進行了民意調查，向社群徵集替代名稱，對現有和替代名稱進行評級，並徵求更多意見。NPIS 委員會最後表示這項調查沒有達成明確的共識，也沒有出現更好的替代名稱。
但是很快研究者就表示這樣草率的決定他們接受不了，加州理工的 Bren Professor、英偉達機器學習研究負責人 Anima Anandkumar 率先發起一項聯名抗議，Jeff Dean 和Ian Goodfellow等研究者也都轉推並支援改名。
Ian Goodfellow表示：「我認為 NIPS 改名才是正確的做法，女性科學家中的大多數都支援改名，德行領袖不應該完全由投票驅動。」
聯名抗議地址： ofollow,noindex" target="_blank">https://www.change.org/p/members-of-nips-board-protestnips-nips-acronym-encourages-sexism-and-is-a-slur-change-the-name
聯名抗議信具體內容如下：
親愛的 NIPS 董事會成員，
作為機器學習和資料科學領域的研究人員，我們寫下這封公開信來提倡建立一個友好、多樣化的 ML 社群。
最近，NIPS 2017 的一些不好的行為引起了我們的注意，它導致一個實驗室禁止參加 NIPS 2018。我們理解董事會正在採取措施來評估這些行為導致的會議的變化。此外，該會議的首字母縮寫容易出現不好的雙關語，例如會前的「TITS」事件和印有「my NIPS areNP-hard」這種字樣的 T 恤等。這些都頗快了會議環境，並且許多 ML 研究人員在其中經歷了這種敵對環境。
這些事件給我們當中的一些研究者帶來了不愉快的回憶，我們的職業道路受到騷擾行為的影響。NIPS 正處於快速擴張和變革的時期，我們認為採取認真的行動對社群的持續健康發展至關重要。
我們知道，NIPS 董事會已經任命了多元化和包容性主席，並正在努力制定更嚴格的行為準則，這種行為守則的範本可從其他會議獲得。我們支援這一舉措，並進一步希望當出現可能讓其他與會者感到不舒服的社交行為時，與會者能夠積極鼓勵他們大膽發聲。我們還期望這一行為守則將說明騷擾的後果，並符合 NSF 最近關於報告騷擾的政策變化。
我們還建議進行更徹底的變革：對這個會議進行品牌重塑，包括更改會議名稱。當然，NIPS 這個名字有著悠久而傑出的歷史，但它很容易受到與性相關的雙關語攻擊。在這個時候改變會議名可以作為一項強有力的象徵性舉措，這將表明董事會致力於改善該領域的文化，並使該會議成為包容性方面的領導者。
我們還認為，關於改名的粗糙調查令 AI/ML 社群感到尷尬。這些調查在科學上是不合理的，原因有很多：(1) 存在著巨大的取樣偏差，大多數接受調查的男性對名字沒有異議，而女性是倖存者。(2) 對中性反應（無變化）和變化給予了同等的權重，因此假負類和假正類採用了相同的處理；(3) 對少數群體的偏見和歧視問題，不應以多數人的意見作為決策的依據。
我們感謝 NIPS 舉辦並突出了 Women inMachine Learning和 Black in AI 這些 workshops，我們期待 NIPS 進一步努力歡迎不同背景的貢獻者加入這個領域。我們希望 NIPS 委員會增加這方面的努力，而不是減少。
感謝您的關心和快速反饋。
PS：這封信主要是由 JHU ML 的研究人員發給 NIPS 董事會的那封信改動而成。我根據 Daniela Witten 的推文補充了 NIPS 名稱變更調查的缺點。
產業 NIPS 學術會議
相關資料
Machine Learning
機器學習是人工智慧的一個分支，是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、計算複雜性理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的演算法。因為學習演算法中涉及了大量的統計學理論，機器學習與推斷統計學聯絡尤為密切，也被稱為統計學習理論。演算法設計方面，機器學習理論關注可以實現的，行之有效的學習演算法。
來源：Mitchell, T. (1997). Machine Learning. McGraw Hill.
P/NP
非定常多項式（英語：non-deterministic polynomial，縮寫：NP）時間複雜性類，或稱非確定性多項式時間複雜性類，包含了可以在多項式時間內，對一個判定性演算法問題的例項，一個給定的解是否正確的演算法問題。 NP是計算複雜性理論中最重要的複雜性類之一。它包含複雜性類P，即在多項式時間內可以驗證一個演算法問題的例項是否有解的演算法問題的集合；同時，它也包含NP完全問題，即在NP中“最難”的問題。計算複雜性理論的中心問題，P/NP問題即是判斷對任意的NP完全問題，是否有有效的演算法，或者NP與P是否相等。
來源： Wikipedia
Ian Goodfellow
Ian Goodfellow 是機器學習領域備受關注的年輕學者之一，他在本科與碩士就讀於斯坦福大學，師從吳恩達，博士階段則跟隨蒙特利爾大學的著名學者Yoshua Bengio研究機器學習。Goodfellow 最引人注目的成就是在2014年6月提出了生成對抗網路（GAN）。這一技術近年來已成為機器學習界最火熱的討論話題，特別是在最近幾個月裡，與GAN有關的論文不斷湧現。GAN已成為眾多學者的研究方向。
涉及領域
發現跨域關係的生成對抗網路間隔自適應生成對抗網路深度卷積生成式對抗網路
來源： Goodfellow, I.
推薦文章
